فائزه فلاح - گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران،ایران
پویا اسدی - استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد ورامین-پیشوا، ورامین،ایران

امروزه از جمله چالشهای مربوط به مسائل بهینهسازی در دنیای واقعی، تنظیم متغیرهای فرآیندی جهت رسیدن به سطح مناسبی از متغیرهای پاسخ است. مشکل معمول در بهینهسازی همزمان متغیرهای پاسخ، متفاوت و گاه اً متضادبودن جهتبهینگی آنها است. در این مقاله قصد داریم با استفاده از مدل عصبی تکاملی به پیشبینی مقادیر چربی خون و سکته قلبی بپردازیم. در این تحقیق ابتدا به جمعآوری دادهها از آزمایشگاه پرداخته شده و با فرایند آموزش شبکه عصبی بهصورت یکفرایند بهینهسازی برخورد شده است و هدف کمینهسازی میزان خطا در شبکه عصبی بوده است. شبکه عصبی پایهای شعاعیتوسط الگوریتم ژنتیک آموزش داده شده است و کارائی حاصل از آموزش الگوریتم ژنتیک با الگوریتم رقابت استعماری مقایسه شده است. نتایج استفاده از مدل عصبی تکاملی نشان از خطای 0.3 در شبکه عصبی پایهای شعاعی آموزش داده شدهبا الگوریتم ژنتیک است که خطای کمتری را نسبت به آموزش شبکه عصبی پایهای شعاعی با الگوریتم رقابت استعماری دارد.

الگوریتم ژنتیک، الگوریتم رقابت استعماری، شبکه عصبی پایهای شعاعی