الگوریتم نوین جهت رنگ آمیزی گراف با استفاده از آتوماتای یادگیر
Publish place: 15th Annual Conference of Computer Society of Iran
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 5,296
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:
شناسه ملی سند علمی:
CSICC15_057
تاریخ نمایه سازی: 26 مهر 1388
Abstract:
رنگ آمیزی گراف یکی از مسائل Np-Comlete به شمار می رود. یکی از کاربردهای این مسئله رنگ امیزی نقشه ها است. در این مقاله یک الگوریتم جدید برای رنگ آمیزی گراف با استفاده از آتوماتای یادگیر پیشنهاد میشود. فرآیند یادگیری با تعدادی از آتوماتاهای تصادفی شروع میشود. هر آتوماتا به تنهایی نمایش دهنده یک رنگ آمیزی تصادفی میباشد. با تکرار فرآیند یادگیری رنگ آمیزی بهبود مییابد. در مقایسه با الگوریتمهای ژنتیک، الگوریتم پیشنهادی سریعتر به جواب نزدیک به بهینه میرسد. دلیل آن این است که الگوریتمهای ژنتیک به دنبال کروموزوم بهینه از میان جمعیتها هستند و به جایگاه ژنها در کروموزومها اهمیت داده نمیشود ولی در الگوریتم پیشنهادی سعی میشود تا با استفاده از آتوماتای مهاجرت اشیاء جایگاه بهینه ژنها مشخص شود. الگوریتم پیشنهادی در تعداد مراحل تکراریادگیری کمتری در مقابل تعداد نسل الگوریتم ژنتیک به جواب بهینه نزدیک میشود. نتایج شبیهسازی حاصل از الگوریتم پیشنهادی بر روی گرافهای مطرح با الگوریتم ژنتیک مورد مقایسه قرار گرفته است.
Keywords:
Authors
حبیب مطیع قادر
دانشگاه آزاد اسلامی واحد تبریز، باشگاه پژوهشگران جوان
عباس میرزایی ثمرین
بورسیه هیات علمی دانشگاه آزاد اسلامی واحد اردبیل
علی اکبر دادجویان
دانشگاه آزاد اسلامی واحد شبستر
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 :