کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6857547 | 665202 | 2016 | 18 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Divergence of character and premature convergence: A survey of methodologies for promoting diversity in evolutionary optimization
ترجمه فارسی عنوان
رونق شخصیت و همگرایی زود هنگام: بررسی روش شناسی برای ترویج تنوع در بهینه سازی تکاملی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
بهینه سازی تکاملی، حفظ تنوع
ترجمه چکیده
در دهه های گذشته، روش های مختلف بهینه سازی تکاملی توسط دانشمندان پیشنهاد شده است و توسط تمرینکنندگان در طیف وسیعی از برنامه های کاربردی مورد سوء استفاده قرار گرفته اند. هر پارادایم ویژگی های متمایز، مزایای معمول و معایب مشخصی را نشان می دهد؛ با این حال، تقریبا همه ی آنها یک مشکل واحد هستند: فقدان نوع خاصی؟ در حالی که انتخاب طبیعی به تغییرات در جهت واگرایی بیشتر کمک می کند، در راه حل های کوانتومی تکامل مصنوعی، همولوگ سازی می شود. بسیاری از نویسندگان اظهار داشتند که ترویج تنوع در فرایندهای بهینه سازی تکاملی سودمند خواهد بود و می تواند به جلوگیری از همگرایی زود هنگام در راه حل های غیرمستقیم کمک کند. این مقاله تحقیقات در این زمینه را تا اواسط سال 2010 بررسی می کند، آن را مجددا سفارش می دهد و روش های مختلف را به یک چارچوب مجدد تفسیر می کند و یک طبقه بندی جدید سه محوری را پیشنهاد می کند. هدف آن این است که خواننده را با دیدگاه یکپارچه از مشارکت های بسیاری در این بخش مهم، به مقایسه و انتخاب های آگاهانه ارائه دهیم. خصوصیات تکنیک های مختلف مورد بحث قرار گرفته است، و شباهت ها برجسته شده است؛ راه های عملی برای اندازه گیری و ترویج تنوع نیز پیشنهاد شده است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
In the past decades, different evolutionary optimization methodologies have been proposed by scholars and exploited by practitioners, in a wide range of applications. Each paradigm shows distinctive features, typical advantages, and characteristic disadvantages; however, one single problem is shared by almost all of them: the “lack of speciation”. While natural selection favors variations toward greater divergence, in artificial evolution candidate solutions do homologize. Many authors argued that promoting diversity would be beneficial in evolutionary optimization processes, and that it could help avoiding premature convergence on sub-optimal solutions. The paper surveys the research in this area up to mid 2010s, it re-orders and re-interprets different methodologies into a single framework, and proposes a novel three-axis taxonomy. Its goal is to provide the reader with a unifying view of the many contributions in this important corpus, allowing comparisons and informed choices. Characteristics of the different techniques are discussed, and similarities are highlighted; practical ways to measure and promote diversity are also suggested.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 329, 1 February 2016, Pages 782-799
Journal: Information Sciences - Volume 329, 1 February 2016, Pages 782-799
نویسندگان
Giovanni Squillero, Alberto Tonda,