طراحی یک آتوماتای یادگیر جدید برای رنگآمیزی گراف
Publish place: The first national conference on computers, information technology and Islamic communications in Iran
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 707
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCONF01_153
تاریخ نمایه سازی: 14 آذر 1394
Abstract:
مسئله رنگآمیزی گراف 1 ، یکی از مسائل ارضاء محدودیت موجود در ادبیات هوشمصنوعی میباشد. رنگآمیزی رأسی عبارت است از تخصیص رنگهایی به رأسهای گراف به قسمی که هیچ دو رأس مجاور، همرنگ نباشد. کمینه عددی )تعداد رنگها( که به این گراف برای رنگآمیزی اختصاص میدهیم را عدد رنگیمینامند، این مسأله از رده مسائل بسیار دشوار 2 است. باتوجه به اهمیت مسأله رنگ آمیزی گراف و کاربردهای فراوان آن، الگوریتمهای فراوانی برای یافتن یکرنگآمیزی مجاز در گراف، پیشنهاد شده است؛ از جمله میتوان به الگوریتمهای دقیق، الگوریتمهای توزیع شده، الگوریتم های موازی، الگوریتمهای تقریبی والگوریتمهای اکتشافی و غیره اشاره کرد. مفهوم آتوماتای یادگیر نخستین بار توسط تستلین 3 مطرح شد. وی به مدلسازی رفتارهای سیستمهای بیولوژیکی علاقمند بود و یک آتوماتای قطعی که در محیطی تصادفی فعالیت میکرد را بعنوان مدلی برای یادگیری معرفی نمود. یکی از کاربردهای آتوماتا در رنگآمیزیگراف میباشد که در این تحقیق از این کاربرد استفاده کردیم.در این تحقیق یک الگوریتم جدید براساس آتوماتای یادگیر ارائه شده تا بتواند با دقت و سرعت بالاتر و همچنین قابلیت یادگیری رئوس گراف را رنگآمیزی کند.روش پیشنهادی نیز دارای نمودار انتقال و عملکرد مجزایی بوده و این روش بر روی گراف با رئوس کم، رئوس زیاد و تعداد رئوس متوسط بررسی شد و در انتها تعداد مراحل انجام کار و مجموع رنگهای مورد استفاده برای رنگآمیزی گراف مشخص با الگوریتمهای بهینهسازی مورد مقایسه قرار گرفت. نتایج ارزیابی نشان دهنده دقت و سرعت عملکرد بهتر روش پیشنهادی نسبت به دیگر روشهای بهینهسازی میباشد.
Keywords:
Authors
سوسن خرم دل
دانشجوی کارشناسی ارشد رشته علوم کامپیوتر دانشگاه طبری بابل،مسئول مکاتبات
همایون موتمنی
عضو هیات علمی دانشگاه طبری بابل
فرهاد رمضانی
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد ساری، ساری، 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 :