تبیین مدل نظری تولید و توسعه پلان های معماری در تعامل الگوریتم های یادگیری ماشین و ژنتیک

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
زمینه و هدف

مساله این پژوهش تبیین مدل نظری در جهت یافتن راهکاری نوین برای تولید و توسعه چیدمان فضایی پلان های معماری مبتنی بر روش های تعاملی و تلفیقی با کمک الگوریتم های یادگیری ماشین و ژنتیک است، در واقع هدف رسیدن به یک مدل نظری است که بیان می دارد الگوریتم های تکاملی به تنهایی مثمر ثمر نیستند، بلکه الگوریتم های یادگیری ماشین می توانند پلان ها را فراگیری کرده و مبنای مدل عملی شوند که به واسطه استفاده از الگوریتم های ژنتیک می توانند توسعه و تولید کننده نمونه های جدید باشند.

روش بررسی

در همین راستا روش پژوهش ترکیبی شامل مطالعات کتابخانه ای، گردآوری داده های خام، بررسی نمونه های موردی و استفاده از فرمول های محاسباتی به صورت تابع های هدف و جریمه است.

یافته ها

مطالعات این تحقیق نشان می دهد که الگوریتم ژنتیک توانایی حافظه سپاری ندارد و از طرفی مبنای محاسبات آن جهش و تصادفی عمل نمودن است که این فرآیند در تولید پلان های معماری به تنهایی اثربخش نخواهد بود.

نتیجه گیری

نتایج پژوهش نشان می دهد که براساس مدل نظری ارایه شده، الگوریتم یادگیری ماشین به واسطه ساختار نمونه پذیر خود می تواند نمونه هایی را ذخیره و بازشناسی نماید و الگوریتم ژنتیک که یک الگوریتم جستجوگر و توسعه پذیر است، هر بار نمونه های بیشتری را از پلان های معماری براساس مدل ریاضی ارایه شده تولید نماید.

زبان:
فارسی
صفحات:
1 تا 15
لینک کوتاه:
magiran.com/p2508503 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!