حل مسائل بهینه سازی غیر خطی با استفاده از الگوریتم بهینه سازی ازدحام ذرات مبتنی بر نخبه گرایی
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,729
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT07_081
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
یادگیری اجتماعی نقش مهمی را در یادگیری رفتار در میان جوامع بشری ایفا می کند. مزیت یادگیری اجتماعی، اجازه دادن به افراد برای یادگیری رفتارهایی از دیگران بدون تحمیل هزینه های فردی آزمون و خطاست. در این مقاله قصد داریم یک نوع اصلاح شده از الگوریتم بهینه سازی ازدحام ذرات مبتنی بر یادگیری اجتماعی معرفی کنیم. فرآیند یادگیری اجتماعی در الگوریتم معرفی شده بر مبنای انتخاب مسابقه ای (tournament selection) است. این فرآیند با مرتب سازی مقادیر تابع برازندگی صورت می پذیرد. الگوریتم معرفی شده در توابع با ابعاد پایین نتایج یکسانی نسبت به الگوریتم pso نرمال در زمان کمتری نشان داده است و در مسائل غیرخطی با ابعاد بزرگتر نتایج قابل تحسینی از خود نشان داده است.
کلیدواژه ها:
نویسندگان
سارا مهدی
دانشجوی کارشناسی، دانشگاه سیستان و بلوچستان، دانشکده برق و کامپیوتر
الهام زارع
دانشجوی کارشناسی، دانشگاه سیستان و بلوچستان، دانشکده برق و کامپیوتر
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 :