فی موو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فی موو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

دانلود پروژه روشی جدید برای الگوریتم زمانبندی CPU :با گردش بنوبت ژنتیکی

اختصاصی از فی موو دانلود پروژه روشی جدید برای الگوریتم زمانبندی CPU :با گردش بنوبت ژنتیکی دانلود با لینک مستقیم و پر سرعت .

دانلود پروژه روشی جدید برای الگوریتم زمانبندی CPU :با گردش بنوبت ژنتیکی


دانلود پروژه روشی جدید برای الگوریتم زمانبندی CPU :با گردش بنوبت ژنتیکی

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 داکیومنت۹۸  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 با لینک مستقیم


دانلود پروژه روشی جدید برای الگوریتم زمانبندی CPU :با گردش بنوبت ژنتیکی

بهینه سازی قاب دوبعدی با استفاده از ترکیب الگوریتم جامعه پرندگان و مدل جایگزین فرآیند گوسی تحت بار زلزله

اختصاصی از فی موو بهینه سازی قاب دوبعدی با استفاده از ترکیب الگوریتم جامعه پرندگان و مدل جایگزین فرآیند گوسی تحت بار زلزله دانلود با لینک مستقیم و پر سرعت .

بهینه سازی قاب دوبعدی با استفاده از ترکیب الگوریتم جامعه پرندگان و مدل جایگزین فرآیند گوسی تحت بار زلزله


بهینه سازی قاب دوبعدی با استفاده از ترکیب الگوریتم جامعه پرندگان و مدل جایگزین فرآیند گوسی تحت بار زلزله

• مقاله با عنوان: بهینه سازی قاب دوبعدی با استفاده از ترکیب الگوریتم جامعه پرندگان و مدل جایگزین فرآیند گوسی تحت بار زلزله 

• نویسندگان: محسنه اسدی ، سعید شجاعی ، پیمان ترکزاده 

• محل انتشار: هشتمین کنگره ملی مهندسی عمران - دانشگاه صنعتی نوشیروانی بابل - 17 و 18 اردیبهشت 93  

• محور: سازه های فولادی 

• فرمت فایل: PDF و شامل 7 صفحه می‌باشد.

 

چکیــــده:

در بهینه سازی دینامیکی قاب‌ها برای بدست آوردن پاسخ مسئله نیازمند تحلیل سازه در هر نسل هستیم که زمان زیادی را می‌طلبد و با افزایش زمان و درجات آزادی، بیشتر نیز می‌شوند. روش‌های جایگزین با برقراری یک رابطه تقریبی بین ورودی‌ها و خروجی‌های مسئله، جوابی نزدیک به حل مستقیم را در زمانی کوتاهتر بدست می‌دهند. از میان تکنیک‌های مختلف ساخت مدل جایگزین، روش فرآیند گوسی (GP) عملکرد مناسبی از خود نشان داده است. در این تحقیق روشی برای ترکیب مدل‌های جایگزین در راستای تسریع الگوریتم‌های فراابتکاری برای بهینه سازی قاب تحت بار زلزله ارائه می‌گردد. در ابتدا، با استفاده از روش مستقیم، سازه موردنظر را تحلیل دینامیکی کرده و نتایج را ذخیره می‌کنیم که در نهایت از آنها برای آموزش روش تقریبی استفاده می‌کنیم. با شروع به کار الگوریتم بهینه ساز (PSO) بجای استفاده از روش مستقیم، از روش تقریبی فرآیند گوسی (GP) استفاده می‌کنیم.

