استفاده از عملگر جهش و روشهای کلاسیک جهت بهبود الگوریتم مورچگان باینری
محل انتشار: کنگره ملی مهندسی برق، کامپیوتر و فناوری اطلاعات
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,016
فایل این مقاله در 6 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:
CECIT01_432
تاریخ نمایه سازی: 14 شهریور 1392
چکیده مقاله:
در این مقاله، نسخه بهبود یافته ای از الگوریتم بهینه ساز جمعیت مورچگان باینری با ترکیب عملگر جهش و روشهای کلاسیک برای مساله انتخاب ویژگی ارائه شده است. در روش پیشنهادی با استفاده از اطلاعات بدست آمده از روشهای انتخاب پیش رو و حذف پس رو ترمبینایی در الگوریتم مورچگان باینری تقویت می شود و عملگر وراثتی جهش از رکود الگوریتم جلوگیری میکند. روش پیشنهادی برای مساله انتخاب ویژگی بر روی دادههایSonar و Vehicle ،Wine ،Vowel ،Glassآزموده شده و در نهایت نتایج حاصل از آزمایشها ارائه شده است همچنین، برای ارزیابی کارایی روش پیشنهادی، نتایج آزمایشها با روشهای الگوریتم بهینه ساز جمعیت مورچگان باینریBACO) و الگوریتم وراثتی باینریGA) مقایسه شده است. نتایج بیانگر کارایی مناسب الگوریتم پیشنهادی است.
کلیدواژه ها:
الگوریتم بهینه ساز جمعیت مورچگان باینری ، انتخاب ویژگی ، روش انتخاب پیشرو ، روش حذف پسرو ، عملگر جهش
نویسندگان
حامد توحیدی
گروه برق، واحد بم، دانشگاه آزاد اسلامی بم، ایران
شیلا شمس الدینی
گروه برق، واحد بم، دانشگاه آزاد اسلامی بم، ایران
سعیدرضا عرب
گروه کامپیوتر، واحد بم، دانشگاه آزاد اسلامی بم، ایران
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 :