گسسته سازی الگوریتم رقابت استعماری و مقایسه ی آن با الگوریتم ژنتیک
Publish Year: 1390
Type: Conference paper
Language: Persian
View: 1,572
This Paper With 6 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:
ABHARICT01_090
Index date: 27 September 2014
گسسته سازی الگوریتم رقابت استعماری و مقایسه ی آن با الگوریتم ژنتیک abstract
امروزه برای حل مسائل مختلف بهینه سازی، مخصوصاً مسائل NP-Hard و به دست آوردن جواب نزدیک بهینه از روش های مکاشفه ای استفاده می شود. در این زمینه الگوریتم های بسیاری از جمله الگوریتم ژنتیک، جستجوی ممنوعه، شبیه سازی تبرید و روش های مکاشفه ای دیگری ارائه شده است. اخیراً یک الگوریتم تکاملی جدید به نام الگوریتم رقابت استعماری برای حل مسائل غیر قطعی پیشنهاد شده است. این الگوریتم همانگونه که از نام آن بر می آید، بر مبنای مدل سازی فرآیند اجتماعی سیاسی پدیده ی استعمار بنا نهاده شده است. الگوریتم رقابت استعماری از این جهت در نوع خود یک الگوریتم جدید و قابل رقابت با سایر الگوریتم های مکاشفه ای از جمله الگوریتم ژنتیک، کلونی مورچگان و غیره می باشد. با توجه به این که مسائل بهینه سازی به دو دسته ی پیوسته و گسسته تقسیم بندی می شوند. این الگوریتم در دسته ی حل مسائل پیوسته قرار می گیرد. در این مقاله، نسخه ای گسسته از الگوریتم رقابت استعماری معرفی می شود و از لحاظ عملکرد و عملگرها با الگوریتم ژنتیک مقایسه می شود و نشان داد می شود که تقریباً تمام مسائلی که با الگوریتم ژنتیک حل می شوند، قابل حل با الگوریتم رقابت استعماری نیز می باشند. از این الگوریتم می توان برای حل مسائل بهینه سازی در شبکه ها مثلاً شبکه های حسگر بی سیم به عنوان مثال به د ست آوردن درخت تجمیع داده استفاده کرد.
گسسته سازی الگوریتم رقابت استعماری و مقایسه ی آن با الگوریتم ژنتیک Keywords:
گسسته سازی الگوریتم رقابت استعماری و مقایسه ی آن با الگوریتم ژنتیک authors
صبا مهدی پور نعیم ممقانی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد زنجان، گروه مهندسی کامپیوتر، زنجان، ایران
علی اصغر پورحاجی کاظم
دانشگاه آزاد اسلامی واحد ت بریز، گروه مهندسی کامپیوتر، تبریز، 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 :