مقدمه:

بهینه سازی یعنی بهترین جواب برای هر نوع مسئله‌ای در حالی که محدودیت‌های مشخصی برای آن وجود داشته باشد. امروزه با وجود مسائل با ابعاد بزرگ و پیچیده و با توجه به اهمیت زمان و دقت، روش‌های بهینه سازی قدیمی دیگر توانایی حل مسائل بزرگ را ندارند. به همین دلیل نیاز به الگوریتم‌های تکاملی روز به روز بیشتر می‌شود. الگوریتم‌های که هم باعث صرفه جویی در زمان می‌شوند و هم به همگرایی به بهینه سراسری و گریز از بهینه محلی، منجر می‌شود. الگوریتم اجتماع ذرات یکی از این الگوریتم ها می‌باشد و از جدیدترین روش‌های جستجو می‌باشد. در این الگوریتم که توسط دکتر راسل ابرهات و دکتر جیمز کندی در 1995 ارائه شده است و از رفتار جمعی پرندگان و ماهی‌ها الهام گرفته شده است، فرآیند حرکت پرندگان به سمت منبع غذا یک پدیده اتفاقی طبیعی است که باعث می‌شود هر پرنده در گروه با سرعت و جهت خاص خود حرکت کند و موقعیت اولیه خود را در گروه بهبود دهد. بردار سرعت براساس حافظه ذخیره شده به وسیله هر پرنده بهبود می‌یابد که این حافظه اطلاعات شخصی هر فرد می‌باشد و از طرف دیگر موقعیت هر ذره در گروه با توجه به رفتار کلی گروه بهبود می‌یابد و گروه در مسیر جستجوی خود به مناطق بهتری دست می‌یابد و این چرخه بهبود موقعیت هر ذره و متعاقباً بهبود موقعیت کل گروه ادامه دارد تا گروه به بهترین نقطه (منبع غذا) برسد.

الگوریتم ژنتیک نیز یک روش بهینه سازی از طبیعت جاندار است که می‌توان از آن بعنوان یک روش عددی، جستجوی مستقیم و تصادفی نام برد. اساسی‌ترین اصل تکامل وراثت است، هرنسل خصوصیات نسل قبلی را به ارث می برد و به نسل بعد انتقال می دهد. جان هالند 1967 ایده استفاده از الگوریتم ژنتیک را در بهینه سازی‌های مهندسی را مطرح کرد. در این روش، ابتدا برای تعداد ثابت که جمعیت نامیده می‌شود مجموعه ای از پارامترهای هدف بصورت اتفاقی تولید می‌شود. پس از اجرای برنامه شبیه ساز عددی را که معرف انحراف معیار و یا برازش آن مجموعه از اطلاعات است را به آن عضو از جمعیت مذکور نسبت می‌دهیم. این عمل را برای تک تک اعضای ایجاد شده تکرار می‌کنیم تا مناسب ترین نسل‌های والد انتخاب شوند. سپس با فراخوانی عملگرهای ژنتیک از جمله جهش و انتخاب نسل بعدی را شکل می‌دهیم و در پایان هر مرحله نسل جدید ایجاده شده را با نسل‌های قبلی جایگزین می‌نماید. این روال تا برقراری معیار همگرایی ادامه داده خواهد شد.

در اینجا یک برنامه‌ی طراحی داریم که پاسخ سازه‌ها را محاسبه می‌کند و از طرفی یک الگوریتم بهینه ساز که یک مسئله مقید را در بر می‌گیرد. برای ترکیب این دو برنامه مشکلاتی وجود دارد که هزینه محاسباتی بالا یا بعبارتی صرف زمان طولانی از جمله این مشکلات می‌باشد. برای بسیاری از مسائل بهینه سازی سازه‌ها، ارزیابی تابع هدف و قیود مسئله مستلزم اجرا نمودن تحلیل‌های زیاد پر هزینه است تا بتوان تغییرمکان‌ها، تنش‌ها و پاسخ‌های دیگر سازه را بدست آورد. برای حل این مشکل بهینه سازی تقریبی پیشنهاد می‌شود یعنی استفاده از مدل‌های جایگزین و تقریبی بجای تحلیل دقیق برای ترکیب با بهینه ساز. به این صورت که ابتدا از تحلیل دقیق برای طراحی اولیه و اطلاعاتی برای تقریب ها استفاده می‌شود و می‌توانیم با تحلیل سازه در چند نقطه از فضای طراحی، روند تحلیل را بوسیله روش جایگزین تقریب سازی کرده و پاسخ تقریبی را در نقاط دیگر فضای طراحی بدست آوریم. در این تحقیق از روش فرآیند گوسی برای تقریب سازی پاسخ تحلیل دینامیکی تاریخچه زمانی استفاده شده است. این روش، روشی جدید و کارآمد است که توانایی خود را در حل مسائل تقریب سازی بخوبی نشان داده است. مدل فرآیند گوسی در واقع معادل رفتار بیزین یک کلاس خاص از شبکه‌های پرسپترون چند لایه در حالت حدی شبکه های بی نهایت بزرگ است.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل civil.sellfile.ir@gmail.com پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

 


دانلود با لینک مستقیم


بهینه سازی قاب دوبعدی با استفاده از ترکیب الگوریتم جامعه پرندگان و مدل جایگزین فرآیند گوسی تحت بار زلزله

دانلود پایان نامه بررسی جامع الگوریتم های مسیریابی در شبکه های موردی (تعداد صفحات 112)

اختصاصی از فی موو دانلود پایان نامه بررسی جامع الگوریتم های مسیریابی در شبکه های موردی (تعداد صفحات 112) دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه بررسی جامع الگوریتم های مسیریابی در شبکه های موردی (تعداد صفحات 112)


دانلود پایان نامه بررسی جامع الگوریتم های مسیریابی در شبکه های موردی  (تعداد صفحات  112)

شرح مختصر : شبکه های موردی شامل مجموعه ای از نود های توزیع شده هستند که به صورت بی سیم با همدیگر در ارتباط می باشند. نودها می توانند کامپیوتر میزبان یا مسیریاب باشند که هر یک مجهز به یک فرستنده و گیرنده بوده و به طور مستقیم بدون هیچگونه نقطه دسترسی با همدیگر ارتباط برقرار می کنند، لذا سازمان ثابتی نداشته و در یک توپولوژی دلخواه شکل گرفته اند. مهمترین ویژگی این شبکه ها نیز وجود همین توپولوژی پویا و متغیر است که نتیجه تحرک نودها می باشد. نودها در این شبکه ها به طور پیوسته موقعیت خود را تغییر میدهند و بنابراین نیاز به یک پروتکل مسیریابی خوب که توانایی سازگاری با این تغییرات را داشته باشد، نمایان تر میشود. در این پایان نامه سعی شده است تا آلگوریتم های مسیریابی موجود در شبکه های موردی مورد بررسی قرار گیرند و کارایی، عملکرد و امنیت آنها با یکدیگر مقایسه شوند.

فهرست :

چکیده

مقدمه

فصل اول : کلیات

هدف

پیشینه کار و تحقیق

روش کار و تحقیق

فصل دوم : معرفی شبکه های موردی

شبکه موردی چیست

معرفی انواع شبکه های موردی

مزایای شبکه های موردی

کاربردهای شبکه های موردی

محدودیت های شبکه های موردی

خصوصیات شبکه های موردی

فصل سوم : مسیریابی شبکه های موردی

چگونگی مسیریابی در شبکه های موردی

انواع پروتکل های مسیریابی

پروتکل های پیشگیرانه proactive

پروتکلdsdv

پروتکلwrp

پروتکلcsgr

پروتکلstar

پروتکل های واکنش دار reaction

پروتکل ssr

پروتکل dsr

پروتکل tora

پروتکل aodv

پروتکل rdmar

پروتکل های پیوندیHybrid

پروتکل zrp

پروتکل zhls

پروتکل های موقعیتیLocation

پروتکل dream

پروتکل lar

دسته بندی دوم الگوریتم های مسیر یابی شبکه های موردی

سلسله مراتبی

الگوریتم مسیریابی مبتنی بر مورچه متحرکmabr

الگوریتم Sdr اتخاذ شده

الگوریتم hopent

مسطح

الگوریتم مسیریابی مبتنی بر لانه مورچه

الگوریتم موریانه

الگوریتم مسیریابی اورژانس احتمالاتیpera.

الگوریتم مسیریابی فوری ویژهeara

الگوریتم مورچه aodv

مسیریابی شبکه های حسگر

روش های مسیریابی شبکه های حسگر

مسیریابی مسطح

روش سیل آسا

روش شایعه پراکنی

روش اسپینspin

روش انتشار هدایت کننده

مسیریابی سلسله مراتبی

پروتکل LEACH

پروتکل SEP

پروتکل PEGASIS

پروتکل TEEN و APTEEN

پروتکل SOP

پروتکل Sensor Aggregates Routing

پروتکل VGA

پروتکل HPAR

پروتکل TTDD

مسیریابی مبتنی بر مکان

پروتکل GAF

پروتکل GEAR

فصل چهارم : امنیت شبکه های موردی

مشکلات امنیتی در مسیر یابی شبکه های موردی

حملات مبتنی بر Modification

حملات مبتنی بر Impersonation

حمله سوراخ کرم

حمله هجوم

نیازمندی های امنیتی شبکه های موردی

الگوریتم های امن مسیریابی شبکه های موردی

پروتکل ARAN

پروتکل Ariadne

پروتکل saodv

پروتکل srp

پروتکل sead

پروتکل spaar

فصل پنجم : بحث و نتیجه گیری

نتیجه گیری

پیشنهادات

منابع و ماخذ

فهرست منابع فارسی

چکیده انگلیسی


دانلود با لینک مستقیم


دانلود پایان نامه بررسی جامع الگوریتم های مسیریابی در شبکه های موردی (تعداد صفحات 112)

پایان نامه کارشناسی ارشد مهندسی عمران الگوریتم ساخت سیستم مدیریت نگهداری خطوط ریلی ایران

اختصاصی از فی موو پایان نامه کارشناسی ارشد مهندسی عمران الگوریتم ساخت سیستم مدیریت نگهداری خطوط ریلی ایران دانلود با لینک مستقیم و پر سرعت .

پایان نامه کارشناسی ارشد مهندسی عمران الگوریتم ساخت سیستم مدیریت نگهداری خطوط ریلی ایران


پایان نامه کارشناسی ارشد مهندسی عمران الگوریتم ساخت سیستم مدیریت نگهداری خطوط ریلی ایران

دانلود پایان نامه کارشناسی ارشد مهندسی عمران الگوریتم ساخت سیستم مدیریت نگهداری خطوط ریلی ایران با فرمت pdf تعداد صفحات 147

دانلود پایان نامه آماده

 

این پایان نامه جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی عمران طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز پایان نامه ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این پایان نامه را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده از منابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.   


دانلود با لینک مستقیم


پایان نامه کارشناسی ارشد مهندسی عمران الگوریتم ساخت سیستم مدیریت نگهداری خطوط ریلی ایران

دانلود پایان نامه با عنوان کاربرد الگوریتم زنبورعسل در بهینه سازی مسائل ریاضی

اختصاصی از فی موو دانلود پایان نامه با عنوان کاربرد الگوریتم زنبورعسل در بهینه سازی مسائل ریاضی دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه با عنوان کاربرد الگوریتم زنبورعسل در بهینه سازی مسائل ریاضی


دانلود پایان نامه با عنوان  کاربرد الگوریتم زنبورعسل در بهینه سازی مسائل ریاضی
 
 

 

عنوان پایان نامه :  کاربرد الگوریتم زنبورعسل در بهینه سازی مسائل ریاضی


شرح مختصر :

انسان همیشه برای الهام گرفتن به جهان زنده‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ی پیرامون خود نگریسته است. یکی ازبهترین طرح‌های شناخته شده، طرح پرواز انسان است که ابتدا لئورناردو داوینچی (1519-1452) طرحی از یک ماشین پرنده را براساس ساختمان بدن خفاش رسم نمود. چهارصد سال بعد کلمان آدر ماشین پرنده‌ای ساخت که دارای موتور بود و به جای بال از ملخ استفاده می‌کرد. در دهه‌های اخیر، روش‌های تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه‌سازی در حوزه‌های مختلفی مانند علوم تجاری و مهندسی مورد استفاده قرار گرفته است. وسعت دامنه‌‌ی کاربرد، سهولت استفاده و قابلیت دست‌یابی به جواب نزدیک و بهینه‌ی مطلق از جمله دلایل موفقیت این روش‌ها می‌باشد. هوش دسته جمعی، زیر شاخه‌ای از هوش مصنوعی است که بر پایه‌ی رفتار جمعی سیستم‌های غیر متمرکز و خود‌‌‌ ‌سازمان‌‌ده بنا شده است. نمونه‌ای از هوش جمعی، کلونی زنبور عسل است. یکی از کاربردهای این الگوریتم، مسائل بهینه‌سازی چندتایی است برای همین برخی به آن الگوریتم بهینه‌سازی زنبورعسل می‌گویند. دراین مقاله، الگوریتم کلونی زنبورعسل مورد استفاده قرار می‌گیرد و نتایج تولید شده توسط الگوریتم مقایسه می‌شوند.  موضوع کلونی زنبور عسل خود به دو بخش جستجوی غذا و فرآیند جفت‌گیری زنبورها تقسیم می‌شود.

قالب بندی :  PDF

فهرست :

مقدمه

فصل اول الگوریتم‌های تکاملی

 هوش مصنوعی

 الگوریتم چیست؟

 الگوریتم‌های تکاملی

 کاربردها

 الگوریتم کلونی مورچه

 بهینه سازی مسائل به روش کلونی مورچه

مورچه‌ها چگونه می‌توانند کوتاه‌ترین مسیر را پیدا کنند؟

 الگوریتم

الگوریتم کلی حرکت

 شبه کد و فلوچارت الگوریتم

 مزیت‌ها

 کاربردها

 الگوریتم رقابت استعماری

 دهی امپراطوری‌های اولیه

 سیاست جذب

 انقلاب

 جابجایی موقعیت مستعمره و امپریالیست

 رقابت استعماری

 سقوط امپراطوری‌های ضعیف

 شبه کد

 مزیت‌ها

 کاربردها

الگوریتم ژنتیک

مکانیزم الگوریتم ژنتیک

عملگرهای الگوریتم ژنتیک

کدگذاری

ارزیابی

ترکیب

جهش

رمزگشایی

شبه کد

کاربردها

الگوریتم ازدحام ذرات

کاربردها

کدام الگوریتم بهتر است؟

فصل دوم الگوریتم زنبور عسل

 تعریف

 کلونی زنبورها

 جستجوی غذا در طبیعت

 الگوریتم کلونی زنبورهای مصنوعی

 بهینه‌سازی کلونی زنبورها

 معرفی کلونی زنبورهای مصنوعی

 شبه کد

 الگوریتم بهینه‌یابی جفت‌گیری زنبورهای عسل

مدل‌سازی جفت‌گیری زنبورهای عسل

فصل سوم کاربردهای الگوریتم زنبورعسل

 The Ride Matching problems

Numerical expriment

دنیای مجازی در تسخیر زنبور دیجیتال

 بهینه‌سازی سد

 ایده‌ی روباتی

 سایر کاربردها

فصل چهارم کاربرد الگوریتم زنبورعسل در بهینه‌سازی مسائل ریاضی

 بهینه‌سازی

 شاخه‌های اصلی

انواع مسائل بهینه‌سازی

یک مساله‌ی بهینه‌سازی

قضایا

وجود نقطه‌ی بهینه

 کاربرد الگوریتم در مثال‌های ریاضی

 تابع سینوسی نامقید

 تابع توانی مقید

 ارزیابی الگوریتم

تابع  Griewank

تابع Rastrigin

تابع Rosenbrock

تابع Ackley

تابع Schwefel

نتیجه‌گیری و پیشنهادات

پیوست کد برنامه‌ی مربوط به الگوریتم زنبور عسل به زبانC

فهرست منابع

فهرست شکل‌ها و جدول‌ها:

