سال انتشار: ۱۳۸۶

محل انتشار: سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۵

نویسنده(ها):

هدیه ساجدی – دانشگاه صنعتی شریف دانشکده مهندسی کامپیوتر
حسین ثامتی – عضو هیات علمی دانشگاه صنعتی شریف دانشکده مهندسی کامپیوتر
حمید بیگی – عضو هیات علمی دانشگاه صنعتی شریف دانشکده مهندسی کامپیوتر

چکیده:

الگوریتم PSO یک روش هوش گروه ی برای حل مسائلبهینه سازی سراسری است. در PSO هر کاندید راه حل، موقعیت خودرا در فضای جستجو با توجه به تجربیات خود و تجربیات کل گروه راه حلهای کاندید، تغییر می دهد. در این مقاله مدلی از الگوریتم PSO ارائه می شود که در آن یک گروه به چندین زیر گروه تقسیم می شود و علاوه بر بهترین حالت هر جزء و بهترین حالت کل گروه، بهترین حالت هر زیرگروه نیز در حرکت تک تک اجزاء اثر می گذارد. آزمایشات انجام شده برای یافتن بهینه سراسری چندین نمونه تابع با تعداد زیاد بهینهمحلی و سراسری، کارایی بهتر این روش را در مقایسه باPSO نشانمی دهد. همچنین نتایج آزمایشات بکارگیری الگوریتمMPSO در روند آموزش مدل مخفی مارکوف(HMM) یک سیستم بازشناسی گفتار نشان می دهد که با استفاده از این روش، خطای بازشناسی نسبت به استفاده از روشهای مبتنی بر بیشترین میزان شباهت، ۴.۸۳ درصد کاهش یافته است.