اپیزود‌های یادگیری

1.1.1       اپیزود‌های یادگیری از آنجائیکه در محیط یک حالت هدف جذب کننده[1] در نظر گرفته میشود که با قرار گرفتن عامل درآن حرکت عامل متوقف میشود، عمل یادگیری بصورت اپیزودی انجام میشود. در هر اپیزود عامل در یک محل تصادفی قرار داده می‌شود و تا رسیدن به حالت جذبی به تغییر مقادیر Q ادامه میدهد.

یادگیری ماشین[1]

1.1       یادگیری ماشین[1] به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشینی به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند. 1.1.1       اهداف و انگیزه‌ها هدف یادگیری ماشینی این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و

2مقايسه‌ي پروتکل‌هاي AODV‌ , DSR ,LAR :

بر اساس نتایج حاصل از شبیه‌سازی‌های انجام شده DSR نسبت به AODV سرباری کمتری دارد به دلیل عدم نیاز به نگه‌داری جدول برای اطلاعات مسیریابی. از لحاظ میزان تأخیر LAR کمترین مقدار را دارد زیرا به جای استفاده از بافر کردن بسته‌های داده برای یافتن یک مسیر جدید، بسته‌های داده را از طریق مسیرهای جایگزین

مکان‏یابی واحدهای خدمات بیمارستانی

مکان‏یابی واحدهای خدمات بیمارستانی فیض‏الهی و همکارانش در سال 1388 [6] به مطالعه مکان‏یابی واحدهای خدمات بیمارستانی پرداختند. مسأله چیدمان واحدها در محل‏های مختلف بیمارستان‏ها به منظور كاهش هزینه‏های ناشی از جابه‏جایی افراد، بیماران و تسهیلات موجب تلاش‏های بسیاری از سوی محققان برای ساخت مدل‏های بهینه‏سازی چیدمان واحدها با هدف كاهش هزینه‏ها شده است. این

سیستم‌های توزیع‌شده

1.1       سیستم‌های توزیع‌شده سیستم عامل توزیع شده در یک محیط شبکه‌ای اجراء می‌شود. در این سیستم قسمتهای مختلف برنامه کاربر بدون آنکه خود او متوجه شود می‌توانند همزمان در چند کامپیوتر مجزا اجراء شده و سپس نتایج نهایی به کامپیوتر اصلی کاربر بازگردند. کاربران نباید از این موضوع باخبر شوند که برنامه آنها در کجا

ساختار الگوریتم ژنتیک برای حل مسأله مکان‏یابی پایانه‏های اتوبوس‏رانی

ساختار الگوریتم ژنتیک برای حل مسأله مکان‏یابی پایانه‏های اتوبوس‏رانی در الگوریتم ژنتیک ابتدا کروموزوم ایجاد می­شود وجمعیت اولیه مشخص می­شود و سپس بر روی آن عملگر آمیزش و جهش صورت می­گیرد تا کروموزم نخبه به‎دست آید و هدف مسأله ارضا شود.   کدگذاری کدگذاری به صورت دودویی انجام می‏گیرد. در این‏صورت هر کروموزوم به صورت

1-1 مجموعه‌ داده‌ی ارزیابی

در این بخش، مجموعه‌های داده‌ی رایج برای ارزیابی روش‌های مدیریت هشدارها بررسی می‌شوند. ساختار و مطالب در این بخش، به کمک [S. X. Wu & Banzhaf, 2010] تدوین شده است. از آن جایی که مدل‌های الگوریتم‌های داده‌کاوی با استفاده از داده‌ها تولید می‌شوند، بنابراین کیفیت داده‌ها به طور مستقیم بر کیفیت مدل‌ها تأثیر می‌گذارد. در