Számítási intelligencia algoritmusok, rendszerek és modellek = Algorithms, systems and models in computational intelligence

摘要

Korábbi eredményeinkre építve javasoltuk egy evolúciós (pl. bakteriális, részecskeraj) memetikus algoritmuscsaládot, az LM, maxi gradiens, és kombinációs eljárásokat alkalmaztunk lokális keresésre. Az új módszerek jobb konvergenciasebességgel és –pontossággal rendelkeznek, különösen a fuzzy modellek konstrukciójában. Javaslatot tettünk multipopulációs, többszálas és hibrid evolúciós, iteratív mohó és ütemezett vegyes evolúciós és memetikus eljárásokra. Szabványos adathalmazokon e módszerekkel az eddig publikált eredményeknél jobbat értünk el. Vizsgáltuk a fuzzy neurális hálózatokat, új struktúrákat, műveleteket bevezetve megkezdtük a hardver implementációt; fuzzy kognitív térképeket vizsgáltunk. Javaslatot tettünk a fuzzy szignatúrák geometriailag struktúrált általánosítására, változó finomságú szituációs térképek leírására. Javasoltuk a fuzzy 2 dimenziós raszterek alkalmazását a képreprezentációban. Az új komplex fuzzy - evolúciós/mohó/gradiens alapú optimalizációs - neurális hálózat eszközkészletet a műszaki és alkalmazott problémák széles körében használtuk fel, így a távközlési, a szállítási és logisztikai hálózatok optimalizációjára, hibadetektálásra; intelligens mobil robotok irányítására, kommunikációjára és autonóm együttműködésére; ellátási láncok és gyártási folyamatok optimalizálására; erőforrásallokációra és –ütemezésre; karakterfelismerésre és az építő- és környezetmérnöki döntéstámogatásra. | Based on our earlier research results we proposed a family of enhanced bacterial and evolutionary other memetic algorithms (e.g. Partical Swarm Optimization), with Levenberg-Marquard and Steepest Descent, viz. combinatorial methods for local search. The new methods have better convergence speed and accuracy, especially in fuzzy rule based model construction. We proposed multipopulation, multithread and hybrid evolutionary, iterative greedy and alternatingly scheduled mixed evolutionary and memetic approaches. We have achieved better results for standard benchmark data sets than any other authors. We studied neural networks based on fuzzy operations, proposing new structures, new operation families and starting hardware implementation; and we simulated fuzzy cognitive maps. We proposed extended classes of fuzzy signatures with geometric structure, modeling situational maps with flexible depth and fineness. We proposed fuzzy 2D grids for image representation. The new complex fuzzy - evolutionary/greedy/gradient optimization - neural network tool kit thus developed was deployed for a wide variety of engineering and applied problems, telecommunication, transport and logistic network optimization and failure detection, intelligent and mobile robot control, communication and co-ordination of autonomous collaboration; optimization of supply chains and production, resource allocation and scheduling, character recognition, and decision support in civil and environmental engineering.