جهش سازگار پذیر در استراتژی تکامل با استفاده از یادگیری Q فازی

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,543

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI13_215

تاریخ نمایه سازی: 25 آبان 1386

چکیده مقاله:

الگوریتمهای تکاملی یا به طور خاص استراتژی تکامل دارای پارامترهایی می باشند که با تغییر آنها در یک مسئله نتایج متفاوتی کسب میشود. روش پیشنهادی ما سعی میکند پارامتر s در عملگر جهش با استفاده از نویز گوسین را سازگار پذیر کند. روش پیشنهادی در مسائل بهینه سازی برای پیدا کردن مینیمم توابع مورد آزمایش قرار گرفته و برتری نتایج آن نسبت به روشهای دیگر نشان داده شده است.

نویسندگان

سیدسعید معصوم زاده

دانشجوی کارشناسی ارشد دانشکده رایانه و فناوری اطلاعات دانشگاه آزاد ا

کورش مشگی

دانشجوی کارشناسی دانشکده رایانه و فناوری اطلاعات، دانشگاه صنعتی امی

سعید شیری قیداری

استادیار دانشکده رایانه و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر ته

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 :
  • S.Y. Koh, "An Adaptive Genetic Algorithm for Permutation Based Optimization ...
  • K. A. De Jong, "An Analysis of the Behavior of ...
  • J. Grefenstette, "Optimization of control parameters for genetic algorithms." vol. ...
  • L. Davis , Handbook of genetic algorithms: Van Nostrand Reinhold ...
  • J. D. Schaffer, R. A. Caruana, L. J. Eshelman, and ...
  • T. Back, "The Interaction of Mutation Rate, Selection, and Self-Adaptation ...
  • B. K. S. Cheung , S. Y. Yuen, and C. ...
  • D. B. Fogel, Evolutionary computation: toward a new philosophy of ...
  • B. A. Julstrom, "What Have You Done for Me Lately? ...
  • H. P. P. Schwefel, Evolution and Optimum Seeking: The Sixth ...
  • D. Thierens, "Adaptive mutation rate control schemes in genetic algorithms." ...
  • K. Deb and H. G. Beyer, "Self-Adaptive Genetic Algorithms with ...
  • S1muuaueu annealtng con vergence Lneory onuo Ine simple genetic algorithm, ...
  • T. C. Fogarty, "Varying the probability of mutation in the ...
  • W. M. Spears, "Adapting crossover in a genetic algorithm, " ...
  • R. Hinterding, Z. Michalewicz, and A. E. Eiben, "Adaptation in ...
  • T. Back and M. Schutz, "Intelligent mutation rate control in ...
  • I. Rechenberg, Evolutionsstra tegie: Optimierung technischer Systeme nach Prinzipien der ...
  • J. E. Smith and . C. Fogarty, "Operator and parameter ...
  • L. Davis, "Adapting operator probabilities in genetic algorithms, " in ...
  • A. Tuson, "Adapting Operator Probabilities in Genetic Algorithms, Master Thesis ...
  • L. P. Kaelbling, M. L. Littman, and A. W. Moore, ...
  • A. F. Naeeni, "Advanced Multi-Agent Fuzzy Reinforcement Learning, " in ...
  • Exploration and Exploitation ...
  • Simulating Annealing + state/Acti ; Lookup Table « Qulity Factor ...
  • نمایش کامل مراجع