La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Reliability Optimization Design Using Hybrid NN-GA with Fuzzy Logic Controller Conception d'optimisation de la fiabilité utilisant un NN-GA hybride avec un contrôleur à logique floue

ChangYoon LEE, Mitsuo GEN, Yasuhiro TSUJIMURA

  • Vues en texte intégral

    0

  • Citer

Résumé:

Dans cette étude, un algorithme génétique hybride/réseau neuronal avec contrôleur à logique floue (NN-flcGA) est proposé pour trouver l'optimum global des problèmes d'attribution de fiabilité/d'allocation redondante qui doivent être déterminés simultanément par deux types différents de variables de décision. Plusieurs chercheurs ont obtenu des résultats acceptables et satisfaisants en utilisant des algorithmes génétiques pour résoudre des problèmes d'attribution de fiabilité optimale/d'allocation redondante au cours de la dernière décennie. Cependant, pour les problèmes de grande envergure, les algorithmes génétiques doivent énumérer de nombreuses solutions réalisables en raison du vaste espace de recherche continu. Récemment, une GA hybridée combinée à une technique de réseau neuronal (NN-hGA) a été proposée pour surmonter ce type de difficulté. Malheureusement, cela nécessite un coût de calcul élevé bien que NN-hGA conduise à un optimal global plus robuste et plus stable quelles que soient les différentes conditions initiales des problèmes. L'efficacité et l'efficience du NN-flcGA sont démontrées en comparant ses résultats avec ceux d'autres méthodes traditionnelles dans des expériences numériques. Les caractéristiques essentielles de NN-flcGA, à savoir 1) sa combinaison avec une technique de réseau neuronal (NN) pour concevoir des valeurs initiales pour le GA, 2) son application du concept de contrôleur à logique floue lors du réglage dynamique des paramètres de la stratégie GA, et 3 ) son incorporation de la méthode de recherche simplexe révisée, permet non seulement d'améliorer la qualité des solutions mais également de réduire le coût de calcul.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E85-A No.2 pp.432-446
Date de publication
2002/02/01
Publicisé
ISSN en ligne
DOI
Type de manuscrit
PAPER
Catégories
Analyse numérique et optimisation

Auteurs

Mots-clés

Table des matières