CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Efficient and Robust Parameter Tuning for Heuristic Algorithms

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۲۹۹ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: JR_IJIEPR-24-2_006
زبان مقاله: انگلیسی
حجم فایل: ۴۱۷.۶۷ کیلوبایت (فایل این مقاله در ۸ 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 ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Efficient and Robust Parameter Tuning for Heuristic Algorithms

  H. Akbaripour - Industrial Engineering Department, Tarbiat Modares University, Tehran, Iran
  E. Masehian - Industrial Engineering Department, Tarbiat Modares University, Tehran, Iran,

چکیده مقاله:

The main advantage of heuristic or metaheuristic algorithms compared to exact optimization methods is their ability in handling large-scale instances within a reasonable time, albeit at the expense of losing a guarantee for achieving the optimal solution. Therefore, metaheuristic techniques are appropriate choices for solving NP-hard problems to near optimality. Since the parameters of heuristic and metaheuristic algorithms have a great influence on their effectiveness and efficiency, parameter tuning and calibration has gained importance. In this paper a new approach for robust parameter tuning of heuristics and metaheuristics is proposed, which is based on a combination of Design of Experiments (DOE), Signal to Noise (S/N) ratio, Shannon entropy, and VIKOR methods, which not only considers the solution quality or the number of fitness function evaluations, but also aims to minimize the running time. In order to evaluate the performance of the suggested approach, a computational analysis has been performed on the Simulated Annealing (SA) and Genetic Algorithms (GA) methods, which have been successfully applied in solving respectively the n-queens and the Uncapacitated Single Allocation Hub Location combinatorial problems. Extensive experimental results showed that by using the presented approach the average number of iterations and the average running time of the SA were respectively improved 12 and 10.2 times compared to the un-tuned SA. Also, the quality of certain solutions was improved in the tuned GA, while the average running time was 2.5 times faster compared to the un-tuned GA.

کلیدواژه‌ها:

Parameter Tuning, Design of Experiments, Signal to Noise (S/N) ratio, Shannon Entropy, VIKOR, Simulated Annealing, Genetic Algorithms

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-JR_IJIEPR-JR_IJIEPR-24-2_006.html
کد COI مقاله: JR_IJIEPR-24-2_006

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:
Akbaripour, H. & E. Masehian, ۱۳۹۲, Efficient and Robust Parameter Tuning for Heuristic Algorithms, International Journal of Industrial Engineering & Production Research 24 (2), https://www.civilica.com/Paper-JR_IJIEPR-JR_IJIEPR-24-2_006.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: (Akbaripour, H. & E. Masehian, ۱۳۹۲)
برای بار دوم به بعد: (Akbaripour & Masehian, ۱۳۹۲)
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: دانشگاه دولتی
تعداد مقالات: ۲۴۹۷۸
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.