Data-based fuzzy modelling of dynamic systems by means of evolution strategies

• Autorzy: Gorzałczany M. B. , Głuszek A.

Warianty tytułu

PL

Rozmyte modelowanie systemów dynamicznych na bazie danych z wykorzystaniem strategii ewolucyjnych

• Języki publikacji: EN

Abstrakty

EN

The paper presents a hybrid approach (combining fuzzy rule-based systems and evolution strategies) to modelling of complex dynamic systems and processes using data that describe their behaviour. The application of the proposed approach to modelling and prediction of the Mackey-Glass chaotic time series is also presented in the paper. This time series - of complex dynamics - describes various physiological and technical control systems.

PL

Artykuł prezentuje hybrydowe podejście - łączące rozmyte systemy regułowe z tzw. strategiami ewolucyjnymi - do modelowania złożonych, dynamicznych systemów i procesów z wykorzystaniem danych opisujących ich zachowanie. Strategie ewolucyjne stanowią jedną z czterech głównych klas algorytmów ewolucyjnych - obok najbardziej popularnych algorytmów genetycznych, programowania ewolucyjnego oraz programowania genetycznego. Szereg cech strategii ewolucyjnych - w tym samoadaptacja parametrów sterujących strategią ewolucji, co umożliwia dokładne lokalne dostrajanie się algorytmu - powoduje, że są one interesującym narzędziem szczególnie w zagadnieniach optymalizacji z ciągłymi parametrami. Stąd też mogą być efektywnie wykorzystywane w budowie rozmytych regułowych modeli systemów oraz algorytmów sterowania na bazie danych. W artykule przedstawiono zastosowanie proponowanego podejścia do modelowania i predykcji tzw. chaotycznego szeregu czasowego Mackey-Glass'a. Szereg ten - o złożonej dynamice - opisuje różnorodne fizjologiczne i techniczne systemy sterowania. Przedstawiono uzyskaną bazę reguł modelu rozmytego, kształty funkcji przynależności zbiorów rozmytych w nim występujących oraz porównanie odpowiedzi modelu z danymi rzeczywistymi.

Słowa kluczowe

EN

computational intelligence; fuzzy systems; evolution strategies; evolution-strategy fuzzy systems; measurement data

PL

inteligencja obliczeniowa; systemy rozmyte; strategie ewolucyjne; systemy rozmyte z wykorzystaniem strategii ewolucyjnych; dane pomiarowe

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2010
• Tom: R. 56, nr 12
• Strony: 1427--1429
• Opis fizyczny: Bibliogr. 11 poz., rys., tab., wzor

Twórcy

autor

Gorzałczany M. B.

autor

Głuszek A.

• Department of Electrical and Computer Engineering, Kielce University of Technology, Al. 100--lecia Państwa Polskiego 7, 25-314 Kielce,

Bibliografia

• [1] Bélair, J., Glass, L., an der Heiden, U., and Milton, J.: Dynamical Disease: Mathematical Analysis of Human Illness. American Institute of Physics, Woodbury, New York, 1995.
• [2] Beyer H. -G.: The Theory of Evolution Strategies. Springer, Berlin 2001.
• [3] Farmer, J. D. and Sidorowich, J. J.: Predicting chaotic time series. Physics Review Letters, 59(8), pp. 845-848, 1987.
• [4] Gorzałczany M. B.: Computational Intelligence Systems and Applications, Neuro-Fuzzy and Fuzzy Neural Synergisms. Physica-Verlag, Springer-Verlag Co., Heidelberg, New York, 2002.
• [5] Gorzałczany M. B., Głuszek A.: Designing fuzzy rule-based controllers from data using particle swarm optimization. Pomiary Automatyka Kontrola, vol. 56, no 12, 2010, pp. 1424-1426.
• [6] Gorzałczany M. B., Rudziński F.: Measurement data in genetic fuzzy modelling of dynamic systems. Pomiary Automatyka Kontrola, vol. 56, no 12, 2010, pp. 1420-1423.
• [7] Gorzałczany M. B., Rudziński F.: A modified Pittsburg approach to design a genetic fuzzy rule-based classifier from data, in L. Rutkowski, R. Scherer, R. Tadeusiewicz, L. A. Zadeh, J. Żurada (Eds.), Artificial Intelligence and Soft Computing - ICAISC 2010, Part I, Lecture Notes in Artificial Intelligence 6113, Springer-Verlag, Berlin, Heidelberg, 2010, pp. 88-96.
• [8] Jang J. -S. R.: ANFIS: Adaptive-Network-Based Fuzzy Inference System, IEEE Trans. Systems, Man and Cybernetics, vol. 23, no 3, pp. 665-685, 1993.
• [9] Michalewicz Z.: Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag, Berlin, Heidelberg, New York, 1996.
• [10] Mackey, M. C., Glass L.: Oscillation and chaos in physiological control systems. Science, 197 (4300), pp. 287-289, 1977.
• [11] Schwefel H. -P.: Evolution and Optimum Seeking. J. Wiley & Sons, 1995.