استفاده از توابع كوپلا براي يادگيري وابستگي متغيرها درالگوريتم هاي تخمين توزيع پيوسته

كارشناسي ارشد

چكيده الگوريتم‌هاي تخمين توزيع نوعي از الگوريتم‌هاي تكاملي هستند كه براي حل مجموعه متنوعي از مسائل بهينه‌سازي به كار رفته‌اند. در اين الگوريتم‌ها به جاي استفاده از عملگرهاي ژنتيكي سنتي، در هر نسل يك مدل احتمالي از راه‌حل‌هاي برگزيده جمعيت ساخته مي‌شود. اين مدل نشان‌دهنده‌ي وابستگي‌ها و ارتباط اجزاي مسأله است. به تازگي تحقيقات زيادي درباره استفاده از توابع كوپلا در الگوريتم هاي تخمين توزيع صورت گرفته است. تابع كوپلا ابزاري مناسب براي مدل كردن وابستگي ها مي باشند. تئوري كوپلا بوسيله اسكالر براي جدا كردن اثر وابستگي از اثر توزيعهاي احتمالي كناري در يك توزيع مشترك مطرح شد. به عبارتي اين تئوري ميگويد كه هر توزيع چند متغيره را ميتوان بصورت يك توزيع حاشيه ايي و يك تابع كوپلا بيان كرد. هدف از اين پايان نامه، استفاده از توابع كوپلا و واين در بهينه سازي الگوريتم هاي تخمين توزيع مي باشد و با استفاده از اين توابع، تاثير توزيع حاشيه ايي و ساختار وابستگي را بررسي مي كنيم و نشان مي دهيم كه اين دو پارامتر چه نقش مهمي در پردازش بهينه سازي الگوريتم دارند. بعضي اوقات واضح نيست كه كدام تابع كوپلا چند متغيره بايد انتخاب شود و تعداد توابع هاي كوپلا چند متغيره نيز محدود است اما واين ايده استفاده از مدل گرافيكي مطرح كردكه وابستگي بين متغيرها را مي توان نشان داد. واژه‌هاي كليدي: مسائل بهينه سازي،الگوريتم تخمين توزيع پيوسته، توابع كوپلا، كلاس هاي واين، الگوريتم تخمين توزيع واين، روش ساخت جفت كوپلا، محيط برنامه نويسيR.

188424

دانشگاه علم و صنعت ايران

هوش مصنوعي و رباتيك

دكتر امين نيك انجام