بهبود الگوریتم های تکاملی با استفاده از یادگیری ماشین
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر
- نویسنده محمدتقی معین الغربایی
- استاد راهنما عبدالرضا میرزایی محمدعلی منتظری
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
یادگیری ماشین یکی از شاخه های هوش مصنوعی می باشد که دامنهی تحقیقاتی وسیعی دارد. در مقالات مربوط به الگوریتم های تکاملی و روش های یادگیری ماشین، برخی از الگوریتم های تکاملی به عنوان نوعی از روشهای یادگیری ماشین استفاده شده است. با توجه به اینکه همواره الگوریتم های تکاملی به عنوان یادگیری ماشین به کار رفته است، ما در این پایان نامه به استفاده از روشهای یادگیری ماشین در بهبود الگوریتمهای تکاملی پرداختهایم. ایده اصلی در بهبود الگوریتم های تکاملی با استفاده از یادگیری ماشین این است که الگوریتم های تکاملی در حین جستجو اطلاعاتی دربارهی فضای جستجو و ویژگی های مسئله و جمعیت ذخیره میکنند. سپس یادگیری ماشین جهت تحلیل این داد ه ها استفاده میشود که موجب بهبود کارایی جستجو خواهد شد. در این راستا اطلاعات مفید میتواند برای فهم نحوهی جستجو و کمک به جستجوهای آینده جهت یافتن بهینه سراسری، استخراج شود. در بسیاری از کاربرد ها ثابت شده است، الگوریتم های تکاملی ای که روش های یادگیری ماشین را به کار میبرند، در سرعت همگرایی و کیفیت جواب(راه حل) موثر هستند. الگوریتم cma-es یکی از الگوریتم های تکاملی است که با نمونه گیری از یک توزیع نرمال، جمعیت جدید را به وجود می آورد. یکی از پارامترهای توزیع نرمال، ماتریس کوواریانس میباشد که در هر نسل به روز رسانی میشود و در کیفیت جمعیت جدید این الگوریتم و در نتیجه، هدایت تکامل نقش مهمی دارد. بنابراین چگونگی به روز رسانی این ماتریس حائز اهمیت می باشد. از طرف دیگر، مدل dcc-garch نیز یکی از روش های یادگیری ماشین است که در مدل های اقتصادی کابردهای فراوانی دارد. این مدل برای پیش بینی سری های زمانی چند متغیرهای استفاده میشود که هر یک ازجملات آن، از یک توزیع نرمال با میانگین صفر و کوواریانس h_t نمونه گیری شده باشد. این مدل برای پیش بینی جملهی بعدی سری زمانی، ماتریس کوواریانس آن را پیش بینی میکند، به طوریکه نمونه گیری از آن به احتمال زیاد منجر به ایجاد جملهی بعدی سری زمانی مورد نظر میشود. در این پایان نامه میخواهیم از مدل dcc-garch برای بهبود الگوریتم cma-es استفاده نماییم. به اینصورت که بهترین گام در هر نسل، معادل یک جمله از سری زمانی در نظر گرفته میشود و مدلdcc-garch از طریق این سری زمانی، ماتریس کوواریانس بهترین گام نسل آینده را پیش بینی میکند. سپس این ماتریس کوواریانس به صورت مستقیم و غیر مستقیم در به روز رسانی ماتریس کوواریانس الگوریتم cma-es استفاده میشود که نتایج و آزمایشات، بهبود قابل قبولی را نشان میدهند. کلمات کلیدی: 1- الگوریتم های تکاملی 2- یادگیری ماشین 3- الگوریتم cma-es 4- مدل dcc-garch
منابع مشابه
طراحی فیلترهای توری پراشی با استفاده از الگوریتم های تکاملی
چکیده: فیلترهای توری پراشی نوع جدیدی از فیلترهای نوری هستند که بر مبنای تشدیدی مود هدایتشده هستند و دارای کاربردهای روزافزونی در آشکارسازها، پردازشگرهای نوری، تزویجکنندهها و غیره هستند. هدف از طراحی این فیلترها انتخاب مناسب پارامترهای هندسی است. با انتخاب دقیق این پارامترها، فیلترهایی با بازدهی بالا در یک فرکانس رزونانس طراحی میشوند. طراحی این فیلترها با ویژگیهای طیفی دقیق موضوعی جالب و در...
متن کاملبررسی پایداری تونل به روش منحنی مشخصه زمین با استفاده از الگوریتم ماشین یادگیری
با توجه به توسعه روز افزون فضاهای زیرزمینی، ارزیابی پایداری و تعیین رفتار توده سنگ از مباحث مهم فضاهای زیر زمینی برای ایمنی و بهینه سازی پروژه می باشد. در سال های اخیر کرنش بحرانی به عنوان مهمترین شاخص برای ارزیابی پایداری و مچاله شوندگی تونل مورد توجه قرار گرفته است. در حال حاضر روشهای مختلفی برای تعیین کرنش بحرانی ذات توده سنگ وجود دارد. پارامتر کرنش بحرانی یک شاخص است که اجازه ...
متن کاملبهبود دقت شناسایی غواص با استفاده از الگوریتم کلاس‌بندی ماشین بردار پشتیبان
ویژگیهای منحصر به فرد و امکان انتشار آسان سیگنال های صوتی در محیط زیرآب، امکان شناسایی و رد گیری اهداف زیر آبی بوسیله آنها را فراهم میکند. از جمله کاربردهای پدافندی سیگنال صوتی در حوزه‌ی دریا می‌توان استفاده از سونار برای شناسایی غواص به منظور جلوگیری از نفوذ غواصان در نیروگاه های ساحلی و همچنین حفاظت از تجهیزات بندرگاهی و ... را نام برد. برای این مقصود شناسایی صحیح غواص از سایر اهداف زیر آبی...
متن کاملپیش بینی تقاضا در زنجیره تامین با استفاده از الگوریتم های یادگیری ماشین (مورد مطالعه: زنجیره تامین شرکت ایران خودرو)
Abstract—the purpose of this paper is to compare two artificial intelligence algorithms for forecasting supply chain demand. In first step data are prepared for entering into forecasting models. In next step, the modeling step, an artificial neural network and support vector machine is presented. The structure of artificial neural network is selected based on previous researchers' results. For ...
متن کاملبهبود کلاس بندی داده های نامتوازن با استفاده از الگوریتم های یادگیری ماشین
در دنیای امروز مسئله کلاس بندی داده های نا متوازن از اهمیت خاصی برخوردار است . کلاس بندی این داده ها به گونه ای است که ، کلاسی که از نظر دامنه کاربرد اهمیت زیادی دارد (کلاس اقلیت ) شامل تعداد حالات کمتری نسبت به کلاسی است که از اهمیت خاصی برخوردار نیست (کلاس اکثریت). به این مجموعه داده ها داده های نامتوازن می گویند. روش های مختلفی برای کلاس بندی این نوع داده ها ارائه شده است .در کلاس بندی این د...
منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023