الأبحاث ضمن الموضوع : خوارزميات تحسين متعددة الأهداف المتقدمة
-
تحسين فعال بمشاركة الإنسان عبر المعلومات السابقة المستفادة من نماذج المستخدمين
2026 | المؤلف: Yi-Chi Liao وآخرون | المجلة: Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems | المجال: النظرية الحسابية والرياضيات (Computational Theory and Mathematics)يقدم هذا القسم إطارًا جديدًا يسمى تحسين الإنسان في الحلقة مع معلومات نموذجية مسبقة (HOMI)، مصممًا لتعزيز كفاءة تحسين تصميم الواجهة من خلال دمج مرحلة تدريب مسبق باستخدام بيانات مستخدمين صناعية. غالبًا ما تتطلب طرق تحسين الإنسان في الحلقة التقليدية تكرارات واسعة بسبب المعلومات المسبقة المحدودة، مما يجعلها مكلفة وغير عملية. يتناول HOMI هذه التحديات…
-
تحسين عالمي مصمم لوحدات معالجة الرسوميات: بحث كامل ودقيق عن التminimization غير الخطية على نطاق واسع
2026 | المؤلف: Guanglu Zhang وآخرون | المجلة: PNAS Nexus | المجال: النظرية الحسابية والرياضيات (Computational Theory and Mathematics)تقدم هذه الورقة طريقة عددية جديدة لتحديد الحد الأدنى العالمي للدوال غير الخطية المقيدة بواسطة حدود متغيرات بسيطة، باستخدام تحليل الفترات بالتزامن مع القدرات الحاسوبية لوحدات معالجة الرسوميات (GPUs). تقوم الطريقة بشكل منهجي بإزالة المناطق في مجال البحث حيث لا يمكن أن يوجد الحد الأدنى العالمي، مما يؤدي في النهاية إلى تحديد مجموعة محدودة من…
-
تحسين توليدي تطوري: نحو تحسين تطوري مدفوع بالكامل بالبيانات عبر التعلم التوليدي
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: IEEE Transactions on Evolutionary Computation | المجال: النظرية الحسابية والرياضيات (Computational Theory and Mathematics)يقدم القسم تحسين الجيل التطوري (EvoGO)، وهو إطار عمل جديد يعتمد على البيانات يهدف إلى تعزيز الخوارزميات التطورية (EAs) من خلال القضاء على الاعتماد على المشغلين المصنوعين يدويًا. يعمل EvoGO من خلال ثلاث مراحل رئيسية: إعداد البيانات، تدريب النموذج، وتوليد السكان. في مرحلة إعداد البيانات، يتم بناء مجموعة بيانات ثنائية لتعزيز تنوع التدريب دون تكبد…