یک رویکرد جدید برای گسترش الگوریتم های ممتیک

Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,447

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CSICC15_034

تاریخ نمایه سازی: 26 مهر 1388

Abstract:

الگوریتم های ممتیک (MA)، اخیرا به طرز موفقیت آمیزی در حل مسایل بهینه سازی و تصمیم گیری به کار برده شده اند. با این وجود انتخاب جستجوگر محلی (LS) هنوز به عنوان یک مسئله بحرانی در الگوریتم های ممتیک باقی مانده است زیرا به طور عمده روی نتایج الگوریتم تاثیر می گذارد این مقاله یک چارچوب جدید از الگوریتم ممتیک برای حل مسایل بهینه سازی مقادیر واقعی ارائه می کند که از ترکیب الگوریتم جستجوی گرانشی (GSA) به عنوان جستجوگر عام و یک روش جدید جستجوگر محلی به نام جستجوگر وفقی تصادفی (ASS) حاصل شده است و این دو با هم یک مصالحه خوب بنی کاوش و بهره گیری بوجود می آورند عملکرد الگوریتم پیشنهاد شده برروی 13 تابع بهینه سازی استانداردآزمایش شده است. نتایج آزمایشهاه عملکرد موفق این الگوریتم را در قیاس با روشهای موجود نشان میدهد.

Authors

سرور سرافرازی

دانشگاه شهید باهنر کرمان

حسین نظام ابادی پور

دانشگاه شهید باهنر کرمان

سعید سریزدی

دانشگاه شهید باهنر کرمان

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 :
  • Ullah, A.S.S.M.B., Sarker, R., Cornforth, D., Lokan, A new approach ...
  • بنی اسدی، ز. نظام آبادی پورح. مغفوری، م. زمانی فر، ...
  • انتخاب ویژگی با استفاده از الگوریتم جستجوی گرانشی [مقاله کنفرانسی]
  • راشدی، ع. نظام آبادی پورح. سریزدی، ع. طراحی فیلترهای IIR ...
  • Yildiz, A.R., _ effective hybrid immune-hill climbing optimization approach for ...
  • Moscato, P., "On evolution, search, optimization, genetic algorithms and martial ...
  • program report 826, 1989. California Institute of Technology, Pasadena, CA, ...
  • Tenne, Y., Armfield, S.W., _ framework for memetic optimization using ...
  • Rashedi, E., Ne zamab adi-pour, H., Saryazdi, S., :A gravitational ...
  • Hamzacebi, C., "Improving genetic algorithms" performance by local search for ...
  • Computation, 196, pp.309-317, 2008. ...
  • Kirkpatrick, S., Gellato, C.D., Vecchi, M.P., "Optimization by simulated annealing", ...
  • نمایش کامل مراجع