GENETIC ALGORITHM FOR SELECTING RULES OF THE FUZZY KNOWLEDGE BASE BALANCED ACCORDING TO THE ACCURACY AND COMPACTNESS CRITERIA

  • Serhiy Shtovba Vinnytsia National Technical University
  • Viktor Mazurenko Vinnytsia National Technical University
  • Dmytro Savchuk Vinnytsia National Technical University
Keywords: fuzzy knowledge base, accuracy, compactness, selection of rules, Pareto front, genetic optimization.

Abstract

A genetic algorithm of searching for the set of rules is proposed in order to form a fuzzy knowledge base balanced according to the accuracy and compactness criteria. The algorithm is distinguished by introduction of the linear constraint into the statement of optimization problem. The constraint sets the level of the model accuracy compensation by its compactness. This approximates the region of feasible solutions to the Pareto front.

 

REFERENCES

1. Штовба С. Д. Проектирование нечетких систем средствами MATLAB / С. Д. Штовба. – М.: Горячая линия. – Телеком, 2007. – 288 с.

2. Martello S. Knapsack problems: algorithms and computer implementations / S. Martello , P. Toth. – New York: John Wiley & Sons, Inc, 1990. – 296 p.

3. Ishibuchi H. Selecting fuzzy if-then rules for classification problems using genetic algorithms / H. Ishibuchi, K. Nozaki, N. Yamamoto, H. Tanaka // IEEE Transactions on Fuzzy Systems. – 1995. – Vol. 3, No. 3. – P. 260 – 270.

4. Ishibuchi H. Single-objective and two-objective genetic algorithms for selecting linguistic rules for pattern classification problems / H. Ishibuchi, T. Murata, I. B. Turksen // Fuzzy Sets and Systems. – 1997. – Vol. 89, No. 2 – P. 135 – 150.

5. Ishibuchi H. Three-objective genetics-based machine learning for linguistic rule extraction / H. Ishibuchi, T. Nakashima, T. Murata // Inform. Sci. – 2001. – Vol. 136, No. 1. – P. 109 – 133. 

6. Cordon O. A historical review of evolutionary learning methods for Mamdani-type fuzzy rule-based systems: Designing interpretable genetic fuzzy systems / O. Cordon // International Journal of Approximate Reasoning. – 2011. – Vol. 52. – P. 894 – 913.

7. Cordon O. Ten years of genetic fuzzy systems: current framework and new trends / O. Cordon, F. Gomideb, F. Herreraa, F. Homannc, L. Magdalenad // Fuzzy Sets and Systems. – 2004. – Vol. 141. – P. 5 – 31.

8. Штовба С. Д. Вплив кількості нечітких правил на точність бази знань Мамдані / С. Д. Штовба , В. В. Мазуренко , О. Д. Панкевич // Вісник Хмельницького національного університету. Технічні науки. – 2011. – № 2. – С. 185 – 188.

9. Штовба С. Д. Дослідження навчання компактних нечітких баз знань типу Мамдані / С. Д. Штовба, В. В. Мазуренко // Штучний інтелект. – 2011. – № 4. – С. 521 – 529.

10. Штовба С. Д. Дослідження навчання компактних нечітких синглтонних баз знань / С. Д. Штовба, В. В. Мазуренко // Вимірювальна та обчислювальна техніка в технологічних процесах. – Хмельницький: ХНУ., 2011 – № 1 – С. 133 – 139.

11. Штовба С. Д. Залежність точності ідентифікації від обсягу нечіткої синглтонної бази знань / С. Д. Штовба , О. Д. Панкевич, В. В. Мазуренко // Інформаційні технології та комп’ютерна інженерія. – 2011. – № 1. – С. 73 – 78.

Author Biographies

Serhiy Shtovba, Vinnytsia National Technical University
Dc. Sc. (Eng), Prof. of the Department of Computer Control Systems
Viktor Mazurenko, Vinnytsia National Technical University
Postgraduate student of the Department of Computer Control Systems
Dmytro Savchuk, Vinnytsia National Technical University
Student of the Institute of Automatics, Electronics and Computer Control Systems
Published
2015-11-27
How to Cite
[1]
S. Shtovba, V. Mazurenko, and D. Savchuk, “GENETIC ALGORITHM FOR SELECTING RULES OF THE FUZZY KNOWLEDGE BASE BALANCED ACCORDING TO THE ACCURACY AND COMPACTNESS CRITERIA”, SWVNTU, no. 3, Nov. 2015.
Section
Information Technologies and Computer Engineering