1
Riassunto
In questo lavoro sono proposti due algoritmi metaeuristici multi-obiettivo per identificare sistemi fuzzy a regole linguistiche con differenti trade-off tra accuratezza e complessità. Le basi di regole e i parametri caratteristici degli insiemi fuzzy di ciascuna variabile linguistica vengono appresi contemporaneamente durante il processo di identificazione. Per ridurre lo spazio di ricerca è utilizzato il modello di rappresentazione a 2-tuple, che permette la traslazione simbolica dei termini linguistici, considerando un solo parametro. Sono stati utilizzati due algoritmi: una implementazione del Particle-Swarm multi-obiettivo e una di un algoritmo genetico cellulare multi-obiettivo. Questo approccio è stato sperimentato su due dataset di differenti dimensioni e numero di variabili, relativi a problemi reali di regressione. Gli algoritmi sono stati eseguiti sia per apprendere contemporaneamente la base di regole e i parametri degli insiemi fuzzy, sia per apprendere solo la base di regole, considerando uniformi le partizioni delle variabili linguistiche. I risultati confermano l’efficacia di questo approccio per ottenere insiemi di sistemi fuzzy caratterizzati da buoni trade-off tra accuratezza e complessità.
Parole chiavi: Sistemi Fuzzy a Regole Linguistiche, Rappresentazione a 2-Tuple, Trade-off Accuratezza-Complessità, Algoritmi Metaeuristici Multi-Obiettivo, Apprendimento dei Parametri delle Funzioni Membro.
Abstract
In this work, we propose two multi-objective metaheuristic algorithms to generate linguistic fuzzy rule based systems with different trade-offs between accuracy and complexity. The rule bases and membership function parameters of the associated linguistic labels are learnt concurrently. In order to reduce the search space, we exploit the 2-tuple representation model, which allows the symbolic translation of a label by only considering one parameter. Two algorithms have been used: a multi-objective Particle Swarm and a multi-multi-objective Cellular Genetic. This approach has been tested on two real-world datasets with different size and number of variables. The algorithms have been executed both to learn concurrently the rule base and membership function parameters and to learn the only the rule bases considering uniform partitions for the linguistic variables. Results confirm the effectiveness of this approach to achieve sets of linguistic fuzzy rule-based systems with good trade-offs between complexity and accuracy.
Keywords: Linguistic Fuzzy Rule-Based Systems, Linguistic 2-Tuple Representation, Accuracy-Interpretability Trade- off, Multi-Objective Metaheuristic Algorithm, Membership Function Parameters Learning.
