الگوریتم ترکیبی یادگیری افزایشی مبتنی بر جمعیت و بهینه سازی حدی(GEO_PBIL،PBIL_EO)
محل انتشار: شانزدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,623
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSICC16_034
تاریخ نمایه سازی: 28 بهمن 1390
چکیده مقاله:
الگوریتم PBIL یکی از انواع الگوریتمهای تخمین توزیع است این الگوریتم درمقایسه با الگوریتمهایی مانند الگوریتم ژنتیک از نظر سرعت حافظه مصرفی و دقت جوابهای بدست آمده کارایی بهتری دارد و به خوبی می تواند نقاط ناشناخته فضای جستجو را با به کاربردن روشهای آماری جستجو نماید این الگوریتم از یک بردار احتمال استفاده کرده و اعضای جمعیت را از طریق نمونه برداری از آن ایجاد می کند از طرفی الگوریتم EO برای جستجوهای محلی و نزدیک بهینه مناسب می باشد و می تواند بهترین جواب را از میان جوابهای محلی بدست آورده و دربهینه محلی گیرنکند لذا با ترکیب این دو الگوریتم می توان تعاملی بین دو مفهوم اساسی مطرح در الگوریتمهای تکاملی اکتشاف و بهره برداری ایجاد نموده و نتایج بهتری بدست آورد نتایج موجوددراین مقاله نشان دهنده کاراییالگوریتم پیشنهادی برروی دو مسئله بغرنج دو تکه کردن گراف و زمان بندی وظایف برروی چند پردازنده می باشد.
کلیدواژه ها:
الگوریتم یادگیری افزایشی مبتنی بر جمعیت ، بهینه سازی حدی ، بهینه سازی حدی تعمیم یافته ، الگوریتم های تخمین توزیع ، مسائل بهینه سازی
نویسندگان
میترا هاشمی
دانشجوی کارشناسی ارشد دانشکده برق رایانه و فناوری اطلاعات،دانشگاه آ
محمدرضا میبدی
استاد دانشکده مهندسی کامپیوتر،دانشگاه صنعتی امیرکبیر،تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :