چکیده
طراحی الگوریتم برای حل مسئلهای مشخص، به علت تنوع گزینههای طراحی ممکن و فقدان دستورالعملهای واضح در مورد چگونگی انتخاب و ترکیب آنها، امری چالش برانگیز است. تکنیکهای بهینهسازی و یادگیری ماشین به منظور مستقلسازی بیشتر فرآیند طراحی الگوریتم از مداخله انسانی، مورد استفاده قرار گرفتهاند. به ویژه رویکردهای فوق ابتکاری به منظور جستجوی فضای الگوریتمها/ فرآیند ابتکاری و یا مولفههای آنها و ترکیب تکرار شونده و اتخاذ آنها برای مسائلی خاص پیشنهاد شدهاند. اگرچه فرآیند فوق ابتکاری سبب انعطافپذیری برای تولید الگوریتمهای سفارشی شده است ولی در عین حال چنین تولیدی میتواند بسیار گران باشد. در این مقاله یک فوق ابتکاری ترکیبی (H3AD) پیشنهاد میشود که ترکیبی از یک روش انتخاب خودکار با یک فوق ابتکاری مولد است. این ترکیب در نظر دارد هزینه ارائه یک الگوریتم برای یک مسئله ورودی جدید را با استفاده مجدد از الگوریتمهایی که پیش از این توسط فرآیند فوق ابتکاری ساخته شده بود را برای حل مسائلی مشابه کاهش دهد. H3AD در یک مطالعه موردی به منظور بهینهسازی طراحی الگوریتمهای بهینهسازی ازدحام ذرات در مسائل بهینهسازی پیوسته بدون محدودیت مورد ارزیابی قرار گرفته است. نتایج ثابت کرد که H3AD توصیههایی مناسب از الگوریتمها را ارائه میدهد و از الگوریتمهای تولید شده توسط فوق ابتکاری برای مسائل ورودی جدید استفاده مجدد میکند. علاوه بر این H3AD به شدت سبب کاهش زمان ارائه الگوریتمهای سفارشیسازی شده در قیاس با فرآیند فوق ابتکاری مولد میشود و در عین حال نیز کارایی بهینهسازی کاهش چشمگیری نخواهد داشت.
1-مقدمه
طراحی الگوریتم یا ابتکاری برای حل مسئلهای خاص، به دلیل تنوع گزینههای طراحی ممکن و فقدان دستورالعملهای واضح در مورد چگونگی انتخاب و ترکیب آنها، امری چالش برانگیز است. به عنوان مثال، عملکرد یک الگوریتم بهینهسازی بستگی به طراحی اپراتورهای جستجو و همچنین تنظیمی مناسب از فوقپارمترهایی خاص دارد که هر کدام دارای گزینههای بسیاری برای انتخاب هستند. از این رو، علاقه رو به رشدی به تحقیق در طراحی خودکار الگوریتمها با کاوش بهینهسازی خودکار و رویکردهای یادگیری ماشین وجود دارد که هدف آنها این است که فرآیند طراحی کمتر وابسته به تعاملات انسانی باشد [39]....
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید .