دانلود و نمایش مقالات مرتبط با الگوریتم های تکاملی::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - الگوریتم های تکاملی

تعداد مقالات یافته شده: 9
ردیف عنوان نوع
1 Application of multi-objective optimization to blind source separation
استفاده از بهینه سازی چند هدفه برای جداسازی منبع کور-2019
Several problems in signal processing are addressed by expert systems which take into account a set of priors on the sought signals and systems. For instance, blind source separation is often tackled by means of a mono-objective formulation which relies on a separation criterion associated with a given property of the sought signals (sources). However, in many practical situations, there are more than one property to be exploited and, as a consequence, a set of separation criteria may be used to recover the original signals. In this context, this paper addresses the separation problem by means of an approach based on multi-objective optimization. Differently from the existing methods, which provide only one estimate for the original signals, our proposal leads to a set of solutions that can be utilized by the system user to take his/her decision. Results obtained through numerical experiments over a set of biomedical signals highlight the viability of the proposed approach, which provides estimations closer to the mean squared error solutions compared to the ones achieved via a mono-objective formulation. Moreover, since our proposal is quite general, this work also contributes to encourage future researches to develop expert systems that exploit the multi-objective formulation in different source separation problems.
Keywords: Blind source separation | Multi-objective optimization | Evolutionary algorithms
مقاله انگلیسی
2 A weighted multi-attribute-based recommender system using extended user behavior analysis
یک سیستم توصیه گر وزنی مبتنی بر چند برخوردی با استفاده از تحلیل مبسوط رفتار کاربر-2018
A new weighted multi-attribute based recommender system (WMARS) has been developed using extended user behavior analysis. WMARS obtained data from number of clicked items in the recommendation list, sequence of the clicked items in recommendation the list, duration of tracking, number of tracking same item, likes/dislikes, association rules of clicked items, remarks for items. WMARS has been applied to a movie web site. The experimental results have been obtained from a total of 567 heterogeneous users, including employers in different sectors, different demographic groups, and undergraduate and graduate students. Using different weighted sets of the attributes’ parameters, WMARS has been tested and compared extensively with collaborative filtering. The experimental results show that WMARS is more successful than collaborative filtering for the data set that was used.
keywords: Collaborative filtering |Evolutionary algorithms |Recommender systems |Relevance feedback |User behavior analysis
مقاله انگلیسی
3 A multi-objective evolutionary approach for mining frequent and high utility itemsets
یک روش تکاملی چند هدفه برای استخراج مجموعه اقلام مکرر و سودمند-2018
Mining interesting itemsets with both high support and utility values from transactional database is an important task in data mining. In this paper, we consider the two measures support and utility in a unified framework from a multi-objective view. Specifically, the task of mining frequent and high utility itemsets is modeled as a multi-objective problem. Then, a multi-objective itemset mining algorithm is proposed for solving the transformed problem, which can provide multiple itemsets recommendation for decision makers in only one run. One key advantage of the proposed multi-objective algorithm is that it does not need to specify the prior parameters such as minimal support threshold min sup and minimal utility threshold min uti, which brings much convenience to users. The experimental results on several real datasets demonstrate the effectiveness of the proposed algorithm. In addition, comparison results show that the proposed algorithm can provide more diverse yet frequent and high utility itemsets in only one run.
Keywords: Frequent itemset mining ، High utility itemset mining ، Data mining ، Multi-objective optimization ، Evolutionary algorithms
مقاله انگلیسی
4 Active control for traffic lights in regions and corridors: an approach based on evolutionary computation
کنترل فعال برای چراغ های راهنمایی در مناطق و راهرو: یک رویکرد مبتنی بر محاسبات تکاملی-2017
The growth of vehicles’ fleet circulating on urban streets constitutes a very strong tendency in recent years. The main consequence of this phenomenon refers to the increase of urban congestions, of average delays caused by vehicles waiting on traffic lights and of number of stops. Finding strategies to achieve efficient active traffic control in urban centers is a challenge for engineers and analysts. Recently, important research on dynamic networks and Intelligent Transportation Systems using computational intelligence modeling techniques has been done. This paper proposes a new scheme of active control, using optimization algorithms, to dynamically find traffic signal control plans that optimize traffic conditions in delimited networks and corridors. The proposed system includes a time delay predictive model, used in conjunction with evolutionary approaches like genetic algorithms and differential evolution techniques. Conceptual and applied computational representations necessary for the construction of models are presented. Data collected from a big city in Brazil were fed into the commercial microscopic simulator AIMSUN and were used for the practical experiments. Two main experiments were undertaken and statistically compared in order to decide which method is more efficient in optimizing the active traffic signal timing control for the region under study.
