CLA-EC همکارانه
Publish place: 12th Annual Conference of Computer Society of Iran
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,585
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI12_013
تاریخ نمایه سازی: 23 دی 1386
Abstract:
اتوماتای یادگیر سلولی (CLA) مدلی برای سیستمهایی است که از اجزاء سادهای به نام سلول تشکیل شدهاند و رفتار هر جزء بر اساس رفتار همسایگانش و نیز تجربیات گذشتهاش تعیین و اصلاح میشود. مدلCLA-EC که اخیرا پیشنهاد شده است یک الگوریتم تکاملی است که از ترکیب CLA و مفاهیم در محاسبات تکاملی(EC) بدست آمده است. نشان داده شده است که CLA-EC همگام در حل مسایل بهینهسازی در مقایسه با CLA و یا الگوریتمهای ژنتیکی از کارایی بالاتری برخوردار میباشد. سرعت همگرایی و یا دقت این مدل در حل مسایل بهینه سازی بستگی زیادی به انتخاب مناسب پارامترهای این مدل دارد. انتخاب مقادیرنامناسب برای این پارامترها ممکن است منجر به سرعت همگرایی پایین و یا به دام افتادن در بهینه های محلی گردد. برای حل این مشکل در این مقالهCLA-EC همکارانه پیشنهاد میشود. درCLA-EC همکارانه، چندین CLA-EC که هرکدام دارای مقادیر متفاوت برای پارامترهای خود میباشند درحل مساله همکاری میکنند. از این طریق میتوان نه تنها سرعت همگرایی به راه حل بهینه را افزایش داد بلکه از به دام افتادن در بهینه های محلی جلوگیری نمود. برای نشان دادن برتری مدل CLA-EC همکارانه بر مدل CLA-EC ، مسایل بهینهسازی توابع استاندارد دوجونگ ،P-Peaks کوله پشتی 1/0 با استفاده از هر دو مدل حل گردیده است.
Keywords:
Authors
بهرنگ مسعودیفر
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، ت
محمدرضا میبدی
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، ت
مجتبی هاشمی
دانشکده مهندسی کامپیوتر، دانشگاه شیراز، شیراز، 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 :