الگوریتم بهینه سازی شبکه ایمنی مصنوعی آشفته ترکیب شده با الگوریتم توزیع حاشیه ای تک متغیری UC-OPT-ainet
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,028
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSCCIT01_095
تاریخ نمایه سازی: 8 بهمن 1390
Abstract:
مساله بهینه سازی عمومی تقریبا در هر زمینه ای از علم ، مهندسی و تجارت وجود دارد. یکی از روش های یافتن بهینه عمومی استفاده از محاسبات تکاملی است. الگوریتم های تکاملی که تا کنون برای بهینه سازی ارائه شده اند با مدل کردن فرآیندتکامل طبیعی ، سعی در یافتن جواب بهینه مسئله دارند. از میان الگوریتم های تکاملی ارائه شده در سالهای اخیر الگوریتم سیستم ایمنی مصنوعی با الهام گرفتن از سیستم ایمنی بدن موجودات زنده ، روش مناسب را برای حل مسائل بهینه سزی عمومی پیدا می کند . الگوریتم هایی که در سیستم ایمنی مصنوعی طراحی شده اند ایمنی تخصصی را مدل کرده اند و این الگوریتم برای حل طیف گسترده ای از مسائل کامپیوتری مورد استفاده قرار گرفته اند. در این مقاله با ترکیب الگوریتم ایمنی مصنوعی با الگوریتم توزیع حاشیه ای تک متغیری و استفاده از تئوری آشوب برای تنظیم نرخ ابر جهش ، سعی در افزایش نرخ همگرایی و جلوگیری از گیرافتادن در تله قله های محلی و در نتیجه بهبود عملکرد کلی این الگوریتم در یافتن بهینه عمومی داریم . الگوریتم پیشنهادی را بر روی توابع محک عددی معروف اعمال کرده و نتایج حاصل را با الگوریتم های ژنتیک ، تکامل تفاضلی ، بهینه سازی حرکت گروهی ذرات ترکبی شده با اتوماتای یادگیر ، رقابت استعماری بی نظم مقایسه کردیم که این نتایج موید بهبود کارایی الگوریتم پیشنهادی هستند.
Keywords:
Authors
هلنا بهرامی
دانشگاه آزاد اسلامی واحد قزوین - دانشکده مهندسی برق و کامپیوتر و فناور
محمد رضا میبدی
دانشگاه امیرکبیر - دانشکده مهندسی کامپیوتر و فناوری اطلاعات
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :