دانلود پروژه الگوریتم های فراابتکاری و یک نمونه حل شده با فرمت ورد ودر 59 صفحه قابل ویرایش قسمتی از متن پروژه الگوریتم های فراابتکاری و یک نمونه حل شده
فهرست مطالب
1-الگوریتم ازدحام ذرات5
الگوریتم بهینه سازی توده ذرات:7
شبه کد الگوریتم PSO :9
کاربردی ازPSO در ریاضیات:9
اتوماتای یادگیر:10
اتوماتاي سلولی یادگیر :11
نتیجه گیري13
2- الگوریتم کلونی زنبور عسل14
توابع عددی22
نتیجه گیری24
3- الگوریتم ژنتیک25
ژنتيك در طبيعت26
الگوريتم ژنتيك استاندارد:26
ساختار الگوريتمهاي ژنتيكي28
روند كلي الگوريتمهاي ژنتيكي32
آشنايي با روشهاي انتخاب در الگوريتمهاي ژنتيكي34
4- الگوریتم کلونی مورچگان37
مزیتهای ACO42
مسیر یابی شبکه های کامپیوتری با استفاده از ACO42
5- ارائه الگوریتم ژنتیک و مورچگان برای حل مسئله فروشنده دوره گرد44
چکیده:45
مقدمه :45
الگوریتم پیشنهادی:47
مروری بر الگوریتم ژنتیک:48
مراحل الگوریتم ژنتیک49
انواع روشهای تولید مثل:51
مروری بر الگوریتم مورچگان:52
حل مسئله فروشنده دوره گرد با استفاده از الگوریتم مورچگان:52
نتیجه گیری:59
مراجع60
فصل اول
الگوریتم ازدحام ذرات
چکیده :
الگوریتم PSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دستههای پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینهی دسته به کار گرفته شد . در PSO، ذرات در فضای جستجو جاری میشوند. تغییر مکان ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر توده ذرات روی چگونگی جستجوی یک ذره اثر میگذارد . نتیجهی مدلسازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل میکنند. ذرات از یکدیگر میآموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود میروند اساس کار PSO بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگیاش وجود دارد، تنظیم میکند.
کلمات کلیدی : بهینه سازی توده ذرات - هوش جمعی – اتوماتای یادگیر سلولی - CLA-PSO
هوش جمعی :
هوش جمعی خاصیتی است سیستماتیک که در این سیستم، عامل هابه طور محلی با هم همکاري می نمایند و رفتار جمعی تمام عامل هاباعث یک همگرایی در نقطه اي نزدیک به جواب بهینه سراسري میشود نقطه قوت این الگوریتم عدم نیاز به یک کنترل سراسري میباشد. هر ذره) عامل) در این الگوریتم ها خود مختاري نسبی داردکه می تواند در سراسر فضاي جواب ها حرکت کند و می بایست با سایرذرات )عامل ها( همکاري داشته باشد . دو الگوریتم مشهور هوش جمعی، بهینه سازي جرگه مورچگان و بهینه سازي توده ذرات می باشند. از هر دو این الگوریتم ها می توان براي تعلیم شبکه هاي عصبی بهره برد.
شبکه عصبی :
شبکه هاي عصبی مصنوعی داراي ویژگی هاي فراوانی از جمله انطباق پذیري، قابلیت یادگیري و تعمیم می باشد .در حوزه تطابق الگو ها،شبکه هاي عصبی مصنوعی قادرند که الگو هاي جدید را بر اساس تعالیم قبلی خود به کلاس هاي مرتبط طبقه بندي نمایند .
استفاده از ایده جدید هوش جمعی در ترکیب با شبکه هاي عصبی مصنوعی می باشد تا راهکاري براي غلبه بر چالش موجود درشبکه هاي عصبی باشد.
الگوریتم بهینه سازی توده ذرات:
در سال 1995 به Eberhart و Kennedy براي اولین بار توسط PSOعنوان یک روش جستجوي غیر قطعی براي بهینه سازي تابعی مطرح گشت این الگوریتم از حرکت دسته جمعی پرندگانی که به دنبال غذا می باشند الهام گرفته شده است.
گروهي از پرندگان در فضا يي به صورت تصادفي دنبال غذا مي گردند. تنها يك تكه غذا در فضا ي مورد بحث وجود دارد. هيچ يك از پرندگان محل غذا را نمي دانند. يكي از بهتر ين استراتژيها مي تواند دنبال كردن پرنده ا ي باشد كه كمتر ين فاصله را تا غذا داشته باشد . اين استراتژ ي در واقع جانما يه الگور يتم است.هر راه حل كه به آن يك ذره گفته ميشود، ،PSO در الگوريتم معادل يك پرنده در الگور ي حركت جمع ي پرندگان م يباشد. هر ذره يك مقدارشا يستگي دارد كه توسط يك تابع شا ي ستگي محاسبهميشود. هر چه ذره در فضا ي جستجو به هدف - غذا در مدل حركت پرندگان- نزدكتر باشد، شا يستگي بيشتري دارد .. همچن ين هر ذره داراي يك سرعت است كه هدا يت حركت ذره را بر عهده دارد . هرذره با دنبال كردن ذرات به ينه در حالت فعل ي، به حركت خود د رفضاي مساله ادامه ميدهد. به ا ين شكل است كه گروه ي از ذرات PSO آغاز كاربه صورت تصادفي به وجود مي آيند و با به روز كردن نسلها سعي در يافتن راه حل بهينه مينمايند. در هر گام، هر ذره با استفاده از دو بهتر ين مقدار به روز ميشود. اولين مورد، بهترين موقعيتي است كه تا كنون ذره موفق به رسیدن به آن شده است . موقعیت مذكورشناخته و نگهدار ي ميشود. بهترين مقدار د يگري كه pbest با نام توسط الگور يتم مورد استفاده قرار ميگيرد، بهتر ين موقعيتي است كه تا كنون توسط جمعيت ذرات بدست آمده است.این موقعیت با gbest نمایش داده می شود .
مبلغ قابل پرداخت 15,000 تومان
عنوان: تصميم گيري چند معياره (MCDM Multi Criteria Decision Making) فرمت فایل: pptx تعداد اسلاید ها: 56 زبان: فارسی دسته بندی: علوم انسانی ، روانشناسی چکیده: مقدمه :مصر باستانپیشگویان یونانیجوهر تمامی فعالیت های مدیریتی،تصمیم گیری استذهن محققین در دهه های اخیر (1970) ... ...