شمای گرافیکی مغز انسان

نمونه‌ای از تکامل در طول تاریخ

سختی در حمل غذا و لزوم یافتن کوتاه‌ترین مسیر

فرومون و چگونگی یافتن کوتاه‌ترین مسیر

عدم تاثیر موانع در یافتن کوتاه‌ترین مسیر

فلوچارت الگوریتم مورچه

استعمار

شکل‌دهی امپراطوری اولیه

نحوه‌ی تقسیم مستعمرات میان کشورهای استعمارگر

تغییرات ناگهانی و وقوع انقلاب

تعویض موقعیت مستعمره و استعمارگر

رقابت استعمارگران

سقوط یک امپراطوری

نمای گرافیکی ژن

ترکیب در الگوریتم ژنتیک

الگوریتم اجتماع ذرات

swarm  زنبور‌ها

کدام الگوریتم؟

هدیه‌ای از جانب خدا

تلاش برای یافتن قطعات گلدار

رقص چرخشی

نمودار احتمال انتخاب زنبور‌های نر بر حسب تغییرات سرعت

نمودار احتمال انتخاب زنبور‌های نر برحسب تغییرات مقدار تابع هدف

الگوریتم HBMO

جریان ماهیانه‌ی ورودی به مخزن و نیاز متوسط

میزان متوسط افت خالص ماهیانه

تغییرات تابع هدف در  بهترین پرواز جفت‌گیری

تغییرات حجم مخزن در هر پریود

تغییرات میزان رهاسازی از مخزن در هر پریود

رویه‌ی تابع سینوسی نامقید

تغییرات مقدار تابع هدف در طول پروازهای جفت‌گیری

تعداد تجمعی موفقیت توابع در طول پروازهای جفت‌گیری

تغییرات حداکثر مقدار تابع هدف در  اجرا و در دفعات ارزیابی تابع هدف

تغییرات متوسط مقدار تابع در  اجرا و در طول دفعات ارزیابی تابع هدف

رویه‌ی تابع توانی مقید

تغییرات مقدار تابع هدف در طول پروازهای جفت‌گیری

تعداد تجمعی موفقیت توابع در طول انجام پروازهای جفت‌گیری

تغییرات متوسط مقادیر تابع هدف در  اجرا و در طول تعداد دفعات ارزیابی

تغییرات حداقل مقادیر تابع هدف در  اجرا و در طول تعداد دفعات ارزیابی

جدول ـ مقادیر تابع هدف در  بار اجرا و  پرواز جفت‌گیری

جدول ـ پارامترهای آماری تابع هدف در  بار اجرا و  پرواز جفت‌گیری

جدول ـ مقادیر تابع هدف و دومتغیر تصمیم در  اجرا و درپایان  پروازجفت‌گیری

جدول  پارامترهای آماری تابع هدف و دومتغیر تصمیم در  اجرا  پرواز جفت‌گیری

جدول  پارامترهای آماری مقادیر تابع هدف در  اجرا توسط الگوریتم ژنتیک با احتمالات مختلف

جدول  مقادیرتابع هدف و دو متغیر تصمیم در  اجرا و  پرواز جفت‌گیری

جدول  پارامترهای آماری تابع هدف و دو متغیر تصمیم در  اجرا ودر  پرواز جفت‌گیری

جدول  پارامترهای آماری مقادیر تابع هدف در  بار اجرا توسط الگوریتم ژنتیک با احتمالات مختلف


دانلود با لینک مستقیم


دانلود پایان نامه با عنوان کاربرد الگوریتم زنبورعسل در بهینه سازی مسائل ریاضی