اعتبارسنجی و درستی سنجی با استفاده از شبکه پتری فازی تطبیقی و الگوریتم GPSO

امروزه مدل های رفتاری انسان مهم ترین گزینه برای تصمیم گیری در زمینه بسیاری از کاربردهای شبیه سازی محسوب می شود تا بتوان تصمیمات درستی بر مبنای یک مدل تصمیم انسانی معتبر گرفت. بدین منظور از شبکه های پتری برای مدل سازی سیستم هایی که بر اساس رویدادهای گسسته همروند و یا تقدم و تاخر اتفاق می افتند، استفاده می شود. این شبکه ها امکان بررسی صحت قوانین، قبل از انجام فرآیند و در حین اجرای فرآیند را فراهم می کنند. بنابراین به کمک شبکه پتری می توان مدیریت اعتبار و صحت قوانین را برای کاهش ریسک و هزینه ها اعمال کرد و خطاهای شبیه سازی را پیش از انجام کار کاهش داد. در این مقاله قانون استدلال کلی بر اساس شبکه پتری فازی تطبیقی(AFPN ) پیشنهاد شده است. این مدل ویژگی های شبکه پتری فازی(FPN ) و توانایی یادگیری الگوریتم های تکاملی را دارا است. همچنین به منظور بهبود FPN برای حل مشکلات اعتبارسنجی و درستی سنجی الگوریتم GPSO ارایه شده است. نتایج شبیه-سازی انجام گرفته با استفاده از نرم افزار متلب بر روی مجموعه داده جمع آوری شده بر اساس تعامل استاد-دانشجو نشان می دهد که روش پیشنهادی از نظر بهترین مقدار بهبود یافته است