
دانلود پاورپوینت الگوریتم های ژنتیک
قالب : pdf
چکیده
این مقاله یک الگوریتم جدید به نام ID6NB را برای توسعه درخت تصمیم ، معرفی می کند که شامل
الگوریتم ID3 غیر افزایشی Quinlan است. این الگوریتم راه حل هایی برای دو مشکل ذیل ارائه
می کند: - وضعیتی که در آن رای گیری اکثریت تصمیم نادرست می دهد )یعنی ساخت دو نوع قانون
متفاوت برای داده یکسان(.
- کاهش ابعاد در الگوریتم غیر افزایشی درخت تصمیم گیری، تخمین صفت مناسب برای یک گره
جایی که دو یا چند صفت بهره اطلاعاتی یکسانی دارند. مشکل اکثریت به کمک الگوریتم Naive Bayes حل می شود. برای کاهش ابعاد نیز یک راه حل ارائه شده است. در نهایت، دقت طبقه بندی به
شدت بهبود یافته است. آزمایش گسترده و گسترش یافته در تعدادی از مجموعه داده های واقعی و
مصنوعی نشان می دهد که ID6NB یک الگوریتم دسته بندی state-of-the-art است که نسبت به
سایر روش های یادگیری درخت تصمیم گیری، خروجی بهتری دارد.
واژه های کلیدی: داده کاوی، کاهش ابعاد، طبقه بندی، درخت تصمیم، رای اکثریت،
سال انتشار: ۱۳۹۲
تعداد صفحات: ۵ | زبان ارائه مقاله: فارسی
الگوریتم ژنتیک یک روش بهینه سازی بر پایه تکامل بیولوژیک است که معروفترین و پر استفاده ترین نوع در میان انواع روش های فرا ابتکاری است. در این بررسی به منظور افزایش راندمان، دو سیکل استرلینگ و ORC با یکدیگر ترکیب شده و معادلات آن ها نوشته شده است. با استفاده از الگوریتم ژنتیک و در نظر گرفتن 3 متغیر تصمیم دمای منبع سرد سیکل استرلینگ، نسبت فشار و دمای کندانسور سیکل ORC بهینه سازی صورت گرفته و بالاترین بازده از میان متغیرهای بالا بدست آمد. نتیجه این بهینه سازی بهبود بازده کل سیکل ترکیبی در محدوده اطلاعات وروردی است. بالاترین بازده به دست آمده از این روش در حدود 41.5% است.
الگوریتم ژنتیک، بهینه سازی، راندمان، سیکل استرلینگ، سیکل ORC
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (قماشی, حسین و سیدسعید بهاری، ۱۳۹۲)
برای بار دوم به بعد: (قماشی و بهاری، ۱۳۹۲)
فورمت PDF
تعداد صفحات 13
زبان فارسی
با پیچیده تر شدن مسائل و نیاز به سرعت بالا برای یافتن جواب بهینه در علوم گوناگون، استفاده از روش
های بهینه سازی مبتنی بر جستجو بسیار افزایش یافته است. یکی از قدرتمندترین و پرکاربرد ترین این
روش ها، الگوریتم ژنتیک ) GA ( می باشد. در اینجا الگوریتم ژنتیک به طور کامل بررسی شده و در
بهینه سازی تابعی بکار گرفته می شود.
محل انتشار: دهمین کنگره بین المللی مهندسی عمران تبریز
تعداد صفحات: 8
نوع فایل : pdf