CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

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

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۴۱۹ | نظرات: ۰
سال انتشار: ۱۳۸۶
کد COI مقاله: IDMC01_025
زبان مقاله: فارسی
فایل PDF حاوی متن کامل این مقاله در حال حاضر در سایت موجود نمی‌باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها است. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود PDF مقاله

اصل مقاله (فول تکست) فوق منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

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

  سیدمیثم حسینی سدهی - دانشجوی کارشناسی ارشد، گرایش هوش مصنوعی و رباتیک، دانشگاه امیرکبیر
  محمدعلی عبادزاده - عضو هیات علمی دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه امیرکبیر
    محمدرضا میبدی (شناسه پژوهشگر - Researcher ID: ۴۹۷۳)
عضو هیات علمی دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه امیرکبیر

چکیده مقاله:

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 .

کلیدواژه‌ها:

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

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-IDMC01-IDMC01_025.html
کد COI مقاله: IDMC01_025

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:
حسینی سدهی, سیدمیثم؛ محمدعلی عبادزاده و محمدرضا میبدی، ۱۳۸۶، یک الگوریتم ترکیبی برای حل مسائل بهینه سازی در شرایط نویزی ( اتوماتاهای یادگیر + الگوریتم های تکاملی )، اولین کنفرانس داده کاوی ایران، تهران، دانشگاه صنعتی امیرکبیر، موسسه پژوهشی داده پردازان گیتا، https://www.civilica.com/Paper-IDMC01-IDMC01_025.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: (حسینی سدهی, سیدمیثم؛ محمدعلی عبادزاده و محمدرضا میبدی، ۱۳۸۶)
برای بار دوم به بعد: (حسینی سدهی؛ عبادزاده و میبدی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۲۹۴۸۱
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 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.