ارائه روشی برای طراحی درخت جستجوی دودویی بهینه با استفاده از الگوریتمهای ژنتیکی موازی
محل انتشار: نهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 7,291
فایل این مقاله در 8 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:
ACCSI09_036
تاریخ نمایه سازی: 4 بهمن 1386
چکیده مقاله:
ظهور و توسعه الگوریتمهای ژنتیکی به عنوان یک روش جستجوی تصادفی که حساسیت زیادی روی اطلاعات اولیه از مسایل ندارد، می تواند در تخمین پارامترهای یک سیستم جهت ک سب بهترین نتیجه ، مورد استقاده قرار گیرد . این ام ر بوسیله بهینه سازی یک تابع هدف صورت می گیرد . از طرفی تغییرات سریع وضعیت بعضی سیستمها مثل سیستمهای دینامیکی ایجاب می کند از روشی استفاده شود که بهینه سازی تابع هدف را سرعت بخشد . در این مقاله الگوریتمهای ژنتیکی و ژنتیکی موازی به عنوان یکی از بهترین راه حلهای ممکن برای انجام بهینه سازی سیستمها مورد بحث قرار گرفته است . همچنین سعی شده است که یکی از تکنیکهای بهینه سازی سیستمها ؛ یعنی برنامه نویسی پویا، با استفاده از الگوریتمهای ژنتیکی موازی سریعتر شود . برای این منظور الگوریتمهای ژنتیکی و ژنتیکی موازی در یک محیط برنامه نویسی موازی موسوم به مالتی پاسکال بررسی شده اس ت . سپس درخت جستجوی دودویی بهینه به عنوان مسئله مورد مطالعه جهت کاهش زمان جستجو، انتخاب شده است و با استفاده از الگوریتم ژنتیکی موازی، روش برنامه نویسی پویای این مسئله سریعتر گردیده است . همچنین نشان داده شده است در مواردیکه داده ها زیاد باشند شاخص تسریع، هنگام استفاده از نوع موازی این الگوریتمها افزایش می یابد
کلیدواژه ها:
نویسندگان
کامران زمانی فر
دانشگاه اصفهان – دانشکده مهندسی – گروه کامپیوتر
شهریار لطفی
دانشگاه اصفهان – دانشکده مهندسی – گروه 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 :