A number of studies [26, 28, 33] ha

A number of studies [26, 28, 33] have shown that the method of designing fuzzy rule based classifiers (FRBCs)
using multi-objective optimization evolutionary algorithms (MOEAs) clearly depends on the evolutionary quality.
Each evolutionary algorithm has the advantages and the disadvantages. There are some hybrid mechanisms
proposed to tackle the disadvantages of a specific algorithm by making use of the advantages of the others. To
improve the application of the multi-objective particle swarm optimization with fitness sharing (MO-PSO) for the
FRBC design method proposed in [33], this paper represents an application of a hybrid multi-objective particle
swarm optimization algorithm with simulated annealing behavior (MOPSO-SA) to optimize the semantic
parameters of the linguistic variables and fuzzy rule selection in designing FRBCs based on hedge algebras
proposed in [7] which uses the genetic simulated annealing algorithm (GSA). By simulation, the MOPSO-SA has
shown to be more efficient and produced better results than both the GSA algorithm in [7] and the MO-PSO
algorithm in [33]. That is, to show a method of the FRBC design is better than another one using MOEA, the same
MOEA must be used.

ผลลัพธ์ (ไทย) 1:

จำนวนของการศึกษา [26, 28, 33] ได้แสดงให้เห็นว่า วิธีการออกกฎที่ชัดเจนตามคำนามภาษา (FRBCs)ชัดเจนใช้หลายวัตถุประสงค์เพิ่มประสิทธิภาพกระบวนการวิวัฒนาการ (MOEAs) ขึ้นอยู่กับวิวัฒนาการแต่ละอัลกอริทึมที่วิวัฒนาการมีข้อดีและข้อเสีย มีกลไกบางอย่างไฮบริดนำเสนอเล่นงานข้อเสียของอัลกอริทึมเฉพาะ โดยการใช้ประโยชน์ของผู้อื่น ถึงปรับปรุงประยุกต์ใช้เพิ่มประสิทธิภาพฝูงอนุภาคหลายวัตถุประสงค์ ด้วยการออกกำลังกายร่วมกัน (MO-PSO) สำหรับการFRBC ออกแบบวิธีนำเสนอใน [33], กระดาษนี้แสดงถึงการประยุกต์ของการผสมวัตถุประสงค์หลายอนุภาคฝูงปรับอัลกอริทึม มีลักษณะหลอมจำลอง (MOPSO-SA) เพื่อเพิ่มประสิทธิภาพในทางตรรกพารามิเตอร์ของตัวแปรการภาษาศาสตร์และเลือกกฎที่ชัดเจนในการออกแบบ FRBCs ตาม algebras ป้องกันนำเสนอใน [7] ซึ่งใช้การพันธุกรรมจำลองการอบเหนียวอัลกอริทึม (GSA) โดยการจำลองสถานการณ์ MOPSO ซามีแสดงจะมีประสิทธิภาพมากขึ้นและผลลัพธ์ที่ดีขึ้นกว่าอัลกอริทึม GSA ใน [7] และ MO PSOอัลกอริทึมใน [33] คือ การแสดงวิธีการ FRBC ออกแบบเป็นดีกว่าหนึ่งใช้ MOEA เหมือนกันต้องใช้ MOEA

ผลลัพธ์ (ไทย) 2:

จากการศึกษา [26, 28, 33] ได้แสดงให้เห็นว่าวิธีการของการออกแบบกฎฟัซซี่ตามลักษณนาม (FRBCs)
โดยใช้ขั้นตอนวิธีวิวัฒนาการการเพิ่มประสิทธิภาพหลายวัตถุประสงค์ (MOEAs) อย่างชัดเจนขึ้นอยู่กับคุณภาพวิวัฒนาการ.
แต่ละขั้นตอนวิธีวิวัฒนาการมีข้อดีและ ข้อเสีย มีบางกลไกไฮบริดที่มี
การเสนอที่จะแก้ไขปัญหาข้อเสียของวิธีเฉพาะโดยการใช้ข้อได้เปรียบของคนอื่น ๆ เพื่อ
ปรับปรุงการประยุกต์ใช้การเพิ่มประสิทธิภาพจับกลุ่มอนุภาคหลายวัตถุประสงค์การใช้งานร่วมกับการออกกำลังกาย (MO-PSO) สำหรับ
วิธีการออกแบบ FRBC เสนอใน [33], กระดาษนี้แสดงให้เห็นถึงการประยุกต์ใช้อนุภาคหลายวัตถุประสงค์ไฮบริด
ขั้นตอนวิธีการเพิ่มประสิทธิภาพจับกลุ่มกับพฤติกรรมการอบจำลอง (MOPSO-SA) เพื่อเพิ่มประสิทธิภาพความหมาย
พารามิเตอร์ของตัวแปรภาษาและตัวเลือกกฎฟัซซีในการออกแบบ FRBCs ตามใน algebras ป้องกันความเสี่ยง
ที่เสนอใน [7] ซึ่งใช้อัลกอริทึมอบจำลองทางพันธุกรรม (GSA) โดยจำลอง MOPSO-SA ได้
แสดงให้เห็นว่ามีประสิทธิภาพมากขึ้นและผลิตผลลัพธ์ที่ดีกว่าทั้งสองขั้นตอนวิธี GSA ใน [7] และ MO-PSO
ขั้นตอนวิธีใน [33] นั่นคือเพื่อแสดงให้เห็นวิธีการของการออกแบบ FRBC จะดีกว่าอีกคนหนึ่งใช้ MOEA เดียวกัน
MOEA จะต้องใช้

ผลลัพธ์ (ไทย) 3:

จำนวนของการศึกษา [ 26 , 28 , 33 ] แสดงให้เห็นว่าวิธีการของการออกแบบกฎฟัซซี่ที่ใช้ลักษณนาม ( frbcs )
ใช้เพิ่มประสิทธิภาพหลายขั้นตอนวิธีเชิงวิวัฒนาการ ( moeas ) ชัดเจนขึ้นอยู่กับคุณภาพวิวัฒนาการ วิวัฒนาการของ
แต่ละมีข้อดีและข้อเสีย มีกลไก
ไฮบริดเสนอให้แก้ไขข้อเสียของขั้นตอนวิธีการเฉพาะ โดยการใช้ประโยชน์ของผู้อื่น

ปรับปรุงการเพิ่มประสิทธิภาพหลายฝูงอนุภาคแบ่งปันฟิตเนส ( mo-pso )
frbc การออกแบบวิธีที่เสนอใน [ 33 ] , กระดาษนี้แสดงการประยุกต์ใช้
อนุภาคหลายไฮบริดเพิ่มประสิทธิภาพของขั้นตอนวิธีการจำลองการอบเหนียวจับกลุ่มกับพฤติกรรม ( mopso-sa ) เพื่อเพิ่มค่าของตัวแปรภาษาและความหมาย
เลือกกฎฟัซซีแบบ frbcs ตามแนวพุ่มไม้พีชคณิต
เสนอใน [ 7 ] ซึ่งใช้ขั้นตอนวิธีพันธุกรรมการดำรงอยู่ ( GSA ) โดยการคำนวณ mopso-sa ได้
แสดงเพื่อให้มีประสิทธิภาพมากขึ้น และสร้างผลลัพธ์ที่ดีกว่าทั้ง GSA ขั้นตอนวิธีใน [ 7 ] และ mo-pso
ขั้นตอนวิธีใน [ 33 ] คือจะแสดงวิธีการของ frbc ออกแบบดีกว่าอีกหนึ่งใช้ moea , moea เดียวกัน
จะต้องใช้