การปรับลำดับแผนภาพตัดสินใจทวิภาคด้วยการเรียนรู้ต้นไม้ตัดสินใจและการค้นหาต้องห้าม

Abstract

เนื่องจากแผนภาพตัดสินใจทวิภาคเป็นโครงสร้างข้อมูลแบบกราฟที่มีประสิทธิภาพในการแทนฟังก์ชันบูลีน แผนภาพตัดสินใจทวิภาคจึงถูกนำไปประยุกต์ใช้กับงานต่างๆของการใช้คอมพิวเตอร์ช่วยในการออกแบบ แต่ปัญหาหนึ่งที่พบเกี่ยวกับแผนภาพตัดสินใจทวิภาคคือ ขนาดของแผนภาพตัดสินใจทวิภาคจะขึ้นอยู่กับลำดับของตัวแปร ดังนั้น วิธีการหาลำดับตัวแปรที่ดีจึงเป็นสิ่งสำคัญในการสร้างแผนภาพตัดสินใจทวิภาคที่มีขนาดเล็ก งานวิจัยฉบับนี้ได้นำเสนอวิธีการปรับลำดับแผนภาพตัดสินใจทวิภาค โดยวิธีการที่นำเสนอจะใช้การเรียนรู้ต้นไม้ตัดสินใจ ร่วมกับเทคนิคการค้นหาต้องห้าม ซึ่งเป็นเทคนิคของปัญญาประดิษฐ์ โดยการหาลำดับตัวแปรเริ่มต้นของแผนภาพตัดสินใจทวิภาคจากนั้นจะลดขนาดของแผนภาพตัดสินใจทวิภาคด้วยเทคนิคการค้นหาต้องห้าม โดยเปรียบเทียบกับวิธีการปรับปรุงแบบก้าวหน้าที่มีอยู่เดิมซึ่งได้รับการปรับปรุงการเลือกตัวแปรแล้ว เช่น AD2 AD3 AD4 AR ARSA และ SIFTING ผลการทดลองกับวงจรวัดเปรียบเทียบสมรรถนะของ MCNC แสดงให้เห็นว่าวิธีการปรับลำดับแผนภาพตัดสินใจทวิภาคที่นำเสนอ สามารถให้แผนภาพที่มีขนาดเล็กกว่าเมื่อเทียบกับขนาดแผนภาพตัดสินใจทวิภาคที่ได้จากวิธีการการปรับปรุงแบบก้าวหน้าทุกแบบที่กล่าวมาข้างต้น