یک الگوریتم ترکیبی برای حل مسائل بهینه سازی در شرایط نویزی ( اتوماتاهای یادگیر + الگوریتم های تکاملی )

اتوماتاهای یادگیرکه در حل مسائل بهینه سازی مورد استفاده قرار می گیرند در یک مح یط اتفاق ی ناشناخته عمل کرده و به مرور زمان کارایی خود را از طر یق یک فرا یند یادگیری بهبود م ی دهند . اتوماتاهای یادگیر در حل مسا ئل به ینه سازی توابع نا شناخته چند قله ای، بسیار خوب عمل م ی کنند و یکی از ویژگیها ی بارز آن ها قابل یت یادگیری در شرایط نویزی می باشد . در این م قاله یک الگوریتم ترکیبی که از ترک یب اتوماتا های یادگیر با مجموعه اعمال پیوسته و الگوریتم تکاملی حاصل م ی شود برا ی حل مسا ئل به ینه ساز ی پ ی شنهاد می گردد . به منظور ارز یابی، الگور یتم ترک یبی پ یشنهادی بر رو ی یک مساله به ینه سازی تابع، آزما یش و سپس نتا یج بدست آمده با نتایج حاصل از دو روش موجود مبتن ی بر اتوماتاها ی یادگیر مقا یسه گرد یده است . نتایج مقا یسه حاک ی از برتر ی الگور یتم پ یشنهادی بر دو روش موجود مبتنی بر اتوماتاهای یادگیر بخصوص در شرایط نویزی می باشد .

کلیدواژه ها:

اتوماتاهای یادگیر ، اتوماتای یادگیر با مجموعه اعمال پیوسته ، الگوریتم تکاملی ، بهینه سازی