پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن

اختصاصی از فی موو پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن دانلود با لینک مستقیم و پر سرعت .

پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن

 

چکیده

الگوریتم ژنتیک که اولین بار توسط هالند و همکارانش در دانشگاه میشیگان مطرح شد، یکی از مهم‌ترین الگوریتم های فراابتکاری می‌باشد که از آن برای بهینه‌سازی توابع مختلف استفاده می‌شود.

بهینه سازی به معنای یافتن پاسخ بهینه تابع هدف یک مسئله است و به دو گروه بیشینه سازی و کمینه سازی، تقسیم که به دو حوزه بهینه سازی کلاسیک یعنی روش‌های مبتنی بر مشتق ریاضیاتی و بهینه سازی ابتکاری یا تکاملی طبقه‌بندی کرد. 

 

فهرست مطالب

فصل اول- کلیات پروژه

کلیات پروژه 1

1-2 مقدمه 2

فصل دوم- الگوریتم ژنتیک

2-1 فناوری شبکه عصبی

2-2 فناوری الگوریتم ژنتیک

2-3 مروری بر کاربردهای تجاری

2-4 بازاریابی

2-5 بانکداری و حوزه‌های مالی

2-6  پیش بینی

2-7 سایر حوزه‌های تجاری

2-8. الگوریتم ژنتیک

2-8-1. عملگرهای ژنتیک

2-8-1-1. عملگر تولید مثل

2-8-2. مؤلفه های ژنتیک

2-9. الگوریتم نلدر- مید

2-9-1. مرور اجمالی بر روش عملکرد الگوریتم نلدر- مید

2-10. ترکیب ژنتیک و نلدر- مید

2-11. جامعة آماری

2-12. نمونة آماری

2-13. داده‌ها و اطلاعات

2-14. ابزار جمع‌آوری داده

2-15. داده‌های خام

فصل سوم- بررسی چندین مسئله در الگوریتم ژنتیک

3-1 طراحی آزمایشات و ارائه مدلی از متغیرهای مستقل

3-2 معرفی عوامل مؤثر

3-3 رطوبت تفاله

3-4 دمای خشک کن

3-5  درصد آهک اضافه شده

3-6 معرفی متغیر پاسخ

3-7 الگوریتم های پیشنهادی

3-8 الگوریتم ترکیبی شبیه سازی تبرید و ژنتیک (GA-SA)

3-9 الگوریتم شبیه سازی تبرید( SA):

3-10 جزئیات ساختار الگوریتم های پیشنهادی

نمایش حل ها

3-11 دمای اولیه

3-12 جستجوی همسایگی

فصل چهارم- بهینه سازی مسائل مختلف

4-1. مرور ادبیات مسئله:

4-2. شرح مسئله تسطیح منابع در حالت چند پروژه‌ای

4-3. مدلسازی مسئله

4-4. مدلسازی مسئله در حالت تک پروژه‌ای:

4-5  مدلسازی مسئله در حالت چند پروژه‌ای، هنگامی که چند نوع منبع داریم

4-6  بیان روش حل به کمک الگوریتم ژنتیک

4-7  کد کردن مسئله

4-8 تولید جامعه اولیه

4-9  تعیین مکانیسم نمونه‌گیری:

4-10. انتخاب عملگر ژنتیکی مناسب

4-11 تعیین معیار توقف

4-12  بررسی نتایج حاصل از مسئله

4-14  بررسی نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی

4-15. بیان مسئله و شرح اهمیت پژوهش

4-16 بهینه‌سازی

4-17. انواع روش‌های بهینه‌سازی

4-17-1. کلاسیک‌ها

4-17-2. روش‌های ابتکاری

4-17-3. روش تحقیق

فصل پنجم- نتیجه گیری

5-1  نتیجه‌گیری

منابع

 

فهرست اشکال

شکل 2-1 مدل پایه‌ای نورون

شکل2-2 ساختمان یک شبکه عصبی مصنوعی

شکل 2-3: فلوچارت الگوریتم ژنتیک

شکل 2-4: فلوچارت الگوریتم نلدر- مید (منبع: اقتباس مؤلف‌ها از الگوریتم نلدر- مید)

جدول 4-1. مقایسه حل توسط نرم‌افزار Lingo و الگوریتم ژنتیک در حالت سه پروژه‌ای

جدول 4-2

جدول 4-3. مقایسه حل توسط نرم افزار Lingo و الگوریتم ژنتیک در حالت پنج پروژه‌ای

جدول4-4. مقایسه نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی

 

فهرست جداول

جدول 4-1. مقایسه حل توسط نرم‌افزار Lingo و الگوریتم ژنتیک در حالت سه پروژه‌ای

جدول 4-2 49

جدول 4-3. مقایسه حل توسط نرم افزار Lingo و الگوریتم ژنتیک در حالت پنج پروژه‌ای

جدول4-4. مقایسه نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی

دانلود پاورپوینت ساختمان داده ها به زبان C

اختصاصی از فی موو دانلود پاورپوینت ساختمان داده ها به زبان C دانلود با لینک مستقیم و پر سرعت .

 

 320 اسلاید

 

 

 

nضرورت این درس

nضرورت نیاز به زبانهای سطح بالا

nضرورت ترجمه برنامه های نوشته شده با زبان سطح بالا به برنامه به زبان ماشین

nتنوع زبانهای برنامه نویسی سطح بالا

nآشنایی با سیکل زندگی نرم افزار

nآشنایی با الگوریتم

 

دانلود پروژه و پایان نامه و تحقیق در مورد روشی جدید برای الگوریتم زمانبندی CPU با گردش بنوبت ژنتیکی (با قابلیت ویرایش / فایل Wo

اختصاصی از فی موو دانلود پروژه و پایان نامه و تحقیق در مورد روشی جدید برای الگوریتم زمانبندی CPU با گردش بنوبت ژنتیکی (با قابلیت ویرایش / فایل Word) دانلود با لینک مستقیم و پر سرعت .

پروژه روشی جدید برای الگوریتم زمانبندی CPU :شک نکنید که یک پروژه جامع و کال هست و بسیار عالی و کاربردی نویسنده به این موضوع پرداخته و تیک  این پروژه خاص و جالب رو به رایگان در اختیار شما میگذارد با ما همراه باشید….یک موضوع جالب در سیستم عامل, زمانبندی CPU است.این زمانبندی به تخصیص CPU مربوط است که فراینده ها را در سیستمی کامپیوتری اجرا میکند.زمانبندی CPU وظیفه ی اصلی سیستم عامل است[۱].زمانبندی باید بدرستی برای نگه داشتن بیطرفی و جلوگیری از فرایندهایی که هرگز CPU را تخصیص نمیدهد انجام شود(فرایند گرسنگی).زمانبندی CPU ضروری است , بخصوص در سیستم شبکه ی کامپیوتری که از گروهی از ایستگاههای کاری و سرویس دهندهها تشکیل میشود.سپس,در این سیستم عامل جدید ,کامپیوتر چند وظیفه ای ,یک هدف است و این به الگوریتم برای زمانبندی CPU متکی است.بهمین دلیل CPU بخش موثر یا مهم یک کامپیوتر است.[۱].علاوه بر این ,در این عصر به کمک VLSL (در مقیاس بسیار بزرگ مدار مجتمع)ممکن است پردازنده هایی با قدرت بالا تولید کنند.این قدرت شگفت انگیز بایداستفاده شود تا بی فایده نباشد.همزمان با قدرت محاسبه ی پردازنده, در برنامه های کاربردی افزایش وجود دارد که آن قدرت را استفاده میکند. یک معیار که باید بوسیله ی برنامه انجام شود ,به حداقل رساندن میانگین زمان انتظار برای همه ی فرایندها در بدست آوردن تخصیص CPU است.الگوریتمهای مختلفی برای زمانبندی CPU وجود دارد:یکی از آنها گردش بنوبت(RR) است.مفهوم اساسی در RR استفاده از اشتراک گذاری زمان است[۳].هر فرایند همان زمان CPU را بدست می آورد یعنی زمان کوانتومی, که بعنوان محدودیت در زمان پردازش ,بطور کلی در محدوده ی ۱-۱۰۰ میلی ثانیه عمل میکند.بعد از اینکه زمان کوانتومی برای فرایندی بپایان رسید,فرایند از اجرای آن متوقف میشود و در صف آماده گذارده میشوند.سپس ,فرایند بعدی انتخاب میشودتا اجرا شود.این مراحل چندین بار اجرا خواهند شد تا زمانیکه همه ی فرایندها بطور کامل بوسیله ی CPU بکار روند.اگر چه محدوده ی مقدار برای زمان کوانتومی وجود دارد,هنوز هیچ استانداردی وجود ندارد. ضمنا اگر زمان کوانتومی بسیار زیاد باشد,زمان مورد نیاز برای پاسخ / انتظار (چقدر زمان مورد نیاز است که آن بکار گرفته شود) کاملا زیاد است.علاوه براین, اگر خیلی کم باشد برای CPU مخارج کلی بوجود می آورد.جستجو برای بهترین زمان کوانتومی هدف دارد که به حداقل رساندن میانگین زمان انتظار برای گروهی از فرایندهاست.امیدواریم که هر فرایند بتواند کارش را در زمان معقول انجام دهد.تسریع کننده یک فرایند اثرات کارش را در بسیاری از فرایندها بپایان میرساند که میتواند بوسیله ی CPU بکار گرفته شود.این کار به توان عملیاتی بهتری از CPU میرسد برای اینکه همیشه مشغول است و هرگز غیرفعال نیست.براساس مقدمه ی بالا فکر میکنیم برای پیدا کردن بهترین کوانتوم برای بدست آوردن میانگین بهتری از زمان انتظار,مدت زمان صرف شده و حداقل تعویض بستر لازم است.الگوریتم ژنتیکی را پیشنهاد میکنیم که با گردش بنوبت سنتی ترکیب میشود.

