In this paper we propose to follow

In this paper we propose to follow an automated approach to solve this problem. Specifically, we devise a genetic algorithm (GA) [23] to explore the search space of possible reward functions for a given objective function. 4 Genetic algorithms (GAs) [23] are a heuristic search technique that is based on evolutionary processes. GA starts by randomly generating a population space of individuals,where each individual is a candidate solution for the problem being solved. Typically individuals in the population set are represented in binary as strings of 0’s and 1’s, but other encodings are also possible. Evolution is performed in generations and it starts by evaluating the fitness of the initial population according to an objective function. (Evaluation means simulations of candidate DRAM schedulers in our case.) Based on the fitness of individuals in the population set, the next generation of individuals are determined stochastically using some form of fitness based selection technique. These new individuals are then further evolved using operations like crossover and mutation, which leaves us with a population for the next generation. This is done iteratively until a certain number of generations has been evolved, or when a certain fitness level has been reached, after which the search is terminated. While many of the individuals in the initial population might not do anything useful, the evolutionary nature of GAs allow some of them to evolve into meaningful, high-performing solutions, and shed the rest in the process.

ผลลัพธ์ (ไทย) 1:

ในบทความนี้เราเสนอที่จะทำตามวิธีการอัตโนมัติในการแก้ปัญหานี้ specifi ยถอนรากถอนโคนเราประดิษฐ์ขั้นตอนวิธีพันธุกรรม (GA) [23] ในการสำรวจพื้นที่การค้นหาของฟังก์ชั่นของรางวัลที่เป็นไปได้สำหรับฟังก์ชันวัตถุประสงค์ที่กำหนด 4 ขั้นตอนวิธีทางพันธุกรรม (gas) [23] เป็นเทคนิคการค้นหาการแก้ปัญหาที่เป็นไปตามกระบวนการวิวัฒนาการ ga เริ่มต้นด้วยการสร้างพื้นที่สุ่มประชากรของบุคคลที่แต่ละผู้สมัครเป็นวิธีการแก้ปัญหาที่มีการแก้ไข โดยปกติบุคคลที่อยู่ในชุดประชากรจะแสดงในไบนารีเป็นสตริงจาก 0 โ€ s และ 1 โ€ s แต่การเข้ารหัสอื่น ๆ ยังเป็นไปได้ วิวัฒนาการจะดำเนินการในรุ่นและจะเริ่มโดยการประเมิน tness สายยของประชากรเริ่มต้นเป็นไปตามฟังก์ชันวัตถุประสงค์(หมายถึงการประเมินผลการจำลองจากกำหนดการของ DRAM สมัครในกรณีของเรา.) ตาม tness สายยของบุคคลที่อยู่ในชุดประชากรรุ่นต่อไปของบุคคลที่จะถูกกำหนด stochastically โดยใช้รูปแบบของสายยเทคนิคการเลือก tness ตามบาง บุคคลเหล่านี้ใหม่จะแล้วพัฒนาไปใช้ดำเนินการเช่นครอสโอเวอร์และการกลายพันธุ์ซึ่งจะทำให้เรามีประชากรสำหรับรุ่นต่อไป นี้จะทำซ้ำจนกว่าจะมีจำนวนหนึ่งของคนรุ่นต่อไปได้รับการพัฒนาหรือเมื่อบางสายระดับ tness ยได้รับถึงหลังจากที่การค้นหาจะถูกยกเลิก ขณะที่หลายคนในประชากรเริ่มต้นไม่อาจจะทำอะไรที่เป็นประโยชน์, วิวัฒนาการธรรมชาติของก๊าซให้บางส่วนของพวกเขาที่จะพัฒนาเป็นความหมายโซลูชั่นที่มีประสิทธิภาพสูงและหลั่งส่วนที่เหลืออยู่ในขั้นตอน

ผลลัพธ์ (ไทย) 2:

