دانلود مقالات کامپیوتر

در اين مقاله يك الگوريتم مبتني براتوماتاهاي يادگير براي يافتن درخت پوشاي مينيمم با كمترين هزينه مورد انتظار در گراف هاي تصادفي ارايه شده است. فرض بر اين است كه تابع توزيع وزن يالها از قبل شناخته شده نيست و فقط به نمونه هاي توزيع يال ها دسترسي داريم. هدف يافتن چنين درختي با حداقل تعداد نمونه گيري از يالهاي گراف مي باشد. در الگوريتم پيشنهادي در هر تكرار اتوماتاي يادگيريالي از گراف را براي نمونه گيري نامزد مي كند و سپس بر اساس تحليل آماري مشخص مي شود كه آيا از آن يال بايد نمونه گرفته شود يا نه. به منظور ارزيابي الگوريتم پيشنهادي، تعداد نمونه هاي گرفته شده توسط الگوريتم پيشنهادي با تعداد نمونه هاي مورد نياز به روش نمونه گيري استاندارد مقايسه شده است. نتايج آزمايشي نشان داده كه تعداد نمونه هاي گرفته شده توسط الگوريتم پيشنهادي به مراتب كمتر از تعداد نمونه هاي گرفته شده به روش نمونه گيري استاندارد مي باشد.