تحقیق در مورد الگوریتم بهینه سازی Bayesian 76 ص

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ويرايش و آماده پرينت )
تعداد صفحه : 61 صفحه

 قسمتی از متن word (..doc) : 
 

‏1
‏الگوریتم بهینه سازی Bayesian‏
‏مراجع‏‌‏را می‏‌‏توان به عنوان یک ترازوی خوب برای مقایسه روشهای مختلف بکار برد. بعنوان مثال: مراجع استراتژی، انتخاب و جایگزینی را بکار گرفتند که با r BOA‏ ها یکسانند. در‏‌‏بین الگوریتم‏‌‏های متنوع‏‌‏دانش سرپرستی برای انجام دادن مدلهای مخلوط، دسته بندی یک کاندیدای مناسب برحسب بازدهی محاسباتی دیده شده است.
‏بطور کلی EDA‏ها یک تقریب تقسیمی را بکار می‏‌‏گیرند که تلاش می‏‌‏کند یک مجموعه از اطلاعات‏‌‏چند بعدی را به تعدادی‏‌‏زیر مجموعه دسته بندی کند. مثالهای محتمل شامل الگوریتم K- Means‏ و الگوریتم رهبر تصادفی (RLA‏) است.
‏مکانیزم آنها در زیر به صورت مختصر شرح داده شده است:
‏الگوریتم K- means‏ نمونه‏‌‏های داده را به K‏ زیر مجموعه غیر تهی تقسیم می‏‌‏کند. مختصات میانگین حسابی گروههای رایج محاسبه می‏‌‏شود و هر نمونه به نزدیکترین تقسیم‏‌‏بندی اشاره می‏‌‏کند. پروسه ادامه می‏‌‏یابد تا زمانیکه گمارش دیگری اتفاق نیافتد. در RLA‏ هر نمونه تصادفی انتخاب شده متعلق به نزدیکترین طبقه بندی که رهبر آن فاصله با نمونه‏‌‏اش زیر حد داده شده قرار دارد. نتیجه پس از فقط یکبار مرور کردن هر نمونه بدست می‏‌‏آید.
‏توجه کنید که الگوریتم RLA‏ سریعتر از الگوریتم K- means‏ است. (RLA‏) تا حدودی کمتر دقیق است. علاوه بر این تکرار که در مدلهای مختلف استفاده می‏‌‏شود (در مدل انتخاب) کمتر از مدلهای جاسازی است. بنابراین الگوریتم K- means‏ و RLA‏ (با حدی به میزان 0.3‏) به ترتیب کاندیداهای مناسبی برای مدل انتخاب و مدل جاسازی هستند. مدل جاسازی و مدل نمونه برداری با توجه به کارایی‏‌‏شان برای مسائل بزرگ تجزیه پذیر، براساس اصل حداکثر ترکیب زیر مسئله‏‌‏ها انجام داده می‏‌‏شوند.

 

نظرات کاربران

نظرتان را ارسال کنید

captcha

فایل های دیگر این دسته

مجوزها،گواهینامه ها و بانکهای همکار

لوکس فایل | فروشگاه ساز رایگان فروش فایل دارای نماد اعتماد الکترونیک از وزارت صنعت و همچنین دارای قرارداد پرداختهای اینترنتی با شرکتهای بزرگ به پرداخت ملت و زرین پال و آقای پرداخت میباشد که در زیـر میـتوانید مجـوزها را مشاهده کنید