سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

Login
PapersConferencesJournals

بهبود الگوریتم تکامل تفاضلی با الگوریتمهای ژنتیکی جهت آموزش قوانین فازی در تخمین توابع

Publish place: 15th Annual Conference of Computer Society of Iran
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 3,126

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 دانلود نمایند.

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:
https://civilica.com/doc/79114

Document National Code:

CSICC15_182

Index date: 18 October 2009

بهبود الگوریتم تکامل تفاضلی با الگوریتمهای ژنتیکی جهت آموزش قوانین فازی در تخمین توابع abstract

در این مقاله یک الگوریتم جدید تکامل تفاضلی (DE) با الهام از الگوریتمهای ژنتیکی ارائه می کنیم. این الگوریتم جدید جهت آموزش قوانین سیستم استنتاج فازی ممدانی و و بمنظور تخمین توابع ریاضی استفاده می شود. DE یکروش جدید ابتکاری است که انگیزه های فراوانی برای استفاده از آن وجود دارد همچنین نشان داده شده الگوریتم اصلی مستقل از مقدار دهی اولیه همواره جواب سراسری بهینه را می یابد در این جا پس از معرفی یک سیستم کارا جهت تخمین توابع کارایی آن را با DE,GA کلاسیک مقایسه کرده و نتایج را ارائه میکنیم.

بهبود الگوریتم تکامل تفاضلی با الگوریتمهای ژنتیکی جهت آموزش قوانین فازی در تخمین توابع Keywords:

بهبود الگوریتم تکامل تفاضلی با الگوریتمهای ژنتیکی جهت آموزش قوانین فازی در تخمین توابع authors

وحیده کیخا

دانشگاه سیستان و بلوچستان دانشکده ریاضی، گروه علوم کامپیوتر

حیات خوبی پور

دانشگاه سیستان و بلوچستان دانشکده ریاضی، گروه علوم کامپیوتر

حسن رضایی

دانشگاه سیستان و بلوچستان دانشکده ریاضی، گروه علوم کامپیوتر

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 :
Storn , R., Price, K., Differential evolution - a simple ...
Differential Evolution", CIS 2005, Part I, LNAI 3801, pp. 192 ...
Feoktistov, V., Janaqi, S.. "Generalization of the Strategies in Differential ...
Babu, B., Jehan, M., "Differential Evolution for Multi-Objective Optimization". In: ...
On Evolutionary Computation 332-339, 2004. ...
Krimer, P., Snasel, V. Platos _ J., Abraham, A. "Optimization ...
DOI: 10.1007/s1 1 633-009-0 137-0, 2009. ...
Evolutionary Algorithm Based _ Spacial Distance", ISICA 2008, _ _ ...
Zadeh, L.A., Fuzzy Sets Information and Control, Vol. 8(3) 338- ...
Holland, J.H., Adaptation in natural and artificial systems, MIT Press, ...
Wiley, J. and sons.: computational inte ligence, 2007. ...
نمایش کامل مراجع

مقاله فارسی "بهبود الگوریتم تکامل تفاضلی با الگوریتمهای ژنتیکی جهت آموزش قوانین فازی در تخمین توابع" توسط وحیده کیخا، دانشگاه سیستان و بلوچستان دانشکده ریاضی، گروه علوم کامپیوتر؛ حیات خوبی پور، دانشگاه سیستان و بلوچستان دانشکده ریاضی، گروه علوم کامپیوتر؛ حسن رضایی، دانشگاه سیستان و بلوچستان دانشکده ریاضی، گروه علوم کامپیوتر نوشته شده و در سال 1388 پس از تایید کمیته علمی پانزدهمین کنفرانس کامپیوتر سالانه انجمن کامپیوتر ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله تکامل تفاضلی، سیستم استنتاج فازی، قوانین فازی، الگوریتم ژنتیک هستند. این مقاله در تاریخ 26 مهر 1388 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 3126 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این مقاله یک الگوریتم جدید تکامل تفاضلی (DE) با الهام از الگوریتمهای ژنتیکی ارائه می کنیم. این الگوریتم جدید جهت آموزش قوانین سیستم استنتاج فازی ممدانی و و بمنظور تخمین توابع ریاضی استفاده می شود. DE یکروش جدید ابتکاری است که انگیزه های فراوانی برای استفاده از آن وجود دارد همچنین نشان داده شده الگوریتم اصلی مستقل از ... . این مقاله در دسته بندی موضوعی الگوریتم ژنتیک طبقه بندی شده است. برای دانلود فایل کامل مقاله بهبود الگوریتم تکامل تفاضلی با الگوریتمهای ژنتیکی جهت آموزش قوانین فازی در تخمین توابع با 4 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.