ในเอกสารนี้ เราเสนอตามวิธีการอัตโนมัติเพื่อแก้ปัญหานี้ Specifi cally เราประดิษฐ์ขั้นตอนวิธีพันธุกรรม (GA) [23] การสำรวจพื้นที่การค้นหาของรางวัลได้ฟังก์ชันฟังก์ชันวัตถุประสงค์ที่กำหนด อัลกอริทึมใช้พันธุกรรม 4 (แก๊ส) [23] แล้วค้นหาเทคนิคที่ใช้ในกระบวนการวิวัฒนาการได้ GA เริ่มต้น โดยการสุ่มสร้างพื้นที่ประชากรของแต่ละบุคคลซึ่งแต่ละคนเป็นผู้แก้ปัญหาสำหรับการแก้ปัญหา โดยทั่วไปจะแสดงในฐานสองบุคคลในประชากรที่เป็นสายของ 0 และ 1 แต่เข้ารหัสอื่น ๆ ก็ได้ ดำเนินการวิวัฒนาการในรุ่น และจะเริ่มต้น โดย tness ไร้สายของประชากรเริ่มต้นตามฟังก์ชันวัตถุประสงค์การประเมิน (ประเมินความ จำลอง schedulers DRAM ผู้สมัครในกรณีของเรา) ตาม fi tness บุคคลในชุดประชากร ของบุคคลจะถูก stochastically โดยใช้รูปแบบของ tness ไร้สายโดยใช้เทคนิคการเลือกการ บุคคลเหล่านี้ใหม่อยู่แล้วเพิ่มเติมพัฒนาโดยใช้การดำเนินงานเช่นแบบไขว้และการกลายพันธุ์ ที่ออกจากเรา มีประชากรในรุ่นต่อไป นี้จะกระทำซ้ำ ๆ จนกว่ามีการพัฒนาหลายรุ่น หรือเมื่อไร้สาย tness ระดับแล้ว หลังจากการค้นหาจบ ในขณะที่หลายคนในประชากรเริ่มต้นทำสิ่งที่มีประโยชน์ ลักษณะวิวัฒนาการของแก๊สให้เพื่อพัฒนาในความหมาย ทำสูงโซลูชั่น และโรงเหลือในกระบวนการ

ผลลัพธ์ (ไทย) 3:

ในเอกสารนี้เราเสนอที่จะทำตามแนวทางโดยอัตโนมัติในการแก้ไขปัญหานี้ specifi  นั้นเราทำพินัยกรรมยกให้อัลกอริธึมทางพันธุกรรม(, GA )[ 23 ]เพื่อการสำรวจพื้นที่การค้นหาของการทำงานรางวัลที่เป็นไปได้สำหรับการทำงานโดยมีวัตถุประสงค์ให้ 4 ทางพันธุกรรมอัลกอริธึม(แก๊ส)[ 23 ]มีเทคนิคการค้นหาเ้กิดซึ่งขึ้นอยู่กับกระบวนการวิวัฒนาการ GA เริ่มต้นโดยการสร้างแบบสุ่มพื้นที่ประชากรของผู้ใช้บริการแบบเฉพาะรายสถานที่ซึ่งแต่ละตัวมีโซลูชันผู้สมัครรับเลือกตั้งสำหรับปัญหาที่จะแก้ไขได้ โดยทั่วไปแล้วผู้ใช้บริการแบบเฉพาะรายในตั้งค่าจำนวนประชากรที่จะแสดงในไบนารีเป็นสตริงของ 0 และ 1 ' sbut การเข้ารหัสอื่นๆคือเป็นไปได้ การพัฒนาจะมีการดำเนินการในรุ่นและจะเริ่มต้นโดยการประเมิน ไฟร์  tness ของประชากรครั้งแรกในการทำงานตามเป้าหมายที่(การประเมินหมายถึงการจำลองของ DRAM ก้าวล้ำผู้สมัครรับเลือกตั้งในกรณีของเรา)ที่ใช้ ไฟร์  tness ของผู้ใช้บริการแบบเฉพาะรายในตั้งค่าจำนวนประชากรที่รุ่นถัดไปของผู้ใช้บริการแบบเฉพาะรายจะได้รับการกำหนด stochastically โดยใช้รูปแบบบางอย่างของเทคนิคการเลือกไวน์ ไฟร์  tness ใช้ ผู้ใช้บริการแบบเฉพาะรายใหม่เหล่านี้จะมาแล้วคือมันเหมือนกับการใช้การทำงานและครอสโอเวอร์ต่อไปซึ่งทำให้เรามีประชากรที่สำหรับรุ่นถัดไปที่ โรงแรมแห่งนี้คือทำ HOMER เพื่อจะได้ไม่เล็กจนกว่าจำนวนหนึ่งของคนรุ่นได้รับการพัฒนาอย่างรวดเร็วหรือเมื่อระดับ ไฟร์  tness บางอย่างที่ได้รับการมาถึงหลังจากที่การค้นหาจะสิ้นสุดลง ในขณะที่จำนวนมากของผู้ใช้บริการแบบเฉพาะรายในจำนวนประชากรครั้งแรกที่อาจไม่ได้ทำอะไรที่มีประโยชน์ธรรมชาติวิวัฒนาการของก๊าซให้บางคนในการพัฒนาเข้าไปในความหมายโซลูชัน ประสิทธิภาพ สูงและโรงเก็บส่วนที่เหลือในขั้นตอนที่