طراحی سیستم دسته بند یادگیر برای حل مسئله ماز با استفاده از الگوریتم ژنتیک بهبودیافته
حل مسئله ماز یکی از مسایل کلاسیک در نظریه گراف است. مسئله ماز انواع مختلفی دارد که میتوان به مواردی چون ماز اعداد، ماز پیچوخم، ماز دایرهای، ماز تله و حلقه، ماز همیلتون و ماز بلوک اشاره کرد. سیستمهای دستهبند یادگیر بهطور موفقیتآمیز در مسایل مربوط به دستهبندی و دادهکاوی، مسایل یادگیری تقویت، مسایل رگرسیون، یادگیری نقشه شناختی و حتی مسایل کنترل ربات مورداستفاده قرار گرفته است. در این مقاله، برای حل مسئله ماز از سیستم دستهبند یادگیر تک عامل استفادهشده است که با شناخت محیط و یادگیری، مسیری را برای رسیدن به هدف پیدا میکند. بهمنظور یادگیری بهتر از اعمال تشویق و تنبیه مناسب استفاده میشود و همچنین جهت پوشش کامل فضای مسئله و فرار از بهینه محلی، از الگوریتم ژنتیک بهبودیافته، استفاده شده که شامل یک عامل جهش بهبودیافته است. نتایج پیادهسازی رویکرد پیشنهادی، بیانگر کاهش زمان حل مسئله و افزایش دقت الگوریتم است.
- 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.