Ο γενετικός αλγόριθμος στο πρόβλημα επιλογής μεταβλητών

Τσιώλη, Κυβέλη-Χριστίνα; Tsioli, Kyveli-Christina

dc.contributor.author	Τσιώλη, Κυβέλη-Χριστίνα	el
dc.contributor.author	Tsioli, Kyveli-Christina	en
dc.date.accessioned	2020-12-23T21:03:56Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/52681
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.20379
dc.rights	Default License
dc.subject	Γενετικός αλγόριθμος	el
dc.subject	Genetic algorithm	en
dc.subject	Εξελικτικός αλγόριθμος	el
dc.subject	Στοχαστική βελτιστοποίηση	el
dc.subject	Ευριστική μέθοδος	el
dc.subject	Πολλαπλή γραμμική παλινδρόμηση	el
dc.subject	Evolutionary algorithm	en
dc.subject	Stochastic optimisation	en
dc.subject	Heuristic method	en
dc.subject	Multiple linear regression	en
dc.title	Ο γενετικός αλγόριθμος στο πρόβλημα επιλογής μεταβλητών	el
dc.title	Genetic algorithm for variable selection	en
heal.type	bachelorThesis
heal.classification	Μαθηματικά	el
heal.classification	Mathematics	en
heal.classification	Στατιστική	el
heal.classification	Επιστήμη υπολογιστών	el
heal.classification	Statistics	en
heal.classification	Computer science	en
heal.dateAvailable	2021-12-22T22:00:00Z
heal.language	el
heal.access	embargo
heal.recordProvider	ntua	el
heal.publicationDate	2020-03-04
heal.abstract	Η ανάγκη για επίλυση προβλημάτων βελτιστοποίησης αναδείχθηκε με την αδυναμία των κλασσικών αναλυτικών μεθόδων να αντιμετωπίσουν πολύπλοκα συστήματα. Οι Ευριστικές μέθοδοι, αποτελούν ενεργό πεδίο της επιστημονικής έρευνας και αντιμετωπίζουν τέτοιου είδους προβλήματα με έναν εναλλακτικό τρόπο. Εκτελώντας επαναληπτικά μια περιορισμένη αναζήτηση στο χώρο των δυνατών λύσεων του προβλήματος, οι ευριστικές μέθοδοι είναι δυνατό να βρουν μια αποδεδειγμένα καλή λύση για το εκάστοτε πρόβλημα, εκμεταλλευόμενες την πληροφορία που τους παρέχεται σε κάθε βήμα. Μια τέτοια μέθοδος είναι και ο γενετικός αλγόριθμος. Ο γενετικός αλγόριθμος, συγκεκριμένα, βασίζεται στην αρχή της εξέλιξης των ειδών και μιμείται τις διαδικασίες της αναπαραγωγής, της φυσικής επιλογής και της μετάλλαξης ώστε να αναζητήσει τη βέλτιστη λύση. Οι γενετικοί αλγόριθμοι επιχειρούν να προσομοιώσουν σε υπολογιστικό περιβάλλον τους μηχανισμούς της βιολογικής εξέλιξης, με τον ίδιο τρόπο που η τεχνητή νοημοσύνη επιχειρεί να προσομοιώσει τις νοητικές διεργασίες που συμβαίνουν στον ανθρώπινο εγκέφαλο. Η παρούσα διπλωματική εργασία διαρθρώνεται σε έξι κεφάλαια. Το πρώτο κεφάλαιο συνιστά μια εισαγωγή στους γενετικούς αλγορίθμους παρέχοντας στον αναγνώστη τις αρχές στις οποίες βασίζεται, και ταυτόχρονα παρουσιάζει το ερευνητικό πεδίο στο οποίο εφαρμόζονται. Στο δεύτερο κεφάλαιο, αναλύεται η δομή ενός γενετικού αλγορίθμου καθώς και τα πλεονεκτήματα και μειονεκτήματα που παρουσιάζει έναντι άλλων κλασσικών μεθόδων. Στη συνέχεια, το τρίτο κεφάλαιο εισάγει τον αναγνώστη στο πρόβλημα επιλογής μεταβλητών στην πολλαπλή γραμμική παλινδρόμηση, ενώ στο τέταρτο κεφάλαιο παρουσιάζεται διεξοδικά η μοντελοποίηση του γενετικού αλγορίθμου έτσι ώστε να επιλύει το συγκεκριμένο πρόβλημα. Το πέμπτο κεφάλαιο εξετάζει την απόδοση του γενετικού αλγορίθμου που σχεδιάστηκε σε προσομοιωμένα αλλά και πραγματικά δεδομένα και παραθέτει τα συμπεράσματα που προκύπτουν από την υλοποίηση. Τέλος, το έκτο κεφάλαιο αποτελεί μια πρόταση για μελλοντική επέκταση της διπλωματικής εργασίας ως συνεισφορά στο ευρύτερο επιστημονικό πεδίο της Στατιστικής και της Πληροφορικής. Η υλοποίηση του γενετικού αλγορίθμου έγινε με χρήση της γλώσσας προγραμματισμού R.	el
heal.advisorName	Φουσκάκης, Δημήτρης	el
heal.advisorName	Fouskakis, Dimitris	en
heal.committeeMemberName	Φουσκάκης, Δημήτρης	el
heal.committeeMemberName	Λουλάκης, Μιχαήλ	el
heal.committeeMemberName	Χρυσαφίνος, Κωνσταντίνος	el
heal.committeeMemberName	Fouskakis, Dimitris	en
heal.committeeMemberName	Loulakis, Michael	en
heal.committeeMemberName	Chrysafinos, Konstantinos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Μαθηματικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	108 σ.	el
heal.fullTextAvailability	false