الگوریتم جدید سرد کردن فلزات حافظه دار برای حل مسائل بهینه سازی پیوسته
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 519
فایل این مقاله در 10 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:
ITCC01_177
تاریخ نمایه سازی: 9 فروردین 1395
چکیده مقاله:
یکی از الگوریتم های پرکاربرد و کارا در بین الگوریتم های بهینه سازی سراسری، الگوریتم سردکردن فلزات (Simulated Annealing) است. فرآیند این الگوریتم را می توان در یک زنجیرهمارکوف پیوسته خلاصه کرد. با توجه به ماهیت فرآیند مارکوف، حالت بعد تنها به حالت فعلیبستگی دارد و به وقایع قبل از آن وابسته نیست. این نوع بدون حافظه بودن باعث اتلاف زمان و مکثزیاد در حالت های نامناسب یا در مقابل از دست دادن حالت هایی مناسب و کارا می شود. در اینمقاله نسخه حافظه دار از این الگوریتم ارائه شده است که تعداد محدودی از بهترین حالت هایمشاهدهشده را در حافظه ذخیره می کند تا در زنجیره تولید نقطه جدید و حرکت به سمت بهینه ازآنها استفاده کند. نتایج مقایسه این الگوریتم با الگوریتم پایه نشان دهنده بهبود کارایی بدون اضافهکردن پیچیدگی محاسباتی مشهود است. ایده مطرح شده می تواند به اکثر نسخه های الگوریتم سردکردن فلزات افزوده شود تا شاهد بالا رفتن کارایی این نسخه ها باشیم.
کلیدواژه ها:
نویسندگان
زینب اسحاقیان
گروه کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد صفادشت، تهران، ایران
احسان امینیان
دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد صفادشت، تهران، 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 :