استفاده از الگوریتم ژنتیک برای سیستم هوشمند آموزشی
ترجمه نشده

استفاده از الگوریتم ژنتیک برای سیستم هوشمند آموزشی

عنوان فارسی مقاله: سیستم هوشمند آموزشی با استفاده از الگوریتم ژنتیک
عنوان انگلیسی مقاله: Educational Intelligent System Using Genetic Algorithm
مجله/کنفرانس: علوم کامپیوتر پروسیدیا - Procedia Computer Science
رشته های تحصیلی مرتبط: کامپیوتر
گرایش های تحصیلی مرتبط: مهندسی الگوریتم ها و محاسبات، هوش مصنوعی، برنامه نویسی
کلمات کلیدی فارسی: الگوریتم ژنتیک، وظایف بهینه سازی، سیستم هوشمند
کلمات کلیدی انگلیسی: Genetic Algorithm، Optimization Tasks، Intelligent System
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2020.02.130
دانشگاه: National Research Nuclear University MEPHI, Kashirskoe shosse 31, Moscow 115409, Russia
صفحات مقاله انگلیسی: 5
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2020
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E14903
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست مطالب (انگلیسی)

Abstract

1- Introduction

2- The Principle of GA

3- The GALA software system

4- Conclusions

References

بخشی از مقاله (انگلیسی)

Abstract

This paper presents an Intelligent Information System for education. The system was created for teaching students to use genetic algorithm in application to optimization tasks. The system allows to quickly encode a solution of the problem and pick up most suitable configuration of genetic algorithm. The paper also demonstrates a specific example of usage of educational system to solve an optimization task. The paper contains a description of the educational system and its features, a description of its capabilities of working with genetic algorithm and its graphical interface.

Introduction

The use of information technologies (IT) in various spheres of human activity, the exponential growth of information volumes and the need to respond quickly in any situations necessitate the search for adequate ways to solve new and new emerging problems [1]. One of the most effective ways is the study, application, development and further improvement of algorithms and methods of machine computing. Finding the optimal solution is one of the problems that researchers face, both in the theoretical field and in solving engineering and production problems. Optimization problems imply the need to choose from the set of possible solutions the best from the point of view of certain criteria, satisfying given conditions and limitations.