计算智能和神经科学

研究文章

盲人通道和数据评估使用模糊Logic-Empowered相反上优于变异粒子群优化

表1

提出了模糊logic-empowered相反学习变异粒子群优化算法(FL-OLMPSO)。


美国没有。	步骤

1级
1	开始
2	2.1。通过广大初始化的数据D_p= {D_p1,D_p2,..................D_{巴勒斯坦权力机构}}和速度W_d
	2.2。初始化通道群氓D_k= {D_k1,D_k2,..................D_卡}和速度W_k
3	利用成本计算人口的健康工作了(14)
4	计算下界值(MB_p,MB_我)和上界值(HB_p,乙肝_我)D_p和D_k分别
	计算相反的民众
5	对于FL-TOLMPSO	对于FL-POLMPSO
	5.1。相反的人口数据	5.1。相反的人口数据
	OD_p= {OD_p1,OD_p2,..................OD_{巴勒斯坦权力机构}}	OD_p= {OD_p1,OD_p2,..................OD_{pa / 2}}
	OD_π= {OD_π,1,他妈的_2π,,.................. OD_π,米}	OD_π= {OD_π,1,他妈的_2π,,.................. OD_π,米}
	OD_π,j= MB_p+乙肝_一个−D_π,j	OD_π,j= MB_p+乙肝_一个−D_π,j
	5.2。相反的通道数量	5.2。相反的通道数量
	OD_k= {OD_k1,OD_k2,..................OD_卡}	OD_k= {OD_k1,OD_k2,..................OD_{ka / 2}}
	OD_ki= {OD_{ki, 1},他妈的_{ki, 2},.................. OD_{ki, M}}	OD_ki= {OD_{ki, 1},他妈的_{ki, 2},.................. OD_{ki, M}}
	OD_{ki j}= MB_我+乙肝_我−D_{ki j}	OD_{ki j}= MB +乙肝_我−D_{ki j}
6	计算两个相反的人群的健康(OD_p和OD_k)使用成本函数给出了方程(16)
7	选择当地最好的粒子: 7.1。人口数据米_{和平民主党}从D_p和OD_p 7.2。通道数量l_bdk从D_k和OD_k
8	选择以下的全球最佳粒子: 8.1。人口数据N_{和平民主党}= min (米_{和平民主党}) 8.2。通道数量N_{和平民主党}= min (l_{和平民主党})

级别2:全球最佳数据向量是固定的和连续FL-OLMPSO算法作用于通道的人口
9	更新每个粒子的速度使用FIS通道数量: W_他(n)= W_他(n−1)+方法(GI, W_他(n−1))
10	更新每个粒子通道的位置计算变异算子(MO) 米_哦(我)= D_金(n) = D_金(n−1) + M_哦(我)∗rand ()
11	计算变异粒子的健身频道人口使用方程(16)
12	更新频道人口D_k
13	如果(NoC)所需的周期>数量去一步14 其他步骤9

3级:在这个级别,离散FL-OLMPSO算法用于估计数据符号
14	全球最好的粒子人口数据的选择和更新速度: W_他(n)=方法(李,胃肠道,W_他(n−1))
15	更新每个粒子的位置数据的人口计算变异算子(MO) 米_od(我)= D_pim(n) = D_pim(n−1) + M_od(我)∗rand ()
16	计算数据的人口使用的健身的粒子(16)
17	更新数据的人口D_p
18	如果(NoC)所需的周期>数量去20步其他步骤14

四级:下一个样品的接收信号和执行→2级
19	停止