بهینه سازی رفتار اسپین گلاس با استفاده از اتوماتای یادگیر برای انتخاب بهینه سبد سهام
Publish place: 13th Annual Conference of Computer Society of Iran
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,470
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:
ACCSI13_092
تاریخ نمایه سازی: 25 آبان 1386
Abstract:
مسئله انتخاب بهینه سبد سهام یکی از مسائل غیر چند جمله ای (NP) است که تاکنون الگوریتم دقیقی برای حل آن ارائه نشده است. معمولا برای حل این گونه مسائل از روش های هوشمند استفاده می گردد، یکی از این روش ها اسپین گلاس نام دارد. اسپین گلاس شبکه ای از اسپین ها است که هر اسپین تغییر وضعیت می دهد که سیستم به کمترین میزان انرژی خود برسد. اسپین گلاس ها برای حل مسائلی که بهینه عمومی از بهینه محلی حاصل می گردد و یا نیاز به پردازش موازی دارند استفاده می شوند. اما اینروش دارای سرعت همگرایی پائینی است که برای افزایش سرعت آن از عملگرهای جابجایی اسپین ها و نخبه گرایی استفاده می گردد. این دو دو عملگر برای شبکه های اسپینی به دلیل بر هم زدن ساختار شبکه، عملگرهای گرانی هستند و پردازش زیادی نیاز دارند.
در این مقاله برای افزایش سرعت همگرایی از اتوماتای یادگیر بهره گرفته شده است. اتوماتای یادگیر، توزیع احتمالی انتخاب اسپین ها را از توزیع احتمال یکنواخت تغییر داده و باعث می شود که اسپین های نخبه (برتر)، شانس انتخاب بیشتری داشته باشند و عملگرهای جابجایی و نخبه گرایی برای این دسته از اسپین ها انجام گیرد. مزیت روش پیشنهادی علاوه بر حفظ خاصیت پردازش موازی، افزایش چشمگیر سرعت همگرایی با کاهش نرخ جابجایی اسپین ها و کمترین تغییر در الگوریتم اسپین گلاس می باشد.
Keywords:
Authors
مجید وفایی جهان
دانشجوی دکتری، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه کا
محمدرضا اکبرزاده توتونچی
دانشیار، گروه برق، دانشکده مهندسی، دانشگاه فردوسی مشهد، گروه کامپیو
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 :