شماره ركورد
12661
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
12661
پديد آورنده
بنت الهدي حلمي
عنوان
يادگيري پيوند در الگوريتمهاي تكاملي براي حل سازي با تعاملات چندمتغيره
مقطع تحصيلي
دكترا
رشته تحصيلي
كامپيوتر -هوش مصنوعي
سال تحصيل
1392
تاريخ دفاع
1392
استاد راهنما
دكتر عادل تركمان رحماني
چكيده
هدف از انجام رساله ارائهي روشي كارا و مقياسپذير براي يادگيري پيوند در الگوريتمهاي تكاملي به هدف نهايي انجام بهينهسازي در مسائل پيچيده از طريق الگوريتمهاي تكاملي است. با افزايش روز افزون سيستمهاي پيچيده، نياز به روشهاي بهينهسازي كارا براي حل اين مسائل بيشتر شده است. براي حل كاراي مسائل پيچيده، يافتن ساختار مسئله و شكستن آن به زيرمسائل كوچكتر يكي از راهحلهاي كليدي بهشمار ميآيد. مسئلهي يادگيري پيوند در الگوريتمهاي تكاملي روشي براي يافتن بلوكهاي سازندهي مسائل و شكستن مسائل با توجه به اين بلوكهاي سازنده به زيرمسائل سادهتر است. يادگيري پيوند امروزه به عنوان يكي از اصليترين چالشهاي الگوريتمهاي تكاملي در حل مسائل پيچيده كه در آنها متغيرها با يكديگر وابستگي دارند، شناخته شده و مورد توجه قرار گرفته است. تنوع مسائل بهينهسازي و پيچيدگي اينگونه مسائل در دنياي واقعي از طرفي و گسترش كاربرد روشهاي بهينهسازي تكاملي از سوي ديگر، باعث ايجاد ضرورت طراحي روشي كارا و كم هزينه براي پيدا كردن ارتباطات بين متغيرهاي مسئله و بهبود روشهاي تكاملي از طريق آگاه كردن آنها از بلوكهاي سازندهي مسئله است.
نحوه¬ي انجام رساله
در اين رساله، از طريق ارائهي روشي جديد براي يادگيري مدل مسئله روش يادگير پيوندي كارا و مقياسپذير ارائه ميكنيم. به اينصورت كه ارتباطات متغيرهاي مسئله را در قالب يك مدل گرافيكي يادگرفته و با توجه به اين مدل، مسئلهي بهينهسازي را حل ميكنيم
نحوه¬ي انجام رساله
مدل مسئله در روشهاي ارائه شده در اين رساله در قالب درخت پوشاي بيشينه و گراف فاكتور يادگرفته ميشود. در اين رساله دو روش يادگير پيوند ارائه شده است كه در هردو روش تنها از معيار دومتغيرهي اطلاعات متقابل براي ايجاد گراف زيرين مسئله استفاده ميشود. در روش اول درخت پوشاي ماكزيمم از طريق الگوريتم تغييريافتهي پرايم ايجاد شده و با هرس لبههاي ضعيف درخت گروههاي پيوندي بدست ميآيد. در روش دوم گراف زيرين مسئله از طريق فاكتورگيري ماتريس غيرمنفي متقارن، فاكتورگيري شده و گراف فاكتور مسئله بدست ميآيد. گروههاي پيوندي را ميتوان از گراف فاكتور استخراج كرد. براي توسعهي الگوريتم، با استفاده از گراف فاكتور و تخمين توزيع مبتني بر فاكتورهاي كانوني پوشش ماركوف، الگوريتم تخمين توزيع كارايي كه توزيع را در قالب فاكتورگيري آشفته تخمين ميزند، ارائه كرديم. در الگوريتم تخمين توزيع مبتني بر گراف فاكتور سلسله مراتبي، رويكردي سلسله مراتبي براي ساختن گراف فاكتور براي حل مسائل تجزيهپذير سلسله مراتبي ارائه كرديم.
دستاوردهاي رساله
در راستاي حل مسئلهي يادگيري پيوند، در اين رساله الگوريتم بهينهسازي شايستهاي ارائه شده است كه قادر به حل مسائل با پيچيدگي كراندار، داراي بلوكهاي سازندهي همپوشان و همچنين ساختارسلسله مراتبي است. در روشهاي ارائه شده، بلوكهاي سازندهي مسئله بهصورت صريح ايجاد شده و در دسترس كاربران قرار ميگيرد. نتايج تئوري و تجربي ارائه شده در اين رساله بيانگر كارايي و مقياسپذيري الگوريتمهاي پيشنهادي در حل مسائل بهينهسازي در اين حوزه است.