ขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับด้วยค่าความถี่

ศรีชล ภิรมย์ลาภ

dc.contributor.advisor	สุนิสา ริมเจริญ
dc.contributor.author	ศรีชล ภิรมย์ลาภ
dc.contributor.other	มหาวิทยาลัยบูรพา. คณะวิทยาการสารสนเทศ
dc.date.accessioned	2023-05-12T02:51:26Z
dc.date.available	2023-05-12T02:51:26Z
dc.date.issued	2560
dc.identifier.uri	https://buuir.buu.ac.th/xmlui/handle/1234567890/6478
dc.description	งานนิพนธ์ (วท.ม.) -- มหาวิทยาลัยบูรพา, 2560
dc.description.abstract	ขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับเป็นหนึ่งในขั้นตอนวิธีเชิงวิวัฒนาการแบบใหม่ที่มีแนวความคิดในการใช้ตัวแบบความน่าจะเป็น (Probabilistic Model) แทนการใช้กลุ่มประชากรแบบเดิมในการค้นหาค าตอบ แนวความคิดนี้ทำให้ขั้นตอนวิธีเชิงพันธุกรรมใช้หน่วยความจำในการเก็บประชากรน้อยลงอีกทั้งยังไม่ต้องอาศัยการดำเนินการเชิงพันธุกรรม เช่น การไขว้เปลี่ยน หรือ การกลายพันธุ์ทำให้การประมวลผลทำได้รวดเร็วยิ่งขึ้นโดยที่ยังคงความสามารถเทียบเท่ากับ ขั้นตอนวิธีเชิงพันธุกรรมอย่างง่ายที่ใช้อยู่เดิม งานวิจัยนี้นำเสนอการปรับปรุงวิธีการปรับค่าเวคเตอร์ ความน่าจะเป็นของขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับ โดยเรียกขั้นตอนที่นำเสนอนี้ว่า ขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับด้วยค่าความถี่โดยขั้นตอนวิธีจะจัดเก็บข้อมูลค่าความถี่และค่าความต่อเนื่องในการปรับปรุงค่าความน่าจะเป็นเข้าหาค่า 0.0 หรือ 1.0 เพื่อนำมาใช้เป็นข้อมูลในการตัดสินใจ และกำ หนดขนาดของการปรับปรุงค่าความน่าจะเป็นในแต่ละรอบการทำงาน จากผลการทดลองแสดงให้เห็นว่าขั้นตอนวิธีที่นำเสนอสามารถหาคำตอบได้ดีกว่าหรือใกล้เคียงกับขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับแบบเดิม โดยใช้จำนวนครั้งในการประเมินค่าความเหมาะสมน้อยกว่า
dc.language.iso	th
dc.publisher	คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา
dc.rights	มหาวิทยาลัยบูรพา
dc.subject	วิธีเชิงพันธุกรรมแบบกระชับ
dc.subject	คณิตศาสตร์วิเคราะห์
dc.subject	ค่าความถี่
dc.subject	ความน่าจะเป็น
dc.subject	มหาวิทยาลัยบูรพา -- สาขาวิชาเทคโนโลยีสารสนเทศ
dc.title	ขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับด้วยค่าความถี่
dc.title.alternative	A frequency-bsed updting strtegy in compct genetic lgorithm
dc.type	วิทยานิพนธ์/ Thesis
dc.description.abstractalternative	The Compact Genetic Algorithm (cGA) is one of evolutionary algorithms. It employs a probabilistic model instead of using population in searching for solutions. This makes the compact genetic algorithm take advantage in using a small amount of memory and eliminating genetic operators such as crossover and mutation. This technique helps the algorithm to process faster. It is comparable with Simple Genetic Algorithm (sGA) . This thesis proposes an adaptation of updating strategy in the compact genetic algorithm to help the algorithm to achieve a higher solution quality with fewer evaluations. We named the proposed technique as the frequency based compact genetic algorithm (fb-cGA). The fb-cGA collects information from the past, i.e. frequencies and continuity of updating probabilities towards 0.0 and 1.0. The frequencies and continuity are used to guide an updating step size. The experiment results show that our proposed method requires lesser number of fitness evaluations and achieves similar or higher solution quality compared with the original cGA.
dc.degree.level	ปริญญาโท
dc.degree.discipline	เทคโนโลยีสารสนเทศ
dc.degree.name	วิทยาศาสตรมหาบัณฑิต
dc.degree.grantor	มหาวิทยาลัยบูรพา