بهبود الگوریتم های تکاملی با استفاده از یادگیری ماشین

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