دسترسی همگانی(OPAC) نام کتابخانه در اوپک

کاهش فضای جستجو الگوریتم ژنتیک به کمک الگوریتم ین در شبکه های حسگر بی سیم (1405) / محققیان ، فائزه، نویسنده
نوع مدرک:متون چاپی
سرشناسهمحققیان ، فائزه، نویسنده
شماره بازیابی :‭COM soft ‭92 1405
عنوان :کاهش فضای جستجو الگوریتم ژنتیک به کمک الگوریتم ین در شبکه های حسگر بی سیم
عنوان موازی :Reducing the Search Space of the Genetic Algorithm Using the Yen‘s Algorithm in Wireless Sensor Networks
ناشر:دانشگاه شهید اشرفی اصفهانی: اصفهان
سال نشر :1405
صفحه شمار:102ص
شابک/شاپا26316
یادداشتپایان نامه برای دریافت درجه کارشناسی ارشد
گرایش: نرم افزار
شناسه افزوده :خیام باشی ، محمد رضا، استاد راهنما
توصیفگرهاالگوریتم ژنتیک، فضای جستجو، الگوریتم ین، شبکه های حسگر بی سیم  Genetic Algorithm, Search Space, Yen’s Algorithm, Wireless Sensor Networks
چکیده :الگوریتم ژنتیک به‌عنوان یکی از روش‌های فراابتکاری مؤثر در حل مسائل بهینه‌سازی، به‌دلیل توانایی در جستجوی سراسری و وابستگی کم به ویژگی‌های تابع هدف، کاربرد گسترده‌ای دارد. با این حال، افزایش سرعت همگرایی و دستیابی به پاسخ‌های باکیفیت در زمان کمتر، همچنان از چالش‌های اصلی این الگوریتم است. در مسائل با فضای جستجوی گسترده، کیفیت جمعیت اولیه نقش مهمی در عملکرد نهایی الگوریتم دارد و بهبود این بخش می‌تواند کارایی آن را افزایش دهد.
در الگوریتم ژنتیک کلاسیک، جمعیت اولیه معمولاً به‌صورت تصادفی تولید می‌شود؛ بنابراین ممکن است راه‌حل‌های اولیه فاصله زیادی با پاسخ بهینه داشته باشند. این موضوع باعث گسترش غیرهدفمند فضای جستجو، افزایش تعداد تکرارها و طولانی‌تر شدن زمان همگرایی می‌شود. در محیط‌هایی با منابع محدود، مانند شبکه‌های حسگر بی‌سیم که طول عمر گره‌ها اهمیت بالایی دارد، این مسئله می‌تواند کارایی سیستم را کاهش دهد.
در این پژوهش، رویکردی مبتنی بر هدایت تولید جمعیت اولیه برای بهبود عملکرد الگوریتم ژنتیک ارائه شده است. در روش پیشنهادی، از الگوریتم ین برای استخراج پاسخ‌های اولیه هدفمند و نزدیک به نواحی بهینه استفاده می‌شود تا فضای جستجو کاهش یافته و همگرایی تسریع گردد. برای ارزیابی روش، سناریویی در شبکه‌های حسگر بی‌سیم با هدف یافتن کوتاه‌ترین مسیر بین دو حسگر در کمترین زمان بررسی شد. نتایج شبیه‌سازی و مقایسه با الگوریتم ژنتیک کلاسیک بر اساس معیارهای اقلیدسی، منهتن و چبیشف نشان داد که مقداردهی اولیه هدایت‌شده موجب بهبود قابل توجه عملکرد الگوریتم شده است؛ به‌گونه‌ای که با استفاده 5 درصدی از الگوریتم ین، زمان همگرایی از 868/1 ثانیه به 012/0 ثانیه کاهش یافت و حدود 36/99 درصد بهبود حاصل شد. همچنین در معیار منهتن، هزینه مسیر حدود 5/9 درصد کاهش یافت. نتایج نشان می‌دهد ترکیب الگوریتم ین و الگوریتم ژنتیک می‌تواند ضمن حفظ تنوع ژنتیکی، کیفیت پاسخ‌ها و سرعت دستیابی به مسیر بهینه را به‌طور مؤثری افزایش دهد
لینک ثابت رکورد:../opac/index.php?lvl=record_display&id=15120
زبان مدرک :فارسی
شماره ثبتشماره بازیابینام عام موادمحل نگهداریوضعیت ثبتوضعیت امانت
26316‭COM soft ‭92 1405 پایان‌نامهدانشگاه شهید اشرفی اصفهانیاسناد مرجعغیر قابل امانت

کاربران آنلاین :76