تحقیق الگوریتم بهینه سازی Bayesian

توضیح مختصر:

مراجع را می توان 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. در بین الگوریتم های متنوع دانش سرپرستی برای انجام دادن مدلهای مخلوط، دسته بندی یک کاندیدای مناسب برحسب بازدهی محاسباتی دیده شده است. بطور

دسته بندی: مدیریت » سایر گرایش های مدیریت

فرمت فایل دانلودی: rar

فرمت فایل اصلی: doc

تعداد صفحات: 62

حجم فایل:843 کیلوبایت

قیمت: 13000 تومان

مراجع را می توان 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. در بین الگوریتم های متنوع دانش 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 می گیرند که تلاش می کند یک مجموعه از اطلاعات چند بعدی را به تعدادی زیر 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 نمونه های داده را به K زیر مجموعه غیر تهی تقسیم می کند. مختصات میانگین حسابی گروههای رایج محاسبه می شود و هر نمونه به نزدیکترین تقسیم بندی اشاره می کند. پروسه ادامه می یابد تا زمانیکه گمارش دیگری اتفاق نیافتد. در RLA هر نمونه تصادفی انتخاب شده متعلق به نزدیکترین طبقه بندی که رهبر آن فاصله با نمونه اش زیر حد داده شده قرار دارد. نتیجه پس از فقط یکبار مرور کردن هر نمونه بدست می آید.

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 می شود (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 کارایی شان برای مسائل بزرگ تجزیه پذیر، براساس اصل حداکثر ترکیب زیر مسئله ها انجام داده می شوند.

نتایج کارایی r BOA

علاوه بر این توزیع احتمال نرمال به علت فواید ذاتی (خصوصیات تقریب نزدیک و تجزیه مناسب و آسان) آن به کار گرفته شده است. انتخاب کوتاه که نیمه بالای جامعه را انتخاب می کند و BIC با Eq، (5،6) که پارامتر تنظیم آن 0.5 است برای یادگیری یک مدل آماری استفاده نشده بودند. سیاست تجزیه بدترین نیمه جامعه را با نسل جدید تولید شده جایگزین می کند. (یعنی جایگزینی نخبه ها) چون هیچ اطلاعات قدیمی در ساختار مسئله وجود ندارد. ما 1- را برای تعداد والده های مجاز در نظر می گیریم، هیچ محدودیتی در مدل انتخاب وجود ندارد. هر آزمایش وقتی که بهینه پیدا شود یا تعداد نسلها به دویست برسد پایان داده می شود. همه نتایج بعد از 100 اجرا میانگین گرفته می شود.

شکل 5،7 میانگین تعداد محاسباتی را Rboa انجام می دهد تا بهینه RDP را با ، نشان می دهد. همچنین این شکل نتیجه PSNR با را نشان می دهد.

عبارات و جملات کلیدی

• تحقیق مدیریت
• دانلود تحقیق
• کار تحقیقی مدیریت
• مدیریت
• تحقیق الگوریتم بهینه سازی Bayesian
• الگوریتم
• الگوریتم بهینه سازی
• بهینه سازی
• Bayesian
• الگوریتم Bayesian

خرید فایل

پست مرتبط

تصادفی