بررسی روابط بین متغیرهای جستجوی هوشمندانه محلی فضای حالت و اجرای آن بر روی توابع تست

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 632

فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FBFI01_130

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

درهوش مصنوعی، رفتار هوشمند عبارت است از کاری که کامپیوتر همانند انسان انجام می‎دهد. بنابراین همانند رفتار انسان، کامپیوتر هم در برخورد با مسائل پیچیده سعی می‎کند تا به صورت منطقی به دنبال جواب بگردد و به این ترتیب الگوریتم‎های جستجو در هوش مصنوعی ظاهر شدند. عامل حل مسئله، به دو صورت آگاهانه و ناآگاهانه جستجو برای حل مسئله را انجام می‎دهد. اغلب الگوریتم‎های جستجو مسیر رسیدن به هدف را به عنوان راه‎حل مسئله برمی‎گردانند. اما در بسیاری از مسائل، مسیر رسیدن به هدف مهم نیست و پیکربندی نهایی مهم است که به الگوریتم‎های جستجوی محلی معروفند. الگوریتم جستجوی پرتو محلی با نقاط تصادفی، نوعی از الگوریتم‎های جستجوی محلی است. متغیرهای تصادفی موجود در این الگوریتم، بر روی کارایی آن تاثیر بسیاری می‎گذارند. استفاده ‎کنندگان از این الگوریتم، همواره برای مقداردهی متغیرها دچار مشکل می‎شوند. یافتن رابطه‎ی بین این متغیرها به عنوان یک چالش مطرح است. این مقاله به بررسی رابطه‎ی بین متغیرهای Nو Kاز این الگوریتم می‎پردازد. بنابراین کاربر به راحتی خواهد توانست بر روی مقادیر این متغیرها نسبت به ماهیت مسئله‎ی خود تصمیم‎گیری کند. این بررسی‎ها بر روی توابع تست Ackley، Schwefelو چند تابع تست دیگر در ابعاد گوناگون آزمایش شده است.

کلیدواژه ها:

هوش مصنوعی ، الگوریتم هوشمند ، جستجوی محلی ، الگوریتم جستجوی پرتو محلی با نقاط تصادفی

نویسندگان

آرزو جهانی

دانش آموخته کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران

لیلی محمدخانلی

دانشیار گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران

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 :
  • ce/Innovative nع [14] Zhang, W., Complete Anytime Beam Search, Tenth ...
  • Barber, F. Botti, B. and Koehler, J., Artificial Intellience: Technology ...
  • Russell, S. and Norvig, S., Artificial Intelligence: A Modern Approach, ...
  • Xu, Y., Fern, A. and Yoon, S., Learning Linear Ranking ...
  • Burns, E., Hatem, M., Leighton, M. and Ruml, W., Implementing ...
  • Vadlamudi, S. G., Aine, S. and Chakrabarti, P. P., Incremental ...
  • Araya, I. and Rif, M.. A Beam Search Approach _ ...
  • BIum, Ch. and Mirrales, C., on Solving the Assembly Line ...
  • Jiang, T., Ren, G. and Zhao, X., Evacuation Route Optimization ...
  • Mondal, B. Dasgupta, K. and Dutta, P., Load Balancing in ...
  • B andyopadhyay, S. and Maulik, U., A Simulated Annea ling-Based ...
  • Ram, D. J., Sreenivas, T. H. and Subramaniam, G., Parallel ...
  • Zhou, R. and Hansen, E. A., Beam-Stack Search Integrating Backtracking ...
  • Babu, P.S., Goswami, A. and Pandit, V. S., Optimization of ...
  • Rakrouki, M. A. Ladhari, T. and Kindt, V., Coupling Genetic ...
  • Molga, M. and Smutnicki, C., Test Functions for Optimization Needs, ...
  • نمایش کامل مراجع