CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

یک روش گروهی برای اتوماتای یادگیر

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۲۵۲ | نظرات: ۰
سال انتشار: ۱۳۸۶
نوع ارائه: پوستر
کد COI مقاله: ACCSI13_158
زبان مقاله: فارسی
حجم فایل: ۱۴۸.۱ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یک روش گروهی برای اتوماتای یادگیر

  منصور داودی منفرد - کارشناسی ارشد علوم کامپیوتر دانشگاه صنعتی امیرکبیر
  محمدابراهیم شیری - عضو هیئت علمی دانشگاه صنعتی امیرکبیر دانشگاه صنعتی امیرکبیر
  فریبا آب روشن - کارشناس علوم کامپیوتر دانشکده ریاضی و علوم کامپیوتر دانشگاه ولی عصر(ع

چکیده مقاله:

در دهه اخیر استفاده از روشهای ابتکاری و تکاملی در حل مسائل بهینه سازی، کنترل و طراحی که عموماً دارای فضاهای جستجوی چندبعدی و پیچیده می باشند، افزایش یافته است. در این مقاله یک روش جدید جستجوی گروهی که مبتنی بر اتوماتای یادگیر و بهینه سازی گروهی، می باشد، ارائه شده است. این روش که ما آن را اتوماتای یادگیر گروهی، می نامیم، می تواند بر روی هر نوع اتوماتای یادگیری پیاده سازی شود. ایده اصلی اتوماتای یادگیر گروهی، بکارگیری چندین جواب تصادفی به جای یک جواب تصادفی می باشد. زمانی که گروهی از جوابها استفاده شود، می توان از ویژگیهای گروهی که الگوریتم بهینه سازی گروهی بر مبنای آن ایجاد شده است، سود برد. برای بهره گیری از این منافع گروهی در اتوماتای یادگیر، بهترین جوابهای گروه نگهداری شده و از آنها در تقویت الگوریتم یادگیری اتوماتا، که مهمترین رکن یک اتوماتای یادگیر است، استفاده می شود. اتوماتای یادگیر گروهی، بسیار قوی تر از اتوماتای یادگیر بوده و در نواحی نامحدب با احتمال بسیار بیشتری جواب بهینه عمومی را پیدا می کند. در پایان روش گروهی ارائه شده بر روی دو مسئله تست با اتوماتای یادگیر مقایسه شده و نتایج آن که اثباتی بر کارایی اتوماتای
+AF162یادگیر گروهی می باشد، آورده شده است.

کلیدواژه‌ها:

اتوماتای یادگیر، اتوماتای یادگیر گروهی،بهینه سازی گروهی، الگوریتم های ابتکاری، الگوریتم های تکاملی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI13-ACCSI13_158.html
کد COI مقاله: ACCSI13_158

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
داودی منفرد, منصور؛ محمدابراهیم شیری و فریبا آب روشن، ۱۳۸۶، یک روش گروهی برای اتوماتای یادگیر، سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران، جزیره کیش، انجمن کامپیوتر، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-ACCSI13-ACCSI13_158.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (داودی منفرد, منصور؛ محمدابراهیم شیری و فریبا آب روشن، ۱۳۸۶)
برای بار دوم به بعد: (داودی منفرد؛ شیری و آب روشن، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • _ M. Loomans, H. Visser, Application of the genetic algorithm ...
  • S. Dehuri, R. Mall, Predictive and Comp rehensible rule discovery ...
  • A. Hidenori, M. Yoshibumi, Voltage and Reactive Power Control by ...
  • Y. Fukuyama, Comparative Studies of Particle Swarm Optimization Techniques for ...
  • X. Zeng, Z. Liu, A learning automata based algorithm for ...
  • Aoki, T., T. Suzuki, and S. Okuma, "Acquisition of Optimal ...
  • Gilbert, V., J. Thibault, and K. Najim, *Learning Automata for ...
  • on Adaptive systems in Control and Signal Processing, Grenoble, France, ...
  • Marsh, C., and Gordon T. J., _ Application of Learning ...
  • K. Najim, A.S. Poznyak, Learning Automata: Theory and Applications, Pergamon ...
  • A. S. Poznyak, K. Najim, Learning Automata and Stochastic Optimization, ...
  • K.S. Narendra, M.A.L. Thathachar, Learning Automata: An Introduction, Prentice Hall, ...
  • G.I. Papadimitriou, Hierarchical discredited pursuit nonlinear learning automata with rapid ...
  • R.C. Eberhart, P.K. Simpson and R.W. Dobbins (1996). Com putational ...
  • Kennedy and R.C. Eberhart (1995). Particle Swarm Optimization. Proc. IEEE ...
  • Goldberg, D.E., Genetic Algorithms in Search, Optimization, and Machine Learning. ...
  • Michalewicz, Z., Genetic Algorithms + Data Structures _ Evolution Programs. ...
  • P. Van Laarhoven and E. Aarts. Simulated Annealing: Theory and ...
  • F. Glover. Tabu Search - Part I. ORSA Journal On ...
  • J. Kennedy, and W.M. Spears. "Matching Algorithms to Problems: An ...
  • G. Venter and J. Sobie szczanski-S obieski, Particle Swarm Optimization. ...
  • I. d. F. V. Antonio, Optimization Of Nonlinear Constrained Particle ...
  • Y. Shi and R. Eberhart. A Modified Particle Swarm Optimizer. ...
  • C. E. Russell, S. Yuhui, Particle Swarm Optimization: Developments, Applications ...
  • S. Yuhui, C. E. Russell, Fuzzy Adaptive Particle Swarm Optimization, ...
  • F. Van den Bergh and A.P. Engelbrecht. A New Locally ...
  • Proceedings of IEEE International Symposium On Intelligence Control, pp. 974-979, ...
  • K. Yasuda, A. Ide and N. Iwasaki. Adaptive Particle Swarm ...
  • I. Trelea. The Particle Swarm Optimization Algorithm: Convergence Analysis and ...
  • A. IDE , K. YASUDA , A Basic Study of ...
  • Clerc M, Kennedy J. The particle _ Explosion, stability, and ...
  • S. Mikki, A. Kishk, Improved Particle Swarm Optimization Technique Using ...
  • Naruse, K., and Y. Kakazu, *Strategy Acquisition of Path Planning ...
  • Bush, R. R., and F. Mosteller, Stochastic Models for Learning, ...
  • Environment * Feedback 10 Actions ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۹۱۷۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.