سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

انتخاب K-means فشرده تر به عنوان یک تکنیک جایگاه یابی برای کمک به الگوریتم جستجوی گرانشی نخبه گرا جهت حل مسائل چندمدی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 730

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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT07_091

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله انتخاب K-means فشرده تر به عنوان یک تکنیک جایگاه یابی برای کمک به الگوریتم جستجوی گرانشی نخبه گرا جهت حل مسائل چندمدی

بشر برای حل مسائل خود، همواره به دنبال راه حلی با هزینه کمتر بوده است. از این رو مسائل بهینه سازی توجه محققان را به خود جلب نموده اند. از مهم ترین روش های حل این مسائل، الگوریتم های تکاملی هستند که بیشتر آن ها از طبیعت الهام گرفته شده اند. الگوریتم جستجوی گرانشی یکی از الگوریتم های تکاملی است که در برخورد با مسائل تک مدی موفق عمل کرده است. برای موفقیت این الگوریتم در مسائل چندمدی، علاوه بر نخبه گرایی، از خوشه بندی فشرده تر K-means به عنوان تکنیک جایگاه یابی استفاده گردیده است. برای ارزیابی کارایی الگوریتم پیشنهادی، این الگوریتم بر روی توابع ارزیابی مقید و نامقید استانداردی اجرا می شود، نرخ موفقیت، نرخ خطا و تعداد ارزیابی لازم برای کشف بهینه ها، معیارهای مقایسه الگوریتم های موجود در این پژوهش می باشند. در بخش نتایج آزمایشگاهی، با محاسبه این معیارها نشان داده شده است که الگوریتم پیشنهادی توانسته است، در اکثر توابع ارزیابی با وجود استفاده از جمعیت کمتر، نرخ خطای کمتر و تعداد ارزیابی کمتر، بهینه ها را کشف نماید.

کلیدواژه های انتخاب K-means فشرده تر به عنوان یک تکنیک جایگاه یابی برای کمک به الگوریتم جستجوی گرانشی نخبه گرا جهت حل مسائل چندمدی:

نویسندگان مقاله انتخاب K-means فشرده تر به عنوان یک تکنیک جایگاه یابی برای کمک به الگوریتم جستجوی گرانشی نخبه گرا جهت حل مسائل چندمدی

محمد نورمحمدی زرده سوار

دانشگاه هرمزگان

شهرام گلزاری

دانشگاه هرمزگان

امین موسوی

دانشگاه هرمزگان

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 :
E. Rashedi, H. Nezamab adi-Pour and S. Saryazdi, "BGSA: binary ...
_ Rashedi, H. Nezamab adi-Pour and S. Saryazdi, "GSA: a ...
K. A. Nazeer and M P. Sebastian, "Improving the Accuracy ...
R. Brits, Niching strategies for particle Swarm optimization, PhD diss, ...
F. Streichert, G. Stein, H. Ulmer and A Zell, "A ...
X. Li, "Adaptively choosing neighbourhood bests using species in a ...
J. H. Seo, C. H. Im, C. G. Heo, J. ...
X. Li, "Niching without niching parameters: particle swarm optimization using ...
X. Li, "Multimodal function optimization based on fitness- euclidean distance ...
S. Das, S. Maity, B. Qu and N. S. Ponnuthurai, ...
D. Beasley, D. R. Bull and R. R Martin, "A ...
S. Yazdani, H. Nezamab adi-pour and S. Kamyab, Multimodal ...
Optimization, " Swarm and Evolutionary Computation, pp. 1- 14, 2013. ...
S. Kimura and K. Matsumura, "Constrained multimodal function optimization using ...
W. Sheng, S. Swift, L. Zhang and X. Liu, A ...
نمایش کامل مراجع

مقاله فارسی "انتخاب K-means فشرده تر به عنوان یک تکنیک جایگاه یابی برای کمک به الگوریتم جستجوی گرانشی نخبه گرا جهت حل مسائل چندمدی" توسط محمد نورمحمدی زرده سوار، دانشگاه هرمزگان؛ شهرام گلزاری، دانشگاه هرمزگان؛ امین موسوی، دانشگاه هرمزگان نوشته شده و در سال 1394 پس از تایید کمیته علمی هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله الگوریتم جستجوی گرانشی، چندمدی، جایگاه یابی، K-means هستند. این مقاله در تاریخ 22 مهر 1394 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 730 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که بشر برای حل مسائل خود، همواره به دنبال راه حلی با هزینه کمتر بوده است. از این رو مسائل بهینه سازی توجه محققان را به خود جلب نموده اند. از مهم ترین روش های حل این مسائل، الگوریتم های تکاملی هستند که بیشتر آن ها از طبیعت الهام گرفته شده اند. الگوریتم جستجوی گرانشی یکی از الگوریتم های تکاملی است ... . برای دانلود فایل کامل مقاله انتخاب K-means فشرده تر به عنوان یک تکنیک جایگاه یابی برای کمک به الگوریتم جستجوی گرانشی نخبه گرا جهت حل مسائل چندمدی با 7 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.