Keywords: intelligent transportation systems | traffic lights programming | evolutionary algorithms | optimization | active traffic control
مقاله انگلیسی
5 الگوریتم Krill herd برای محل بهینه تولید توزیع شده در سیستم توزیع شعاعی
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 48
تولید پراکنده (DG) به عنوان یک راه حل مناسب برای کنترل تلفات خط، ولتاژ گذر، ثبات ولتاژ و غیره به رسمیت شناخته شده و نشان دهنده یک عصر جدید برای سیستم های توزیع است. این مقاله در حال توسعه رویکردی برای قرار دادن DG به منظور به حداقل رساندن از دست دادن قدرت و انرژی فعال خطوط توزیع است، در حالی که ولتاژ باس و شاخص پایداری ولتاژ را در محدوده مشخص یک سیستم قدرت معین حفظ می کند. بهینه سازی بر اساس محل مطلوب و اندازه بهینه از DG انجام شده است. این مقاله یک روش الگوریتم کریل گله جدید، کارآمد (KHA) را برای حل مشکل تخصیص بهینه DG شبکه های توزیع توسعه داده است. برای تست امکان سنجی و اثربخشی، الگوریتم KH ارائه شده بر روی 33 باس، 69-باس و 118 باس شبکه های توزیع شعاعی استاندارد تست شده است. نتایج شبیه سازی نشان می دهد که نصب DG در محل مطلوب به طور قابل توجهی می تواند سبب کاهش از دست دادن قدرت سیستم برق توزیع شده شود. علاوه بر این، نتایج عددی، در مقایسه با دیگر الگوریتم های جستجوی تصادفی مانند الگوریتم ژنتیک (GA)، بهینه سازی ازدحام ذرات (PSO)، همراه GA و PSO (GA / PSO و عامل حساسیت از دست دادن شبیه سازی آنیلینگ (LSFSA)، نشان می دهد که KHA می تواند راه حل هایی با کیفیت بهتر را پیدا کند.
کلمات کلیدی: سیستم توزیع شعاعی | ژنراتور توزیع | کاهش تلفات | الگوریتم های تکاملی | الگوریتم کریل هرد | تکامل تفاضلی
مقاله ترجمه شده
6 پوشش منطقه صرفه جویی انرژی با استفاده از الگوریتم های زمانبندی گره دوربین تکاملی در شبکه های حسگر بصری
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 31
پوشش منطقه یک مسئله تحقیق مهم در زمینه شبکه های حسگر بصری (VSN) ها به علت محدودیت های ذاتی VSN ها، مانند منابع غیر قابل شارژ انرژی و جهت محدوده حس گر گره های دوربین است. استقرار انبوه گره های دوربین، امکان ارائه یک پوشش منطقه رضایت بخش برای مدت طولانی را فراهم می کند. در عین حال بقیه گره های دوربین را می توان خاموش کرد و زمانی که لازم باشد، گره های فعال جایگزین می شود. در این مقاله، مساله پوشش منطقه در VSN ها را تعریف می کنیم که هدف آنها به حداقل رساندن سلول های شبکه ای خالی و اضافی از یک منطقه مطلوب و اعوجاج انرژی گره های دوربین است. سپس ما دو الگوریتم زمانبندی برای گره های دوربین پیشنهاد می کنیم که به طور تصادفی به k-پوشش منطقه مورد نظر اعمال می شود. در اولین الگوریتم به نام زمانبندی گره دوربین تکامل یافته (ECNS)، هدف ما به دست آوردن حداکثر پوشش منطقه با قرار دادن کوچکترین (کمترین) تعداد گره های دوربین در حالت فعال و به حداقل رساندن سلول های شبکه ای خالی و بیش از حد است. از آنجایی که اهداف در نظر گرفته شده در ECNS، یکدیگر را متضاد می شمارند(با یکدیگر تضاد و ناسازگاری دارند)، از روش جمع بندی وزن متعادل استفاده می کنیم تا اهدافمان را به یک معادله خطی ترسیم کنیم و سپس یک الگوریتم ژنتیکی برای یافتن حداقل مقدار معادله خطی یکپارچه پیشنهاد می کنیم. در الگوریتم دوم زمانبندی گره دوربین تکاملی آگاه از انرژی (EAECNS)، ما یک روش برای تعادل بین مصرف انرژی تمام گره های دوربین را پیشنهاد می دهیم در حالی که آن پوشش رضایت بخش منطقه مورد نظر را فراهم می کند و تعداد سلول های شبکه ای پوشش داده شده اضافی را پایین نگه می دارد. ما عملکرد هر دو الگوریتم را از نظر پوشش، تعداد گره های زنده و افزونگی با شبیه سازی های بعدی ارزیابی می کنیم. همچنین نشان می دهد که EAECNS دارای عملکرد برتر در مقایسه با ECNS و دیگر الگوریتم های پیشرفته تر است.
