چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008224 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
739 Kb
حجم فایل فارسی :
482 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
H3AD: یک فوق ابتکاری ترکیبی برای طراحی الگوریتم
عنوان انگليسي
H3AD: A hybrid hyper-heuristic for algorithm design
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 15 صفحه انگلیسی به صورت پی دی اف و 33 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
طراحی الگوریتم برای حل مسئله‌ای مشخص، به علت تنوع گزینه‌های طراحی ممکن و فقدان دستورالعمل‌های واضح در مورد چگونگی انتخاب و ترکیب آنها، امری چالش برانگیز است. تکنیک‌های بهینه‌سازی و یادگیری ماشین به منظور مستقل‌سازی بیشتر فرآیند طراحی الگوریتم از مداخله انسانی، مورد استفاده قرار گرفته‌اند. به ویژه رویکردهای فوق ابتکاری به منظور جستجوی فضای الگوریتم‌ها/ فرآیند ابتکاری و یا مولفه‌های آنها و ترکیب تکرار شونده و اتخاذ آنها برای مسائلی خاص پیشنهاد شده‌اند. اگرچه فرآیند فوق ابتکاری سبب انعطاف‌پذیری برای تولید الگوریتم‌های سفارشی شده است ولی در عین حال چنین تولیدی می‌تواند بسیار گران باشد. در این مقاله یک فوق ابتکاری ترکیبی (H3AD) پیشنهاد می‌شود که ترکیبی از یک روش انتخاب خودکار با یک فوق ابتکاری مولد است. این ترکیب در نظر دارد هزینه ارائه یک الگوریتم برای یک مسئله ورودی جدید را با استفاده مجدد از الگوریتم‌هایی که پیش از این توسط فرآیند فوق ابتکاری ساخته شده بود را برای حل مسائلی مشابه کاهش دهد. H3AD در یک مطالعه موردی به منظور بهینه‌سازی طراحی الگوریتم‌های بهینه‌سازی ازدحام ذرات در مسائل بهینه‌سازی پیوسته بدون محدودیت مورد ارزیابی قرار گرفته است. نتایج ثابت کرد که H3AD توصیه‌هایی مناسب از الگوریتم‌ها را ارائه می‌دهد و از الگوریتم‌های تولید شده توسط فوق ابتکاری برای مسائل ورودی جدید استفاده مجدد می‌کند. علاوه بر این H3AD به شدت سبب کاهش زمان ارائه الگوریتم‌های سفارشی‌سازی شده در قیاس با فرآیند فوق ابتکاری مولد می‌شود و در عین حال نیز کارایی بهینه‌سازی کاهش چشمگیری نخواهد داشت.
1-مقدمه
طراحی الگوریتم یا ابتکاری برای حل مسئله‌ای خاص، به دلیل تنوع گزینه‌های طراحی ممکن و فقدان دستورالعمل‌های واضح در مورد چگونگی انتخاب و ترکیب آنها، امری چالش برانگیز است. به عنوان مثال، عملکرد یک الگوریتم بهینه‌سازی بستگی به طراحی اپراتورهای جستجو و همچنین تنظیمی مناسب از فوق‌پارمترهایی خاص دارد که هر کدام دارای گزینه‌های بسیاری برای انتخاب هستند. از این رو، علاقه رو به رشدی به تحقیق در طراحی خودکار الگوریتم‌ها با کاوش بهینه‌سازی خودکار و رویکردهای یادگیری ماشین وجود دارد که هدف آنها این است که فرآیند طراحی کمتر وابسته به تعاملات انسانی باشد [39]....
فرآیند فوق ابتکاری انتخاب الگوریتم طراحی الگوریتم
:کلمات کلیدی
Abstract
Designing an algorithm to solve a given problem is a challenging task due to the variety of possible design choices and the lack of clear guidelines on how to choose and/or combine them. Optimization and machine learning techniques have been used to make the algorithm design process more independent on human intervention. Hyper-heuristic approaches, in particular, have been proposed to search the space of algorithms/heuristics and/or their components, and iteratively combine and adapt them for specific problems. Although flexible to produce customized algorithms, hyper-heuristics can be extremely costly procedures. This paper proposes a novel hybrid hyper-heuristic (H3AD), which combines an automated algorithm selection approach with a generative hyper-heuristic. This combination intends to reduce the cost of providing an algorithm for a new input problem by reusing algorithms previously built by hyper-heuristics to solve similar problems. H3AD was evaluated in a case study to optimize the design of Particle Swarm Optimization algorithms in unconstrained continuous optimization problems. The results showed that H3AD provided appropriate recommendations of algorithms, reusing the algorithms generated by the hyper-heuristic to new input problems. Besides, H3AD drastically reduced the time of providing a customized algorithm when compared to generative hyper-heuristics, without a significant loss of optimization performance.
Keywords:
Hyper-heuristics Algorithm selection Algorithm design
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه طراحی الگوریتم