چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008227 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 فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
طراحی خودکار فوق ابتکاری مبتنی بر یادگیری تقویتی
عنوان انگليسي
Automatic design of hyper-heuristic based on reinforcement learning
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 19 صفحه انگلیسی به صورت پی دی اف و 35 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
فوق ابتکاری کلاسی از متدولوژی‌هایی است که به صورت خودکار فرآیند انتخاب یا تولید مجموعه‌ای از فرآیند ابتکاری را برای حل مسائل بهینه‌سازی مختلف انجام می‌دهد. یک مدل فوق ابتکاری سنتی به این مهم از طریق ابتکار سطح بالایی دست می‌یابد که شامل دو عنصر کلیدی با اسامی رویکرد انتخاب ابتکاری و رویکرد پذیرش حرکت است. اثربخشی ابتکاری در سطح بالا به علت ویژگی‌های چشم‌انداز مسائل مختلف به شدت وابسته به مسئله است. اکثر مدل‌های فوق ابتکاری فعلی با تطبیق ترکیب‌های مختلف مولفه‌ها به طور دستی به فرموله‌سازی ابتکار سطح بالا می‌پردازند. در این مقاله روشی برای طراحی خودکار ابتکار سطح بالا از یک مدل فوق ابتکاری با استفاده از تکنیک یادگیری تقویتی ارائه شده است. به طور دقیق‌تر، یادگیری کیوبرای هدایت مدل فوق ابتکاری در انتخاب مولفه‌های مناسب در طی مراحل مختلف فرآیند بهینه‌سازی اعمال می‌شود. رویکرد پیشنهادی با استفاده از نمونه‌های بنچمارک از شش حوزه مسئله در چهارچوب انعطاف‌پذیر فوق ابتکاری به طور جامع مورد ارزیابی قرار می‌گیرند. نتایج تجربی نشان می‌دهند که روش پیشنهادی ما با بسیاری از مدل‌های فوق ابتکاری در پیشینه پژوهش کنونی قابل مقایسه است.
1-مقدمه
یک مدل بهینه‌سازی شامل یافتن راه‌حل‌هایی عملی از مجموعه‌ای محدود از راه‌حل‌های موجود در فضای جستجو و سپس شناسایی راه‌حل بهینه است. چند مدل بهینه‌سازی دقیق وجود دارد که بهینه‌سازی جهانی را تضمین می‌کند. با این حال، این تضمین محدود به مسائل کوچک است و برای مسائل پیچیده، مدل بهینه‌سازی دقیق ممکن است زمانی طولانی را برای دستیابی به بهینه‌سازی بگیرد .[64]در این مورد، استفاده از ابتکارات برای تولید راه‌حلی که به اندازه کافی برای حل مسئله در تایم‌فریمی معقول باشد یک گزینه قابل قبول است. ابتکار شامل اعمال متدولوژی عملی است که همگرایی به بهینه‌سازی جهانی را تضمین نمی‌کند بلکه کافی است تا به اندازه کافی راه‌حلی خوب باشد...
فوق ابتکاری یادگیری کیو طراحی خودکار
:کلمات کلیدی
Abstract
Hyper-heuristic is a class of methodologies which automates the process of selecting or generating a set of heuristics to solve various optimization problems. A traditional hyper-heuristic model achieves this through a high-level heuristic that consists of two key components, namely a heuristic selection method and a move acceptance method. The effectiveness of the high-level heuristic is highly problem dependent due to the landscape properties of different problems. Most of the current hyper-heuristic models formulate a high-level heuristic by matching different combinations of components manually. This article proposes a method to automatically design the high-level heuristic of a hyper-heuristic model by utilizing a reinforcement learning technique. More specifically, Q-learning is applied to guide the hyper-heuristic model in selecting the proper components during different stages of the optimization process. The proposed method is evaluated comprehensively using benchmark instances from six problem domains in the Hyper-heuristic Flexible Framework. The experimental results show that the proposed method is comparable with most of the top-performing hyper-heuristic models in the current literature.
Keywords:
Hyper-heuristic Q-learning Automatic design
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه روش فوق ابتکاری