افزایش کارایی مرتب سازیquicksort با مدل انتخابی مبتنی بر شبکه عصبی
محل انتشار: اولین همایش ملی پژوهش های مهندسی رایانه
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 774
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RCEITT01_251
تاریخ نمایه سازی: 11 اردیبهشت 1394
چکیده مقاله:
مرتب سازی سریع یکی از محبوب ترین الگوریتم های مرتب سازی است که براساس روش تقسیم و تسخیر میباشد و محبوبیت گسترده ای به عنوان سریعترین روش همه منظوره مرتب سازی دارد. اگرچه این روش موفق به جداکردن پارتیشن بزرگ به کوچک میشود، مرتب سازی سریع هنگامی که پارتیشن ها کوچک باشد به کندی اجرا میشود، بنابراین برای اتمام مرتب سازی فرآیندها از طریق استفاده از یک الگوریتم مرتب سازی متفاوت راه حل بسیار محتملی است. این نوع مرتب سازی زمان اجرای کلرا به حداقل میرساند اما به یک الگوریتم مرتب سازی ثابت در یک نقطه ثابت- قطع می رود. برای مقابله با این مشکل، یک مدلپویا پیشنهاد شده است که یک الگوریتم مرتب سازی سریع تر برای پارتیشن کوچک میتوانیم انتخاب کنیم. این مدل ادامهی مرتب سازی سریع می باشد به طوری که نقطه برش نیز انعطاف پذیرتر است. برای این اجرای الگوریتمهای هوشمند، انتخاب مدل شبکههای عصبی مصنوعی را با توجه به ویژگیهای معماری غیر مقایسهای، زمان ثابت و کم هرینه بودن را ترجیح دادهایم. با وجوداین واقعیت است که پیدا کردن بهترین الگوریتم مرتب سازی با استفاده از شبکه عصبی باعث برخی از زمان های اضافی محاسباتی می شود و افرایش زمان ادرای کل می شود. در نتیجه، یک نوع سریع تر از مرتب سازی سریع با استفاده از شبکه مصنوعی عصبی مبتنی بر روش انتخاب الگوریتم اجرا شده است. نتایج تجربی الگوریتم پیشنهادی و چندین الگوریتم دیگر سریع مرتب سازی ارائه شده, مقایسه و بحث شده است
کلیدواژه ها:
نویسندگان
حامد صباغ گل
مربی، عضو هیئت علمی گروه کامپیوتر، دانشگاه پیام نور.
ملیکا قاسمی
دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه آزاد اسلامی واحد فردوس.
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 :