حل مسئله همانندی گرافی با استفاده از الگوریتم ژنتیک و الگوریتم ACO
Publish place: 15th Iranian Conference on Electric Engineering
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 2,202
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICEE15_225
Index date: 6 February 2007
حل مسئله همانندی گرافی با استفاده از الگوریتم ژنتیک و الگوریتم ACO abstract
گرافها و بویژه گرافهای برچسب دار به عنوان یک ابزار مدلسازی قوی درزمینه های مختلف کامپیوتر کاربرددهای زیادی پیدا کرده اند. بسیاری از این کاربردها نیاز دارند تا میزان شباهت دو شی مدل شده توسط گرافها را بسنجند و یا زیر گراف مشترک آنها را استخراج کنند. مشکلی که درمسئله همانندی گرافی وجود دارد این است که به علت کندی غیر قابل تحمل الگوریتمهایی که سعی در حل مسئله همانندی گرافی به صورت دقیق دارند معمولا این مسئله به صورت تقریبی مطلوب تر است. لذا علاوه بر زمان اجرای الگوریتم، میزان درست عمل کردن الگوریتم نیز حائز اهمیت می شود. الگوریتمهای زیادی برای حل همانندی گرافی ارائه شده اند و پاره ای از آنها از روش ژنتیک و برخی دیگر از روش ACO استفاده می کنند. در استفاده از روش ژنتیک برای مسئله همانندی گرافی تعریف عملگر crossover چندان آسان نیست و سعی ما بر این خواهد بود تا تعریفی ارائه کنیم که یکپارچگی گراف جمعیت را در همانندی یک به یک حفظ کند. در الگوریتم ACO تعاریف جدید و مناسبی را برای تابع هدف و تابعی که به یک راه حل در انتهای هر سیکل نمره می دهد ارائه کنیم. سپس دو الگوریتم را به صورت تجربی مقایسه می کنیم و سعی می کنیم تا نقاط قوت و نقاط ضعف هر یک را شناسایی نماییم.
حل مسئله همانندی گرافی با استفاده از الگوریتم ژنتیک و الگوریتم ACO Keywords:
حل مسئله همانندی گرافی با استفاده از الگوریتم ژنتیک و الگوریتم ACO authors
مصطفی حقیرچهرقانی
گروه تحقیقاتی پایگاه داده ها، مرکز کنترل و پردازش هوشمند، دانشکده بر
مسعود رهگذر
گروه تحقیقاتی پایگاه داده ها، مرکز کنترل و پردازش هوشمند، دانشکده بر
کارو لوکس
گروه تحقیقاتی پایگاه داده ها، مرکز کنترل و پردازش هوشمند، دانشکده بر
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 :