الگوریتمی جهت یافتن بهینه سراسری در مسائل پیچیده : MPSO
محل انتشار: سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,580
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI13_141
تاریخ نمایه سازی: 25 آبان 1386
چکیده مقاله:
الگوریتم PSO یک روش هوش گروه ی برای حل مسائلبهینه سازی سراسری است. در PSO هر کاندید راه حل، موقعیت خود را در فضای جستجو با توجه به تجربیات خود و تجربیات کل گروه راه حلهای کاندید، تغییر می دهد. در این مقاله مدلی از الگوریتم PSO ارائه می شود که در آن یک گروه به چندین زیر گروه تقسیم می شود و علاوه بر بهترین حالت هر جزء و بهترین حالت کل گروه، بهترین حالت هر زیرگروه نیز در حرکت تک تک اجزاء اثر می گذارد. آزمایشات انجام شده برای یافتن بهینه سراسری چندین نمونه تابع با تعداد زیاد بهینه محلی و سراسری، کارایی بهتر این روش را در مقایسه باPSO نشان می دهد. همچنین نتایج آزمایشات بکارگیری الگوریتمMPSO در روند آموزش مدل مخفی مارکوف(HMM) یک سیستم بازشناسی گفتار نشان می دهد که با استفاده از این روش، خطای بازشناسی نسبت به استفاده از روشهای مبتنی بر بیشترین میزان شباهت، ۴.۸۳ درصد کاهش یافته است.
کلیدواژه ها:
نویسندگان
هدیه ساجدی
دانشگاه صنعتی شریف دانشکده مهندسی کامپیوتر
حسین ثامتی
عضو هیات علمی دانشگاه صنعتی شریف دانشکده مهندسی کامپیوتر
حمید بیگی
عضو هیات علمی دانشگاه صنعتی شریف دانشکده مهندسی کامپیوتر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :