سال انتشار: ۱۳۹۴

محل انتشار: اولین همایش ملی کامپیوتر، فناوری اطلاعات و ارتباطات اسلامی ایران

تعداد صفحات: ۷

نویسنده(ها):

سلمان طائی – گروه کامپیوتر، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران
علی مهجور – گروه کامپیوتر، عضو هیئت علمی دانشگاه مالک اشتر، تهران، ایران

چکیده:

الگوریتم تخمین توزیع بر اصول ژنتیکی زیادی متکی نیست و به جای آن در هر نسل مدل احتمال بخشی از اعضاء جمعیت خوب وشایسته موجود در فضای حالت را انتخا میکند. همانند الگوریتم ژنتیک، روش تخمین توزیع ابتدا با یک جمعیت اولیه به اندازه مشخص شروع میشود، سپس تعدادی از جمعیت اولیه بر اساس معیاری از پیش تعیین شد انتخا میگردد. یعنی نحوه توزیع نقاط نزدیک به جوا قبلی در فضای مسئله محاسبه میشود و با این توزیع میزان احتمال هر عنصر از جمعیت اولیه را تعیین نموده و عناصر نسل بعد را ایجاد میکنیم. برای جستوجو در تقاضای فیلترها نیازمند شناسایی ویژگیهای هدف هستیم. یافتن ویژگیها تأثیربسزایی در دسته بندی جریان داد ورودی دارد. علاو بر این میتوان نحو ترکیب جریان خروجی فیلترها را بر اساس دسته بندی جریان داد ورودی تعیین کرد. روشهای جستوجوی مبتنی بر جمعیت نیازمند آموزش تابع هدف هستند. بنابراین با آموزش تابعهدف در روش جستوجو و تطابق آن با نیازمندی فیلترها و جریان داد ، نتایج مطلوبی حاصل میگردد. برای آموزش تابع هدف یاهمان تابع احتمال در الگوریتم تخمین توزیع نیازمند ابزاری برای شبیه سازی مدل احتمال بر جریان داده آزمایشی هستیم. ابزار پیشنهادی میتواند به سادگی، بهینهسازی تابع احتمال الگوریتم تخمین توزیع را بر اساس ویژگیها ی تعریف شده مسئله بررسی نماید. توسط این ابزار امکان جستوجوی ویژگی فیلترها در جریان داد یا مجموعه داد هها مهیا شده است. نتایج حاصل از بررسی مدلهای احتمال بهینه سازی شد در این ابزار بیانگر تطابق کامل نتایج با پیاد سازی مدل واقعی بر جریان داده است