کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

ادغام الگوریتم‌های فراابتکاری با یادگیری تقویتی عمیق برای بهینه‌سازی پویا و خودسازمان‌دهی شبکه‌های عصبی در سیستم‌های هوشمند

نویسندگان :

مهتاب تجویدیان¹

1- دانشگاه قم

کلمات کلیدی :

الگوریتم‌های فراابتکاری،یادگیری تقویتی عمیق،بهینه‌سازی پویا،چارچوب هیبریدی،سیستم‌های هوشمند

چکیده :

در این پژوهش، چارچوبی هیبریدی توسعه یافته است که الگوریتم‌های فراابتکاری را با یادگیری تقویتی عمیق برای بهینه‌سازی پویا و خودسازمان‌دهی شبکه‌های عصبی در سیستم‌های هوشمند ادغام می‌کند. هدف اصلی، بهبود عملکرد بهینه‌سازی در مسائل پیچیده ترکیبی و شبکه‌های عصبی احتمالاتی با افزایش دقت، سرعت همگرایی و قابلیت تطبیق سیستم در محیط‌های تغییرپذیر است. در این روش، یادگیری تقویتی عمیق به‌عنوان مکانیزمی جهت تنظیم پویا پارامترهای الگوریتم‌های فراابتکاری به کار گرفته شده است تا فرآیند اکتشاف و بهره‌برداری به شکل بهینه‌ای هدایت شود. این رویکرد توانسته است در کاربردهای متنوعی مانند زمان‌بندی ماهواره‌های مشاهدات زمین، تخصیص مأموریت در سیستم‌های حمل و نقل هوشمند، و طراحی شبکه‌های عصبی، عملکرد قابل توجهی ارائه دهد. ارزیابی چارچوب با استفاده از مجموعه مسائل استاندارد بهینه‌سازی و سناریوهای دینامیک نشان‌دهنده افزایش دقت پیش‌بینی، بهبود سرعت همگرایی و افزایش پایداری الگوریتم‌ها در مواجهه با تغییرات محیطی است. این ترکیب نوآورانه باعث ارتقای قابلیت خودسازمان‌دهی و انعطاف‌پذیری سیستم‌های هوشمند شده و چشم‌اندازی نوین برای توسعه سیستم‌های تطبیقی و هوشمند در کاربردهای آینده فراهم می‌آورد.