معرفی مقاله "An improved memetic genetic algorithm based on a complex network as a solution to the traveling salesman problem"

مقاله فوق به عنوان مقاله مستخرج از تز دکترای هادی محمدی است که راهنمایی آن توسط جناب آقای دکتر کمال میرزائی و مشاوره آن توسط جناب آقای دکتر محمدرضا ملاخلیلی انجام شده است. این مقاله در سال 2020 در مجله "Turkish Journal of Electrical Engineering & Computer Sciences" چاپ شده است. این مجله ISI با ضریب تاثیر 0.8 می باشد. خلاصه مقاله چاپ شده در این مجله به شرح ذیل است:

الگوریتم ژنتیک انتخاب خوبی برای یافتن راه حل حول همسایگان نمی باشد. مقاله فعلی یک الگوریتم ممتیکی با جستجوی محلی پیشنهادی برای عملگر جهش الگوریتم ژنتیک به منظور حل مسئله فروشنده دوره گرد بکار می برد. الگوریتم ممتیک پیشنهادی از عملگرهای جابه جائی، معکوس و درجی برای ایجاد تغییر در میان راه حل ها استفاده می کند. در الگوریتم ژنتیک پایه، برخلاف دنیای واقعی، ارتباط میان نسل ها در نظر گرفته نشده است. این حلقه مفقوده با استفاده از شبکه پیچیده پیشنهادی حل می شود و اجازه انتخاب از میان راه حل های ممکن را فراهم می کند. معیار درجه برای آنالیز شبکه مورد استفاده قرار گرفته شده است. سناریوهای مختلفی برای حل هفت نوع مسئله از TSPLib در نظر گرفته شده است. برای مثال، زمانی که مسئله TSP برای 70 شهر در مقایسه با بهترین راه حل ها در پایگاه داده TSPLib حل می شود نتایج حاکی از این است که الگوریتم ممتیک شبکه پیچیده ای، الگوریتم ممتیک با جستجوی محلی پیشنهادی و الگوریتم ژنتیک پایه به ترتیب 0.31%%1.15% و 38% خطا دارند. این نتایج نشان می دهد که الگوریتم ممتیک شبکه پیچیده ای در مقایسه با الگوریتم ممتیک با جستجوی محلی پیشنهادی و الگوریتم ژنتیک پایه کارائی بهتر دارد. همچنین، میانگین زمان اجرای الگوریتم ها مقیاس پذیری آنها را نشان می دهد.

 منابع

https://journals.tubitak.gov.tr/elektrik/abstract.htm?id=27976

چگونگی ارزیابی نتایج الگوریتم‌های هیوریستیک در مقالات علمی

در این پست نکاتی برای ارائه نتایج مقالات علمی در مجلات معتبر بیان‌می‌شود تا به کمک این نکات بتوان مقاله علمی مناسب‌تر و قوی‌تری برای ژورنال‌ها ارسال‌کرد. بدین منظور از مواردی که در برخی از مقالات در ژورنال‌های معتبر به چاپ رسیده، بهره‌برداری‌شده‌است. در ادامه به پنج نکته مهم از این موارد، اشاره‌می‌شود:

نکته اول: چینش پارمترها، نام مسائل و اندازه‌های مختلف مسئله در جدول می‌تواند در شفاف‌سازی ارزیابی نتایج کمک‌کند. همچنین در ترسیم نمودار برای ارزیابی نتایج انتخاب پارامترهای دو محور افقی و عمودی، ابعاد محورها و انتخاب نوع ترسیم نمودار به این شفافیت کمک شایانی‌می‌کند. به طور مثال در مقاله [1] که الگوریتم های ابتکاری برای مسئله جریان کارگاهی (Flowshop) ترکیبی دو مرحله‌ای ارائه‌شده است در Table 1 آن الگوریتم های مختلف به همزاه الگوریتم پیشنهادی نرخ زمان پردازش برای کارهای با اندازه 20،30،40،50 و 100 موردمقایسه قرارگرفته‌است. در ستون و سطر آخر نیز میانگین زمان اجرا هر روش با توجه به اندازه مسئله، نشان‌داده‌شده‌است. همچین در Figure1 این مقاله نرخ خطا براساس اندازه مسئله به نمایش‌درآمده‌است.

پلاجیاریزم (Plagiarism)

یکی از مواردی که همواره محققان در نوشتن مقالات، پایان نامه‌ها و کتاب‌های خود باید درنظربگیرند، میزان شباهت اثر خود با مقالات و کتب دیگر است. اگر این میزان شباهت از یک حدی بیشتر باشد پلاجیاریزم ( سرقت علمی) محسوب‌می‌شود.

همواره در ژورنال‌های معتبر انگلیسی و فارسی، مقالاتی که برای داوری ارسال‌می‌گردد، پیش از داوری اثر، سردبیر مجله ابتدا پلاجیاریزم دست‌نوشته را به کمک ابزارها یا سایت‌های آنلاین موردبررسی، قرارمی‌دهد تا میزان شباهت اثر با مقالات دیگر مشخص‌گردد. با این کار اگر درصد شباهت جملات اثر بیش از اندازه‌ای که مجله درنظرگرفته‌است، بیشتر باشد پیش از داوری اثر به دلیل پلاجیاریزم ( سرقت علمی) از سوی سردبیر مجله رد (Reject) می‌شود.