به زبان ساده تر
محدوده کاری الگوریتم ژنتیک بسیار وسیع می باشد و هر روز با پیشرفت روزافزون علوم و تکنولوژی استفاده از این روش در بهینه سازی و حل مسائل بسیار گسترش یافته است. الگوریتم ژنتیک یکی از زیر مجموعه های محاسبات تکامل یافته می باشد که رابطه مستقیمی با مبحث هوش مصنوعی دارد در واقع الگوریتم ژنتیک یکی از زیر مجموعه های هوش مصنوعی می باشد. الگوریتم ژنتیک را می¬توان یک روش جستجوی کلی نامید که از قوانین تکامل بیولوژیک طبیعی تقلید می¬کند .الگوریتم ژنتیک برروی یکسری از جواب¬های مساله به امید بدست آوردن جوابهای بهتر قانون بقای بهترین را اعمال می کند. درهر نسل به کمک فرآیند انتخابی متناسب با ارزش جواب¬ها و تولید مثل جواب-های انتخاب شده به کمک عملگرهایی که از ژنتیک طبیعی تقلید شده¬اند ,تقریب¬های بهتری از جواب نهایی بدست می¬آید. این فرایند باعث می¬شود که نسلهای جدید با شرایط مساله سازگارتر باشد.

فهرست مطالب
مقدمه
فصل اول
چکیده
تاریخچه الگوریتم ژنتیک
اهداف
ساختار الگوریتم‏های ژنتیکی

عملگرهای الگوریتم ژنتیک
روند کلی الگوریتم‏های ژنتیکی
روند کلی بهینه سازی و حل مسائل در الگوریتم ژنتیک
شرط پایان الگوریتم
فصل دوم
توضیح الگوریتم ژنتیک در ۱۲ قدم
قدم اول : بدست آوردن تابع هدف (Cost Function) با n متغیر

