معرفی توابع بنچمارک

توابع بنچ مارک یک سری توابع ریاضی می باشند که از آنها برای تست پروسیجرهای بهینه سازی استفاده می گردد که در ادامه تعدادی از این توابع را معرفی می کنیم

الگوریتم ژنتیک در چندی سازی برداری

فرایند فشرده سازی تصویر توسط VQ شامل دو تابع اصلی رمزگذار و رمزگشا می باشد. تابع رمزگذار با دریافت بردار ورودی x بردارهایی با آدرس x_i را تولید می کند و تابع رمزگشا با استفاده از همان کتاب کد رمزگذار مجددا بردارهای کد را تولید می کند. برای تصاویر رنگی VQ به 3 کتاب کد به منظور طراحی سه فضا نیاز دارد. طراحی کتاب کد یکی از مهمترین موضوعات به منظور رسیدن به یک راه حل بهینه می باشد. در فشرده سازی تصاویر رنگی با استفاده از  تکنیک VQ ابتدا باید تصویر به بلوک هایی تحت عنوان نمونه های آموزشی تقسیم گردد. به این نمونه های آموزشی، بردارهای آموزشی گفته می شود. 

الگوریتم ژنتیک

الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکاملی(Evolutionary Algorithms)، دسته ای از روش های یادگیری بر پایه تکامل بیولوژیک است که از تکنیک‌های زیست‌شناسی فرگشتی مانند وراثت، جهش زیست‌شناسی و اصول انتخابی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌شود. الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای رگرسیون هستند. در مدل‌سازی الگوریتم ژنتیک یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسئله‌ای که باید حل شود دارای ورودی‌هایی می‌باشد که طی یک فرایند الگوبرداری شده از تکامل ژنتیکی به راه‌حل‌ها تبدیل می‌شود سپس راه حل‌ها به عنوان کاندیداها توسط تابع ارزیاب (Fitness   (Function  مورد ارزیابی قرار می‌گیرند و چنانچه شرط خروج مسئله فراهم شده باشد الگوریتم خاتمه می‌یابد. به‌طور کلی یک الگوریتم مبتنی بر تکرار است که اغلب بخش‌های آن به صورت فرایندهای تصادفی انتخاب می‌شوند که این الگوریتم‌ها از بخش‌های تابع برازش، نمایش، انتخاب وتغییر تشکیل می‌شوند.