بهبود کارایی الگوریتم های ژنتیک کوانتومی با استفاده از جستجوی محلّی Simulated Annealing
Publish place: 1st Joint Congress on Fuzzy and Intelligent Systems
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 3,095
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
FJCFIS01_092
Index date: 3 June 2008
بهبود کارایی الگوریتم های ژنتیک کوانتومی با استفاده از جستجوی محلّی Simulated Annealing abstract
الگوریتم های ژنتیک کوانتوم برپایه دیدگاه محاسبات و کامپیوترهای کوانتومی شکل گرفته اند. مزیت این الگوریتم ها در ایجاد توازن میان تعمق و جستجو است. پژوهش های اخیر نشان می دهد این الگوریتم ها در حلّ مسائلِ بهینه سازیِ ترکیبی مانند مسئله کوله پشتی از کارایی بسیار بالایی برخوردارند. ولی در مجموع این الگوریتم ها نیز دچار مشکل گیر کردن در قلّه محلّی، و کندی سرعت همگرایی هستند. برای همین منظور بایستی روش هایی برای بهبود کارایی این الگوریتم ها پیشنهاد کرد. الگوریتم های ژنتیک کوانتوم مانند سایر الگوریتم های تکاملی یک روش جستجوی عمومی می باشند و تلفیق آنها با رو شهای جستجوی محلّی می تواند بر کارایی آنها بیفزاید. در این پژوهش می کوشیم کارایی الگوریتم های ژنتیک کوانتوم را با استفاده از روش جستجوی محلّی Simulated Annealing بهبود دهیم. نتایج نشان می دهند به کارگیری این الگوریتم موجب افزایش بسیار زیاد کارایی الگوریتم های ژنتیک کوانتوم می شود.
بهبود کارایی الگوریتم های ژنتیک کوانتومی با استفاده از جستجوی محلّی Simulated Annealing Keywords:
بهبود کارایی الگوریتم های ژنتیک کوانتومی با استفاده از جستجوی محلّی Simulated Annealing authors
محمد طیرانی
دانشگاه آزاد اسلامی واحد مشهد
محمد رضا اکبرزاده توتونچی
دانشگاه فردوسی مشهد
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 :