سلام
دوستان من برنامه خوشه بندی گراف با استفاده از الگوریتم رقابت استعماری رو در متلب نوشتم، برنامم تا ۱۵ گره درست ج میده اما وقتی گره زیادتر میشه در هر اجرا جواب متفاوتی میده، کسی میدونه مشکل از چی می تونه باشه؟
با تشکر
سلام
این در واقع مشکل نیست، این ذات الگوریتم های تکاملی هستش که در هر ران جواب متفاوتی تولید کنند حتی اگر تعداد iteration ثابت باشه هر دفعه و دست به پارامترها هم نزنید
تو این جور مواقع بهتره ۱۰ تا یا ۱۵ تا ران بگیرید و ارزیابی هاتون رو توی یک جدول راجع به این ۱۰ ران یا ۱۵ ران بنویسید
در واقع جواب هایی که پیدا می کنید رو همگی توی یک جدول بیارید و توی همه ی مراحل ارزیابی کنید الگوریتمتون رو
سلام
طبق گفته دوستمون این مشکل نیست، بلکه الگوریتم داره جواب بهینه پیدا میکنه، حالا اگر جنس مسیله شما ماکزیمال هست جوابها رو به افزایش هست در هر تکرار و اگر مسیله از نوع مینیمال جواب ها در هر تکرار روبه کاهش است.
ممنون از راهنمایی تون اما من در ادامه ی کارم اولویت بندی هم دارم، یعنی خوشه ها رو اولویت بندی می کنم، با این حساب اولین نتیجه خوشه بندی برام مهمه و ممکنه زیاد بهینه نباشه
ببین یه سایت بهت معرفی میکنم که میتونی محصولی در این زمینه ازش بخری که البته کاملا موضوع رو الگوریتمی جلو میبره و شیوه کد نویسیشون خیلی خوبه و ذهن شما رو راجب کارتون باز میکنه matlabsite.com
و البته شما میتونید نتیجه هر تکرار رو ذخیره داشته باشید.
ممنون گلم، من این سایت رو دیدم خوشه بندی من با خوشه بندی ضمنی که در الگوریتم رقابت استعماری هست فرق داره، یعنی من الگوریتم رو اجرا می کنم تا زمانی که به یک امپراطوری واحد برسه و محتوای اون امپراطوری برای من بهترین خوشه بندی هست. در واقع الگوریتم من گسسته هست و مثل ژنتیک عمل میکنه.
خوب هدف الگوریتم ica همین هست که بهترین امپراطوری بهترین جواب رو انتخاب کنه، تمام آموزش های این سایت که در ارتباط با این الگوریتم هستند همین هدف رو در نظر دارند، به هر حال قصدم کمک بود ، موفق باشید.
سلام. در این جور الگوریتم ها اولین و آخرین جواب ملاک نیست. بلکه یه روند همگرایی دارند. به یه جایی که برسه از اونجا به بعد ثابت می ماند. اولین جایی که به ثبات میرسه جواب شمااست. ربطی به پیوسته و گسسته بودن نداره شما با یک آرایه میتونید پاسخ هر iterationرا ذخیره کنید تا روند را بهتر ببینید،نکته مهم دیگه اینکه الگوریتم های تکاملی برای سرعت بخشی به مسائل بزرگ هستند و با مسائل کوچک تست نکنید. به نظر میرسه ذهنیت شما برای الگوریتم های دقیق مثل پویاوبرگشت به عقب و ... باشه.
موفق باشید.