استفاده از عملگر جهش و روشهای کلاسیک جهت بهبود الگوریتم مورچگان باینری
Publish place: Congress on Electrical, Computer and Information Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,048
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CECIT01_432
تاریخ نمایه سازی: 14 شهریور 1392
Abstract:
در این مقاله، نسخه بهبود یافته ای از الگوریتم بهینه ساز جمعیت مورچگان باینری با ترکیب عملگر جهش و روشهای کلاسیک برای مساله انتخاب ویژگی ارائه شده است. در روش پیشنهادی با استفاده از اطلاعات بدست آمده از روشهای انتخاب پیش رو و حذف پس رو ترمبینایی در الگوریتم مورچگان باینری تقویت می شود و عملگر وراثتی جهش از رکود الگوریتم جلوگیری میکند. روش پیشنهادی برای مساله انتخاب ویژگی بر روی دادههایSonar و Vehicle ،Wine ،Vowel ،Glassآزموده شده و در نهایت نتایج حاصل از آزمایشها ارائه شده است همچنین، برای ارزیابی کارایی روش پیشنهادی، نتایج آزمایشها با روشهای الگوریتم بهینه ساز جمعیت مورچگان باینریBACO) و الگوریتم وراثتی باینریGA) مقایسه شده است. نتایج بیانگر کارایی مناسب الگوریتم پیشنهادی است.
Keywords:
الگوریتم بهینه ساز جمعیت مورچگان باینری , انتخاب ویژگی , روش انتخاب پیشرو , روش حذف پسرو , عملگر جهش
Authors
حامد توحیدی
گروه برق، واحد بم، دانشگاه آزاد اسلامی بم، ایران
شیلا شمس الدینی
گروه برق، واحد بم، دانشگاه آزاد اسلامی بم، ایران
سعیدرضا عرب
گروه کامپیوتر، واحد بم، دانشگاه آزاد اسلامی بم، ایران
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 :