انتخاب ویژ گی با استفاده از ترکیب الگوریتم گرگ خاکستری و ژنتیک
محل انتشار: ششمین کنفرانس بین المللی پژوهش های نوین در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 119
فایل این مقاله در 13 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:
ICECM06_084
تاریخ نمایه سازی: 10 مرداد 1402
چکیده مقاله:
بنا به ضرورت انتخاب ویژگی و اهمیت آن در جهت کاهش ابعاد داده و به تبع آن پردازش کمتر، ضروری استتا انتخاب های خوبی از ویژگی ها انجام شود تا دقتی در حدود داده های اصلی داشته باشند. لذا با روشهایفراابتکاری سعی در یادگیری انتخاب ویژگی با دقت بالا میباشیم. در این پژوهش با استفاده از الگوریتم بهینهسازی گرگ خاکستری و با انتخاب تصادفی تعدادی از ویژگی ها و تقسیم داده ها به نمونه های آموزشی وتست با یک شبکه عصبی دو لایه مقدار خطای به دست آمده از انتخاب ویژ گی، به عنوان ارزیابی الگوریتم گرگخاکستری در نظر گرفته م یشود. به این شکل گرگ ها به سمت انتخاب های بهینه حرکت میکنند. برای بهبودعملکرد گرگ های خاکستری و ب رای هر تکرار گرگ خا کستری با انتخاب سه راه حل برتر که مربوط به گرگهای آلفا بتا و دلتا می باشند و قرار دادن آن ها به عنوان جمعیت اولیه الگوریتم ژنتیک و اضافه کردن پنج راهحل تصادفی از جمعیت اولیه گرگها الگوریتم ژنتیک را بر روی آن اجرا می کنیم. نتایج این رو ش هیبریدیحاکی از آن است که بهبود قابل ملاحظه ای در مقایسه با روشهای ژنتیک و گرگ خاکستری و گروه ازدحامذرات به دست آمده است.
کلیدواژه ها:
نویسندگان
فاطمه دلبری
کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه آزاد اسلامی واحد سبزوار