تاثیر اتوماتای سلولی ژنتیکی در تحلیل پوششی داده ها
Publish place: 4th Conference on Data Envelopment Analysis
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 842
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DEA04_103
تاریخ نمایه سازی: 10 اردیبهشت 1392
Abstract:
با توجه به اینکه امروزه اجرای برنامه ها بشکل موازی مورد توجه قرار گرفته است ؛همین امر باعث شده است تا تکنیکهای موازی سازی از اهمیت بیشتری برخوردار شوند.اتوماتای سلولی یکی از همین تکنیک ها می باشد در این مقاله ما نشان خواهیم داد که با ایجاد همسایه های بیشتر و کم کردن مساحت لمسی با همسایگان امکان پوشش همزمان تعدادزیادی از داده ها را داریم .نوع تحقیق تقریبا متقاطع می باشد .وباتوجه به اینکه در اتوماتای سلولی ژنتیکی ؛سلولها از ساختار یکسانی برخوردار هستند این امکان مهیا است که بتوانیم بصورت موازی قسمتهای مختلف الگوریتم را حل نماییم.در این مقاله از سلولهای چند ضلعی ؛جهت هر سلول استفاده شده است . با این کار عملاهمزمان قادر هستیم تعدادبسیار زیادی از داده ها را بصورت همزمان پردازش نماییم .شعاع همسایگی در این مقاله 1 در نظر گرفته شده است . با استفاده از روش پیشنهادی تقریبا حل مسئله هم از نظر زمانی و هم از نظر پوشش کل داده ها بمقدار زیادی نسبت به سایر روشها (الگوریتم ژنتیک – اتوماتای سلولی ساده ) بهبود ی حاصل شده است .. در اتوماتای سلولی در ابتدای هر مسئله ؛ می بایست قوانین آن مسئله را درباره زنده ماندن و یا مردن هر کدام از سلولها مشخص شود این عملا باعث نادیده گرفتن داده هایی می شود که لازم نیست در تکرار های بعدی مورد پردازش قرار گیرند. در این مقاله راه حلی ترکیب و استفاده از اتوماتا در مولفه جهش الگوریتم ژنتیک، پیشنهاد میگردد. الگوریتم ژنتیک دارای کاربردهای بسیار زیادی در زمینه های مختلف بهینه سازی است. در این مقاله با استفاده از یک اتوماتی سلولی با دو اکشن، مدلی برای بهبود عملکرد الگوریتم ژنتیک در بهینه سازی مسائل ارائه شده است. نتایج حاصله از اعمال الگوریتم جدید روی تعداد زیادی تابع ارزیابی کارایی بسیار خوب روش معرفی شده را نشان می دهد.مزیت اصلی این روش بهینه سازی داده ها در زمان کمتربا پوشش بیشتر می باشد . این روش در مواردی که تعدادداده ها زیاد باشد از کارایی بالایی برخوردارمی باشد .
Keywords:
Authors
مصطفی کاشانی
دانشجوی کارشناسی ارشد کامپیوتر دانشگاه شیراز
مهدی افتخاری
استادیار دانشکده کامپیوتر دانشگاه شهید باهنر کرمان
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 :