قدم دوم : تعیین طول کروموزوم

قدم سوم : تولید جمعیت اولیه
قدم چهارم: تبدیل هر ژن از کروموزوم به اعدادی در بازه دامنه همان متغیر
قدم پنجم
قدم ششم :
قدم هفتم : تعیین تعداد کروموزوم شرکت کننده در عمل پیوند
قدم هشتم : انتخاب کروموزومهایی که در عمل پیوند شرکت می کنند
قدم نهم : پیوند (crossover)
قدم دهم : جهش (mutation)
قدم یازدهم : حفظ بهترین کروموزوم
قدم دوازدهم

فصل سوم
روش پژوهش
نتایج و بحث
نتیجه گیری و کارهای آینده
نتیجه گیری‌ کلی
قدر دانی

منابع

دانلود پایان نامه بررسی کاربرد الگوریتم PSO در شبکه های حسگر بی سیم

اختصاصی از فی موو دانلود پایان نامه بررسی کاربرد الگوریتم PSO در شبکه های حسگر بی سیم دانلود با لینک مستقیم و پر سرعت .

الگوریتمPSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. PSO روش محبوبی است که برای حل مشکلات مناسب سازی در شبکه های حسگر بی سیم به دلیل آسان بودنش، کیفیت بالای راه حل هایش، همگرایی سریع و ظرفیت، محاسبه ای نامشخص خود مورد استفاده قرار گرفته است. PSO مستلزم مقادیر زیادی حافظه است که ممکن است اجرای آن را برای ایستگاههای اصلی سرشار از منبع کاهش دهد. این متن کاربردهای شبکه حسگر بی سیم موفق فراوانی دارد که فواید PSO را مورد استفاده قرار می دهد. گردآوری اطلاعات نیازمند مناسب سازی توزیع شده مکرر و راه حل های سریع می باشد. بنابراین، PSOبه طور متوسط آن را مناسب می سازد. صف بندی ثابت، موقعیت یابی و خوشه بندی مشکلاتی هستند که فقط یکبار در ایستگاه مرکزی حل شده اند. PSO آنها را بسیار مناسب ساخته است .

       فصل اول

معرفی شبکه های بی سیم حسگر

نگاهی به شبکه های بی سیم حسگر

توضیحات اولیه

ساختمان گره

ویژگی های عمومی یک شبکه حسگر

ساختار ارتباطی شبکه های حسگر

ساختار خودکار

ساختار نیمه خودکار

فاکتورهای طراحی

تحمل خرابی

قابلیت گسترش

هزینه تولید

محدودیت‌های سخت افزاری یک گره حسگر

توپولوژی شبکه

محیط کار

مصرف توان

کاربردهای شبکه­های بی­سیم حسگر

کاربردهای رهایی از سانحه

کنترل محیطی و نگاشت تنوع زیستی

سازه­های هوشمند

مدیریت تاسیسات

نظارت ماشین آلات و نگهداری پیشگیرانه

کشاورزی دقیق

پزشکی و بهداشت

حمل و نقل

پردازش راه دور

پشته پروتکلی

انواع منبع­ها و چاهک­ها

شبکه­های تک پرشی در مقابل شبکه­های چند پرشی

انواع تحرک

پروتکل­های مسیریابی برای شبکه­های حسگر بی­سیم

1- پروتکل­هایی بر مبنای داده

مسیریابی به روش سیل­آسا و خبردهی

پروتکل­های حسگر برای اطلاعات از طریق مذاکره

انتشار جهت­دار

مسیریابی پخشی

2- پروتکل­های سلسله مراتبی

LEACH

PEGASIS

TEEN and APTEEN

3- پروتکل­های بر مبنای مکان

MECN

GAF

عیب های شبکه حسگر

روش های امنیتی در شبکه‌های بی سیم

WEPSSIDMACفصل دومبهینه سازی

تئوری بهینه‌سازی

انواع مسائل بهینه سازی و تقسیم بندی آنها از دیدگاه های مختلف

بهینه سازی با سعی خطا، بهینه سازی با تابع

بهینه سازی تک بعدی و بهینه سازی چند بعدی

بهینه سازی پویا و بهینه سازی ایستا

بهینه سازی مقید و نا مقید

بهینه سازی پیوسته و یا گسسته

بهینه سازی تک معیاره و چند معیاره

برخی دیگر از روش های بهینه سازی

1. روش مبتنی بر گرادیان

 روند کلی بهینه سازی گرادیانی

1. روش سیمپلکس
2. الگوریتم ژنتیک

 

