الگوریتم ترکیبی فاخته-کلونی زنبور مصنوعی مبتنی بر نمونه برداری فرامکعب لاتین و یادگیری مبتنی بر تضاد
- سال انتشار: 1396
- محل انتشار: چهارمین کنگره بین المللی فن اوری،ارتباطات و دانش
- کد COI اختصاصی: ICTCK04_055
- زبان مقاله: فارسی
- تعداد مشاهده: 567
نویسندگان
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
گروه مهندسی برق، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
چکیده
بهینه سازی یکی از مسایل مهم در حوزه های مختلف مانند مهندسی، علوم زیستی،ریاضیات و ... است. الگوریتمهای فراابتکاری متعددی برای حل این مسایل پیشنهاد شده اند اما با توجه به قضیه از ناهار مجانی خبرینیست نمی توان الگوریتم تکاملی ارایه داد که برای تمام مسایل بهینه سازی دارای عملکرد خوبی باشد، ازینروبا ترکیب الگوریتم های مختلف و با استفاده از مزایا و رفع معایب آنها می توان الگوریتمی ارایه نمود که برایدامنه گسترده تری از مسایل مناسب باشد. در این مقاله، یک الگوریتم ترکیبی مبتنی بر الگوریتم جستجویفاخته و الگوریتم کلونی زنبور مصنوعی ارایه شده که در آن از یک روش تولید جمعیت اولیه مبتنی بر نمونهبرداری فرامکعب لاتین به منظور ایجاد تنوع در جمعیت و از یادگیری مبتنی بر تضاد برای سرعت بخشیدن بههمگرایی استفاده شده است. عملکرد الگوریتم پیشنهادی با الگوریتم های پایه ABC و CS و نیز چند نسخه ترکیبی جستجوی فاخته مقایسه شده است و نسبت به الگوریتم های پایه 84 درصد و نسبت به الگوریتم هایترکیبی مورد مقایسه 70 درصد بهبود داشته است. نتایج آزمایشات حاکی از این هستند که روش پیشنهادیبطور قابل ملاحظه ای بهتر از روش های مورد مقایسه عمل می کند.کلیدواژه ها
مقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.