همه چیز درباره الگوریتم تخمین توزیع
"الگوریتم تخمین توزیع مفهوم جدیدی در زمینه محاسبات تکاملی است و با این ایده به وجود آمده است تا با ساخت یک مدل احتمالی از جمعیت مورد بررسی به حفظ بلوک‌های ساختاری با ارزش در نسل‌های متوالی بپردازد. تحقیقات روزافزونی در این زمینه در حال پیگیری است و گونه‌های متفاوتی از این الگوریتم توسط محققان دانشگاه‌های مختلف ارائه شده‌است. برخی از محققین از نام‌هایی همچون ساختار مدل احتمالی الگوریتم‌های ژنتیک (PMBGAs) یا الگوریتم‌های تخمین چگالی تکرار (IDEAs) برای توصیف این الگوریتم استفاده می‌کنند، اما همه این اسامی به مفهوم واحدی اشاره دارند. این الگوریتم‌ها بر اصول ژنتیکی زیادی متکی نیستند و بجای آن در هر نسل، مدل احتمالی صریحی از توزیع افراد خوب برگزیده شده در فضای جستجو می‌سازند. گام مدل-نمونه در EDA را می‌توان چیزی شبیه عمل crossover با چندین والد تصور کرد. نقطه قوت یا ضعف یک EDA ویژه به طور عمده توسط همین مدل احتمالی تعیین می‌گردد."
آنچه خواندید، مقدمه فصل اول یکی از جامعترین متون فارسی در زمینه محاسبات تکاملی است که به بررسی الگوریتم های تخمین توزیع می پردازد. این متن ارزشمند را
جناب آقای محمد خجسته فرد در ﮔﺮوه ﻫﻮش ﻣﺼﻨﻮﻋﯽ داﻧﺸﮑﺪه ﻣﻬﻨﺪﺳﯽ ﺑﺮق و ﮐﺎﻣﭙﯿﻮﺗﺮ دانشگاه صنعتی اصفهان تهیه کرده اند و جهت استفاده سایر علاقه مندان، آن را جهت انتشار در اختیار وبسایت محاسبات تکاملی قرار داده اند. اگر به این حوزه مهم از هوش محاسباتی و محاسبات تکاملی علاقه مند هستید، این پست را از دست ندهید.
در ضميمه فایل pdf متن کامل این نوشتار ارزشمند و جامع جهت دانلود در اختیار قرار داده شده است.
فهــرست مطالب
فصل اول: مقدمه
شرح مساله پژوهشی
پيشينه و تاريخچه
اهداف پژوهش
اهميت و ارزش این پژوهش
کاربرد نتايج پژوهش
روش پژوهش
ساختار پژوهش
فصل دوم: مدل کلی الگوریتم تخمین توزیع
مقدمه
الگوریتم تخمین توزیع (EDA)
معرفی نمادهای مورد استفاده
ارائه یک مثال
معرفی مراکز تحقیقاتی
فصل سوم: مدل یک متغیره
مقدمه
شرح مدل یک متغیره
الگوریتم جمعیتی بر اساس یادگیری افزایشی
الگوریتم توزیع کناری یک متغیره
الگوریتم ژنتیک متراکم
موارد کاربرد و نتیجه گیری
فصل چهارم: مدل دو متغیره
مقدمه
شرح مدل دو متغیره
الگوریتم بیشینه سازی اطلاعات دوطرفه برای خوشه بندی ورودی
الگوریتم ترکیب بهینه‌سازها با درخت‌های اطلاعات دوطرفه
الگوریتم توزیع کناری دو متغیره
فصل پنجم: مدل چند متغیره
مقدمه
شرح مدل چند متغیره
الگوریتم ژنتیک متراکم توسعه‌یافته
الگوریتم توزیع فاکتورگیری شده
الگوریتم بهینه‌سازی بیزی
الگوریتم یادگیری توزیع فاکتورگیری شده
الگوریتم تخمین شبکة بیزی
یادگیری شبکة احتمالی
فصل ششم: پیچیدگی محسباتی
مقدمه
الگوریتم تخمین توزیع با اندازه جمعیت نامحدود
کران بالایی برای پیچیدگی زمانی همگرایی سراسری
محاسبة زمان توقف همگرایی سراسری
نتیجه گیری
فصل هفتم: آزمایشات
مقدمه
مسالة حاصل جمع زیر مجموعه‌ها
مسالة بیشترین یک
مسالة n وزیر
نتیجه گیری
فصل هشتم: الگوریتم‌های تخمین توزیع و یادگیری ماشین
مقدمه
کاربرد الگوریتم تخمین توزیع در یادگیری ماشین
پیش زمینة یادگیری ماشین
الگوریتم ID3
ترکیب یادگیری استقرایی و یادگیری آماری در الگوریتم SI3E
استخراج دانش از جمعیت با استفاده از ID3
نقش PBIL
مکان‌های ثابت و تشکیل مجموعة مثال‌ها
الگوریتم SI3E و نحوة تنظیماتش
مراجع
دوستان لطفاً براي اطمينان از تغييرات احتمالي در مطلب، به منبع اصلي نيز مراجعه نماييد
منبع اصلي: همه چیز در باره الگوریتم تخمین توزیع