بهینه سازی جتسجوی فرامکاشفه پرتو محلی و اجرای آن روی تابع تست ACKLEY

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,690

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCSCIT01_010

تاریخ نمایه سازی: 19 بهمن 1390

چکیده مقاله:

انسان به عنوان یک عامل هوشمند در مسائل روزمره ای که برایش پیش می آید با استفاده از تکنیک های جستجو اقدام به یافتن راه حلی برای مسئله می کند .در حالت کلی دو روش جستجوی آگاهانه و جستجوی ناآگاهانه وجود دارند که شاید این تصویر به وجود اید که جستجوی آگاهانه بهتر از ناآگاهانه می باشدامام چنین تصوری را نمی توان قطعاً درست تلقی کرد چرا که در صورت ناآگاهانه بودن ماهیت مسئله چاره ای جز جستجوی ناآگاهانه نخواهیم داشت.همچنین سریعتر بودن جستجوی آگاهانه نسبت به جستجوی نا آگاهانه نیز بستگی به شرایط مسئله خواهد داشت و موارد بسیار زیادی می توان یافت که در آن جستجوی ناآگاهانه سریعتر از جستجوی آگاهانه ما را به جواب مسئله می رساند. در هوش مصنوعی میتوان روش های مختلف جستجو را با محاسبات آماری مقایسه نمود و در صورت امکان بهبود بخشید در این مقاله به بررسی جستجوی فرامکاشفه ای پرتو محلی ، پرداخته شده و سعی شده است تا با اضافه کردن پارامترهای کمکی نتیجه بهتری گرفته شود نکته مهم اینست که در هوش مصنوعی هیچ چیز را نمی توان قطعی تصور کرد.

نویسندگان

مهدی امیری

دانشجوی کارشناسی ارشد مهندسی کامپیوتر (نرم افزار ) ، دانشگاه آزاد اسلامی واحد

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 :
  • Artifical intelligence: amodern approach 2 nd, c2003 ...
  • Poli, R., Langdon, W. B., McPhee, N. F. (2008). A ...
  • An introduction o genetic algorithms by Melanie Mitchell - Computers ...
  • نمایش کامل مراجع