ویژگی‌های الگوریتم ژنتیک

1. Ant colony

الگوریتم کلونی مورچه ها چیست؟

مزیتهای ACO

کاربردهای ACO

5- الگوریتم رقابت استعماری

شکل دهی امپراطوری‌های اولیه

سیاست جذب: حرکت مستعمره‌ها به سمت امپریالیست

انقلاب؛ تغییرات ناگهانی در موقعیت یک کشور

جابجایی موقعیت مستعمره و امپریالیست

رقابت استعماری

سقوط امپراطوری‌های ضعیف

شبه کد

کاربردها

فصل سوم

Particle Swarm Optimitation(PSO)

مقدمه

(Particle Swarm Optimitation(PSO

توپولوژی های همسایگی PSO

تاریخچه خوشه بندی

تعریف خوشه بندی

تحلیل خوشه بندی

فرضیه موقعیت تصادفی

فرضیه برچسب تصادفی

فرضیه نمودارتصادفی

مراحل خوشه بندی

فرایندهای خوشه بندی

مطالعه تکنیک های خوشه بندی

کاربرد های ویژه PSO

تعریف کلاسیک خوشه بندی

معیار نزدیک بودن

کاربرد های خوشه بندی

تعداد خوشه ها

داده ها

تعداد ویژگی ها و مشخصات آنها

مقدار دهی اولیه برای Kmeans

Kmeans

Pso و کاربرد آن در خوشه بندی

رمز گذاری فضای سه بعدی در ذرات

کمی کردن کیفیت خوشه بندی

Pso و خوشه بندی(الگوریتم 1)

Pso و خوشه بندی در ناحیه بندی تصویر

Pso و خوشه بندی(الگوریتم 2)

ترکیب pso و kmeans برای خوشه بندی (الگوریتم هیبرید)

ترکیب Pso و GA

فصل چهارم

بهینه سازی wsn با استفاده از الگوریتم   بهینه سازی pso

نصب گره ها WSN بهینه

موقعیت یابی گره ثابت

موقعیت یابی گره متحرک

VFCPSO

موقعیت یابی ایستگاه اصلی

تعیین محل گره در WSNها (شبکه های حسگر بی سیم)

تعیین موقعیت های گره های هدف

1) PSO تکراری

2) PSO بدون علامت

3) PSO با چهار علامت

خوشه بندی هشدار انرژی (EAC) در WSNها

خوشه بندی PSO

MST-PSO

جمع آوری اطلاعات در WSNها

تخصیص نیروی انتقال مناسب

تعیین آستانه های مکانی- مناسب

تشکیل حسگر مناسب

نتیجه گیری

مراجع فارسی

مراجع انگلیسی

این فایل با فرمت word می باشد

Accupedo-Pro Pedometer

اختصاصی از فی موو Accupedo-Pro Pedometer دانلود با لینک مستقیم و پر سرعت .

اگر می خواهید به پیاده روی بروید و البته تعداد گام ها و نیز مسافتی که می پیمایید برایتان مهم است پیشنهاد می کنیم نرم افزار Accupedo-Pro Pedometer را از دست ندهید . این اپلیکیشن کاربردی با بهره گیری از سنسور ژیروسکوپ ( G-sensor ) و البته بهره گیری از یک الگوریتم هوشمند که تنها گام ها را شمارش می کند به شما در اندازه گیری قدم هایی که بر می دارید کمک خواهد نمود . کافیست پس از فعال سازی برنامه آن را در جیب خود یا حتی کیف تان گذاشته و شروع به حرکت نمایید .

ویژگی ها :
** نمایش مسافت ، تعاد گام ها ، کالری سوزانده شده و مدت زمان قدم زدن
** بهره گیری از ویجت برای نمایش آسان اطلاعات ضروری
** ارسال لاگ به ایمیل
** قابیلت ایمپورت و اکسپورت کردن بانک اطلاعاتی.