Αλγόριθμοι Νοημοσύνης Σμήνους

Πτυχιακή Εργασία 25445 341 Αναγνώσεις

Πρωτότυπος Τίτλος:
Αλγόριθμοι Νοημοσύνης Σμήνους
Συγγραφέας:
Κουρλέσης, Αγησίλαος, Αναστάσιος
Επιβλέπων καθηγητής:
Μιχαλακέλης, Χρήστος
Περίληψη:
Οι μεταευρετικοί αλγόριθμοι είναι ιδιαίτερα δημοφιλείς λόγω της αποδοτικότητας τους σε προβλήματα βελτιστοποίησης. Μία μεγάλη υποκατηγορία αυτών των αλγορίθμων, η οποία τα τελευταία έτη προσελκύει το ενδιαφέρον όλο και περισσότερων ερευνητών της ακαδημαϊκής κοινότητας, είναι αυτή των αλγορίθμων τύπου Νοημοσύνης Σμήνους (Ν.Σ.). Οι αλγόριθμοι αυτοί μοντελοποιούν και προσομοιώνουν την ευφυή, συλλογική και κοινωνική συμπεριφορά η οποία μπορεί να παρατηρηθεί σε αποικίες και σμήνη ζωντανών οργανισμών ή και αγέλες ζώων. Στα πλαίσια της παρούσας πτυχιακής εργασίας, αρχικά μελετάται το στοιχειώδες θεωρητικό υπόβαθρο της Νοημοσύνης Σμήνους και στην συνέχεια, εξετάζεται η πηγή έμπνευσης και η μέθοδος εκτέλεσης έξι αντιπροσωπευτικών αλγορίθμων. Ειδικότερα, μελετούνται οι αλγόριθμοι Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO), Artificial Bee Colony (ABC), Elephant Herding Optimization (EHO), Grey Wolf Optimization (GWO) και Cuckoo Optimization Algorithm (COA). Επίσης, για κάθε αλγόριθμο ξεχωριστά, μελετούνται δύο ενδεικτικές εφαρμογές τους, βάσει επιλεγμένων δημοσιεύσεων της διεθνούς βιβλιογραφίας, με έμφαση στα πεδία της ψηφιακής επεξεργασίας εικόνας και της μηχανικής μάθησης ανάμεσα σε άλλα. Όπως διαπιστώθηκε και μετά το πέρας συγγραφής της παρούσας εργασίας, οι αλγόριθμοι Νοημοσύνης Σμήνους όχι μόνο είναι ιδιαίτερα καινοτόμοι και αποτελεσματικοί αλλά κυριότερα, συγκροτούν ένα πεδίο έρευνας με άριστες μελλοντικές προοπτικές.
Ημερομηνία κατάθεσης:
2021-10-29
Γλώσσες Τεκμηρίου:
Ελληνικά
Θεματικές Κατηγορίες:
Ηλεκτρονικοί υπολογιστές. Επιστήμη των υπολογιστών
Λοιπά Θέματα:
Αλγόριθμοι
Λέξεις-κλειδιά:
Νοημοσύνη Σμήνους, Βελτιστοποίηση, Μεταευρετικοί Αλγόριθμοι
Περιγραφή:
72 σ.,εικ.,πίν.,διαγρ.
Άδεια χρήσης:
19429 Αναφορά Δημιουργού – Μη Εμπορική Χρήση – Όχι Παράγωγα Έργα 4.0

AgisilaosKourlesis.pdf

2 MB