کلمات کلیدی: شبکه های حسگر بصری (WSN) | پوشش منطقه | الگوریتم های تکاملی | زمانبندی گره های دوربین
مقاله ترجمه شده
7 Comparison of many-objective evolutionary algorithms using performance metrics ensemble
مقایسه الگوریتم های تکاملی چند هدف با استفاده از معیارهای عملکرد گروه-2014
In this study, we have thoroughly researched on performance of six state-of-the-art Multiobjective Evolutionary Algorithms (MOEAs) under a number of carefully crafted many-objective optimization benchmark problems. Each MOEA apply different method to handle the difficulty of increasing objectives. Performance metrics ensemble exploits a number of performance metrics using double elimination tournament selection and provides a comprehensive measure revealing insights pertaining to specific problem characteristics that each MOEA could perform the best. Experimental results give detailed information for performance of each MOEA to solve many-objective optimization problems. More importantly, it shows that this performance depends on two distinct aspects: the ability of MOEA to address the specific characteristics of the problem and the ability of MOEA to handle high-dimensional objective space. Keywords: Performance metrics ensemble Many-objective optimization problem Evolutionary algorithms Double elimination tournament selection Many-objective evolutionary algorithms Performance metrics
مقاله انگلیسی
8 Optimal design of submarine pipeline routes by genetic algorithm with different constraint handling techniques
طراحی بهینه مسیرهای خط لوله زیر دریایی توسط الگوریتم ژنتیک با روش دست زدن به محدودیت های مختلف-2014
This work deals with optimization methods for the selection of submarine pipeline routes, employed to carry the oil & gas from offshore platforms. The main motives are related to the assessment of constrainthandling techniques, an important issue in the application of genetic algorithms and other natureinspired algorithms to such complex, real-world engineering problems. Several methods associated to the modeling and solution of the optimization problem are addressed, including: the geometrical parameterization of candidate routes; their encoding in the context of the genetic algorithm; and, especially, the incorporation into the objective function of the several design criteria involved in the route evaluation. Initially, we propose grouping the design criteria as either ‘‘soft’’ or ‘‘hard’’, according to the practical consequences of their violation. Then, the latter criteria are associated to different constraint-handling techniques: the classical static penalty function method, and more advanced techniques such as the Adaptive Penalty Method, the e-Constrained method, and the Ho-Shimizu technique. Case studies are presented to compare the performance of these methods, applied to actual offshore scenarios. The results indicate the importance of clearly characterizing feasible and infeasible solutions, according to the classification of design criteria as ‘‘soft’’ or ‘‘hard’’ respectively. They also indicate that the static penalty approach is not adequate, while the other techniques performed better, especially the e-Constrained and the Ho-Shimizu methods. Finally, it is seen that the optimization tool may reduce the design time to assess an optimal route, providing accurate results, and minimizing the costs of installation and operation of submarine pipelines. Keywords: Marine structures Submarine pipelines Oil & gas Optimization Evolutionary algorithms Constraint-handling techniques
مقاله انگلیسی
9 A new optimization method: Big Bang–Big Crunch
روش جدید بهینه سازی انفجار بزرگ-2014
Abstract Nature is the principal source for proposing new optimization methods such as genetic algorithms (GA) and simulated annealing (SA) methods. All traditional evolutionary algorithms are heuristic population-based search procedures that incorporate random variation and selection. The main contribution of this study is that it proposes a novel optimization method that relies on one of the theories of the evolution of the universe; namely, the Big Bang and Big Crunch Theory. In the Big Bang phase, energy dissipation produces disorder and randomness is the main feature of this phase; whereas, in the Big Crunch phase, randomly distributed particles are drawn into an order. Inspired by this theory, an optimization algorithm is constructed, which will be called the Big Bang–Big Crunch (BB–BC) method that generates random points in the Big Bang phase and shrinks those points to a single representative point via a center of mass or minimal cost approach in the Big Crunch phase. It is shown that the performance of the new (BB–BC) method demonstrates superiority over an improved and enhanced genetic search algorithm also developed by the authors of this study, and outperforms the classical genetic algorithm (GA) for many benchmark test functions. q 2005 Elsevier Ltd. All rights reserved. Keywords: Big Bang–Big Crunch evolution theory; Evolutionary algorithms; Genetic algorithm
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی