مقاله و کدهای متلب :
افزایش سرعت فشرده سازی فراکتالی تصویر با استفاده از الگوریتم بهینه
سازی نیروی مرکزی (CFO)

مشکل بزرگ الگوریتم فشرده سازی فراکتالی تصویر، صرف زمان بسیار زیاد برای رمزنگاری تصویر است. در این مقاله از الگوریتم جدید بهینه سازی نیروی مرکزی (CFO) برای کاهش زمان فشرده سازی تصویر، استفاده شده است. حجم بالای داده های تصویر فشرده نشده، ذخیره و انتقال آن را با مشکل مواجه می کند. با افزایش روزافزون داده های تصویری و ویدئویی، ارائه ی روش های سریع تر و کارآمدتر برای فشرده سازی تصویر، بسیار ضروری بنظر می رسد. فشرده سازی فراکتالی تصویر، یک تکنیک فشرده سازی با اتلاف است که از خاصیت شباهت موجود در نواحی مختلف تصویر استفاده می کند و دارای ویژگی های مطلوبی مانند: نرخ فشرده سازی بالا، کیفیت مناسب تصویر و خاصیت چند رزولوشنه می باشد.در این مقاله، الگوریتم بهینه سازی نیروی مرکزی (CFO)، برای یافتن سریع تبدیل های نگاشت مناسب در تصویر، به کار رفته است. به طوری که همین تبدیل ها، با الگوی فراکتالی می توانند کل تصویر را توصیف کنند و دیگر نیازی به ذخیزه تک تک پیکسل ها نخواهد بود. ارائه ی الگوریتم CFO در فشرده سازی فراکتالی تصویر، زمان فشرده سازی را بسیار کاهش داده است. الگوریتم CFO در مقایسه با سایر الگوریتم های بهینه سازی از خاصیت قطعی بودن جواب نهایی برخوردار است و در هر بار اجرای آن، تصویر بازیابی شده کیفیت ثابتی خواهد داشت.

:: برچسب‌ها: پردازش تصویر , فشرده سازی تصویر , فراکتالی , الگوریتم بهینه سازی , CFO ,
:: بازدید از این مطلب : 65

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

در طول دهه های اخیر الگوریتم های الهام گرفته شده از طبیعت به طور وسیعي برای حل مسایل بهینه سازی مختلف استفاده شده است.
 محاسبه راه حل های بهینه برای اكثر مسایل بهینه سازی كه در خیلي از زمینه های كاربردی و عملي مشاهده مي گردند كاری دشوار و سخت است.
 مساله تخصیص درجه دوم یكي از مسایل بهینه سازی تركیبي است كه به اختصاص مجموعه ای از تسهیل ها به مجموعه ای از مكان ها، با هزینه ای كه تابعي از فاصله و
     جریان بین تسهیل ها مي باشد، به اضافه ی هزینه های مربوط به تسهیل هایي که در مکان مشخصی واقع شده است ، می پردازد.
 
هدف، تخصیص هر تسهیل به یك مكان مي باشد كه در آن هزینه كل حداقل گردد.

:: برچسب‌ها: الگوریتم حل مساله تخصیص مضاعف , الگوریتم حل تخصیص مضاعف با الگوریتم ژنتیک , حل مساله QAP , الگوریتم حل مساله تخصیص درجه دوم , الگوریتم حل تخصیص درجه دو با الگوریتم ژنتیک , QAP با الگوریتم ژنتیک , الگوریتم بهینه سازی , کد متلب الگوریتم حل مساله QAP , کد متلب الگوریتم , کد متلب الگوریتم حل تخصیص مضاعف , QAP , الگوریتم شبیه سازی , هوش گروهی , بهینه سازی ترکیبی , الگوریتم حداقل کردن هزینه کل ,
:: بازدید از این مطلب : 40

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

الگوریتم چکه آب‌های هوشمند یا چکاه یک الگوریتم برای بهینه‌سازی هوش گروهی است. الگوریتم چکاه، الگوریتمی است که به گونه گروهی کار می‌کند و پرهام-  گرا (طبیعت-گرا) می‌باشد. این الگوریتم در نهاد برای بهینه‌سازی آمیختاری به کار برده می‌شود ولی می‌توان آن را برای بهینه‌سازی پیوسته نیز آماده ساخت.

:: برچسب‌ها: الگوریتم چکه های آب هوشمند , الگوریتم بهینه سازی , الگوریتم چکه آبهای هوشمند , الگوریتم IWD , IWD , الگوریتم شبیه سازی , الگوریتم الهام گرفته از طبیعت , هوش گروهی , چکاه , طبیعت گرا , الهام گرا , بهینه‌سازی پیوسته , بهینه‌سازی آمیختاری , الگوریتم برای بهینه‌سازی هوش گروهی , الگوریتم چکاه ,
:: بازدید از این مطلب : 75

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

این الگوریتم ابتدا بعنوان زیر مجموعه ی الگوریتم جستجوی ممنوعه بود که در سال 1997 آقای گلوور توانستن با بهره گیری از الگوریتم های ژنتیک و جستجوی ممنوعه آن را به الگوریتمی مستقل تبدیل کنند.

:: برچسب‌ها: الگوریتم جستجوی پراکنده , جستجوی پراکنده , الگوریتم بهینه سازی , الگوریتم بهینه سازی جستجوی پراکنده , scatter search , کد متلب الگوریتم جستجوی پراکنده , کد الگوریتم , الگوریتم شبیه سازی , الگوریتم الهام گرفته از طبیعت , هوش گروهی , زیرمجموعه الگوریتم جستجوی ممنوعه ,
:: بازدید از این مطلب : 55

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

علم جغرافیای زیستی را می توان به مطالعه افرادی از قبیل آلفرد والاسو چارلز داروین در قرن 14 نسبت داد، که براساس قانون های الهام گرفته از طبیعت تحقیق می کردند که تا چند سال این علم به صورت توصیفی باقی ماند ولی در سال 1461 روبرت مک آرتور و ادوارد ویلسون تحقیقات خود را بر روی معادلات ریاضی جغرافیای زیستی ادامه دادند. در سال 2008 آقای دن سیمون الگوریتمی مبتنی براساس جغرافیای زیستی ارائه کرد. جغرافیای زیستی در مورد مهاجرت گونه ها ازیک جزیره به جزیره دیگر ، ایجاد و انقراض گونه های جدید بحث میکند وBBO یک الگوریتم بهینه سازی بر اساس جمعیت است، که در آن تولیدمثل نسل کودکان مورد بحث قرار نمیگیرد، اصولا در جغرافیای زیستی رقابت بر سر بقا و منابع صورت می گیرد.

:: برچسب‌ها: الگوریتم بهینه سازی , بهینه سازی مبتنی بر جغرافیای زیستی , الگوریتم جغرافیای زیستی , الگوریتم مبتنی بر جغرافیای زیستی , BBO , الگوریتم BBO , کد الگوریتم , کد الگوریتم BBO , الگوریتم شبیه سازی , الگوریتم الهام گرفته از طبیعت , هوش گروهی , بهینه سازی بر اساس جمعیت , الگوریتم رقابتی , جغرافیای زیستی ,
:: بازدید از این مطلب : 37

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

   سیستم ایمنی یک سیستم مقاوم و پیچیده است که با استفاده از توانایی شناسایی و دسته بندی سلولها در دو دسته خودی و غیر خودی،بدن را در برابر عوامل بیگانه حفظ می کند.

:: برچسب‌ها: الگوریتم ایمنی , ایمنی مصنوعی , الگوریتم سیتم ایمنی , سیستم ایمنی مصنوعی , الگوریتم سیستم ایمنی مصنوعی , بهینه سازی , الگوریتم بهینه سازی , ais , کد الگوریتم , کد متلب الگوریتم ایمنی مصنوعی , الگوریتم شبیه سازی , الگوریتم الهام گرفته از طبیعت , هوش گروهی ,
:: بازدید از این مطلب : 52

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

پاور پوینت جامع و کامل الگوریتم زنبور عسل با گرافیک عالی
مناسب برای ارائه کلاسی دانشجویان

:: برچسب‌ها: پاور پوینت , الگوریتم زنبور عسل , ABC , الگوریتم بهینه سازی ,
:: بازدید از این مطلب : 58

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

 یکی از تکنیک­های بهینه‌سازی فرا اکتشافی است
مبتنی بر استراتژی انگیزه‌های سیاسی-اجتماعی توسعه‌یافته است.
الگوریتم رقابت استعماری به‌صورت چند عامله است.
 پایه ها :رقابت استعماری ، سیاست همسان سازی ، انقلاب

:: برچسب‌ها: الگوریتم رقابت استعماری , بهینه‌سازی فرا اکتشافی , الگوریتم بهینه سازی , الگوریتم جستجو , نظریه آشوب , الگوریتم شبیه سازی , الگوریتم الهام گرفته از طبیعت , هوش گروهی , الگوریتم چند عامله , الگوریتم همسان سازی , الگوریتم انقلاب , رقابت استعماری , الهام گرفته شده از طبیعت ,
:: بازدید از این مطلب : 43

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

فرض کنید شما و گروهی از دوستان تان به دنبال گنج می گردید هر یک از اعضای گروه یک فلزیاب و یک بی سیم دارند که می تواند مکان و وضعیت کار خود را به همسایگان نزدیک خود اطلاع بدهد بنابراین شما می دانید آیا همسایگان¬ تان از شما به گنج نزدیکترند یا نه ؟ پس اگر همسایه ای به گنج نزدیکتر بود شما می توانید به طرف او حرکت کنید. با چنین کاری تماس شما برای رسیدن به گنج بیشتر می شود و همچنین گنج زودتر از زمانی که شما تنها باشید پیدا می شود.
این یک مثال ساده از رفتار جمعی یا swarm behavior است که افراد برای رسیدن به یک هدف نهایی همکاری می کنند . این روش موثرتر از زمانی است که افراد جداگانه عمل کنند. Swarm را می توان به صورت مجموعه ای سازمان یافته از موجوداتی تعریف کرد که با یکدیگر همکاری می کنند. در کاربردهای محاسباتی swarm intelligence از موجوداتی مانند دسته ی پرندگان و مورچه ها ، زنبورها ، موریانه ها ، دسته ماهیان الگو برداری می شود . در این نوع اجتماعات هر یک از موجودات ساختار نسبتاً ساده ای دارند ولی رفتار جمعی آنها بی نهایت پیچیده است . برای مثال در کولونی مورچه ها هریک از مورچه ها یک کار ساده ی مخصوص را انجام می دهد ولی به طور جمعی عمل و رفتار مورچه ها ، ساختن بهینه لایه ، محافظت از ملکه و نوزادان ، تمیز کردن لانه ، یافتن بهترین منابع غذایی و بهینه سازی استراتژی حمله را تضمین می کند. رفتار کلی یک swarm به صورت غیر خطی از آمیزش رفتارهای تک تک اجتماع بدست می آید. یا به عبارتی یک رابطه ی بسیار پیچیده بین رفتار جمعی و رفتار فردی یک اجتماع وجود دارد. رفتار جمعی فقط وابسته به رفتار فردی افراد اجتماع نیست بلکه به چگونگی تعامل میان افراد نیز وابسته است . تعامل بین افراد ، تجربه ی افراد درباره ی محیط را افزایش می دهد و موجب پیشرفت اجتماع می شود . ساختار اجتماعی swarm بین افراد مجموعه کانال های ارتباطی ایجاد می کند که طی آن افراد می توانند به تبادل تجربه های شخصی بپردازند مدل سازی محاسباتی swarm، کاربردهای موفق و بسیار را در پی داشته است. به طور کلی موضوع پروژه رسم تابع تخمینی در بحث ریاضیات برای رسم یک سری داده با استفاده از نرم افزار متلب می باشد. جمعیتی که در این پروژه مورد مطالعه و بررسی قرار می گیرند با توجه به ماهیت پروژه یکسری داده مربوط به یک تابع مشخص می باشند که ما در هر مرحله نتایج را با مقادیر دادهها مقایسه کرده تا بتوانیم ذراتی تولید کرده که بهینه شده باشند و کمترین اختلاف را با جمعیت اولیه داشته باشند. برای این منظور پروژه تا حد ممکن طوری تنظیم شده که همه جنبه های اساسی موضوع چه از نظر کاربردی و چه از نظر تئوری را در بر گیرد. در بحث آشنایی با الگوریتم و تعاریف مربوط به آن سعی شده تا هرچه بیشتر موضوع باز شده و مثال هایی به همراه داشته باشد تا موضوع ساده و روان بوده و به راحتی قابل درک باشد.
کلمات کلیدی
بهینه سازی(Optimization)، تابع برا زنگی(fitness)، بهترین سراسری(g_best)،
بهترین شخصی(p_best)، الگوریتم بهینه سازی،کلونی

فصل اول: “آشنایی با برخی ازانواع الگوریتم های بهینه سازی ”
مقدمه ای بر بهینه سازی
۱- ۱ الگوریتم اجتماع پرندگان(particle swarm optimization Algorithm – pso)
۱-۲ الگوریتم ژنتیک(Genetic Algorithm – GA
۱-۳ الگوریتم کلونی مورچه ها(Aco- Ant colony optimization Algorithm
۱-۴ الگوریتم کلونی زنبور عسل(Abc-Artificial bee colony algorithm
۱-۵ الگوریتم چکه های آب هوشمند یا چکاه(Intelligent water Drops Algorithm -Iw
فصل دوم : ” الگوریتم(particle swarm optimization – pso) و
” Cooperative Particle swarm optimization – cpso) (
مقدمه
۲-۱ ماهیت الگوریتم
۲-۲ مفاهیم اولیه
۲-۳ فلو چارت
۲-۴ اطلاعات فنی
۲-۵ ساختار کلی
۲-۶ قاعده کلی توپولوژی همسایگی
۲-۷ نکات کلیدی
۲-۷-۱ خاصیت هوش جمعی
۲-۷-۲ هوش ذرات
۲-۷-۳ کنترل الگو ریتم
۲-۷-۴ تعداد ذرات
۲-۷-۵ محدوده ی ذرات
۲-۷-۶ شرایط توقف
۲- ۸ مزایا و کاربردهای الگو ریتم
۲-۹ ذرات swarm در تعدادی فضای واقعی
۲-۱۰مثال هایی از حرکت ذرات

۲-۱۰ مثالی از پرواز پرندگان برای یافتن غذا
۲-۱۱ الگوریتم Cooperative Particle swarm optimization
۲-۱۲ معرفی نرم افزار بکار رفته در شبیه سازی پروسه
فصل سوم: به ” بکار گیری cpsoو pso در پروسه ی Curve Fitting”
مقدمه
۳-۱ ماهیت کار
۳-۲ مراحل انجام کار به کمک الگوریتمpso
۳-۲-۱ بدست آوردن تابع برازندگی
۳-۲-۲ مشخص کردن اندازه جمعیت اولیه و ابعاد آن
۳-۲-۳ بررسی خروجی های بدست آمده از تابع Fitnessدر تکرار اول
۳-۲-۴ ایجاد لیست اول جهت نگهداری خروجی های بدست آمده
۳-۲-۵ پیدا کردن بهترین خروجی تابع Fitness و یافتن مکان آن در لیست اول
۳-۲-۶ آبدیت کردن سرعت و مکان ذرات با توجه به اینکه سرعت اولیه ذرات قبلا تعریف
۳-۲-۷ ایجاد لیست دوم جهت نگهداری خروجی های تابع Fitness در تکرار دوم
۳-۲-۸ پیدا کردن مکان بهترین ذره در جمعیت دوم
۳-۲-۹ مقایسه خروجی های تابع Fitness در دو تکرار اول
۳-۲-۱۰ پیدا کردن بهترین ذرات در دو جمعیت اول و دوم و تولید جمعیت سوم
۳-۲-۱۱ محاسبه تابع Fitness برای جمعیت سوم
۳-۲-۱۲ تکرار از مرحله پنجم الی یازدهم تا رسیدن به نقاط بهینه
۳-۳ مراحل انجام کار برای الگوریتمcpso
فصل چهارم : نتایج
۴-۱ انجام پروسه توسط الگوریتم pso
۴-۲ انجام پروسه توسط الگوریتم cpso
۴-۳ بررسی تفاوت بین psoوcpso
فصل پنجم: نتیجه گیری و پیشنهاد
۵-۱ نتیجه گیری
۵-۲ پیشنهاد
مراجع
پیوست

:: برچسب‌ها: دانلود پایان نامه الگوریتم بهینه سازی PSO و بکارگیری آن در پروسه Curve Fitting (قابل ویرایش و دریافت فایل Word ورد) تعداد صفحات 94 , دانلود پایان نامه , الگوریتم بهینه سازی , pso , الگوریتم هی بهینه سازی , Curve Fitting , الگوریتم Curve Fitting , الگوریتم بهینه سازی PSO , پایان نامه الگوریتم بهینه سازی , پروژه پایان نامه الگوریتم بهینه سازی , تحقیق الگوریتم بهینه سازی PSO , مقاله پیرامون الگوریتم بهینه سازی PSO , کاربرد الگوریتم بهینه سازی PSO , پروسه Curve Fitting , الگوریتم بهینه سازی PSO و بکارگیری آن در پروسه Curve Fitting , دانلود تحقیق , دانلود پروژه , پروژه های رشته کامپیوتر , پروژه های الگوریتم , الگوریتم ها , تحقیق در مورد الگوریت ,
:: بازدید از این مطلب : 40

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

روش های بهینه سازی کلاسیک در حل مسایل سخت و بسیار پیچیده معمولا با مشکلات زیادی مواجه میشود  اهمیت  بسزایی در زمینه های مختلف مانند تجارت و مهندسی و غیره دارد به دلیل اهمیت این مسایل نمیتوان در فرایند  حل ان ها از روش هایی استفاده نمود که امید چندانی به موفقیت ان ها وجود ندارد لذا همیشه سعی بر این بوده که بتوان روش هایی جدیدی ابداع نمود تا توانایی های انسان  را در حل اینگونه مسایل  بالا ببرد   روش جست و جو ممنوعه تا حد زیادی توانسته به این نیاز پاسخ دهد روش جست و جوی ممنوعه از طرف کمیته تحقیق در عملیات به عنوان یک روشی نوید بخش برای حل مسایل مطرح شده است.

:: برچسب‌ها: الگوریتم جست و جوی ممنوعه , جست و جوی ممنوعه , tabu search , الگوریتم بهینه سازی , الگوریتم جستجو , الگوریتم شبیه سازی , الگوریتم الهام گرفته از طبیعت , هوش گروهی ,
:: بازدید از این مطلب : 43

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

اجتماعی است که از شبیه سازی رفتار اجتماعی گروه پرندگان الهام گرفته است.
به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آن ها و تغییر شکل بهینه دسته به کار گرفته شد.
شبیه به الگوریتم های تکاملی است با این تفاوت هر ذره از اطلاعات گذشته ی خود و همسایگانش سود می برد.
نتیجه مدل سازی این رفتار اجتماعی فرآیند جستجویی است که ذرات به سمت نواحی موفق میل می کنند.
این فایل شامل پاورپوینت + کد اجرایی الگوریتم pso در محیط مطلب می باشد.

:: برچسب‌ها: الگوریتم اجتماع پرندگان , الگوریتم بهینه سازی , pso , کد الگوریتم pso , کد الگوریتم اجتماع پرندگان , الگوریتم جستجو , کد متلب الگوریتم pso , هوش گروهی , الگوریتم الهام گرفته از طبیعت , الگوریتم شبیه سازی , الگوریتم برای تحقیق , پاورپوینت الگوریتم , هوش ازدحامی ,
:: بازدید از این مطلب : 47

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

طبیعت الهام بخش محققان برای توسعه مدل هایی برای حل مسائل و مشکلات آنهاست. به عنوان مثال "بهینه سازی" زمینه ای است که بارها این مدل ها توسعه و به کار برده شده اند . الگوریتم ژنتیک انتخاب طبیعی و عملگرهای ژنتیک را شبیه سازی می کند ، الگوریتم بهینه سازی خرده گروه ها ، دسته های پرندگان و مدرسه ماهی ها را شبیه سازی می کند، سیستم حفاظتی مصنوعی توده های سلولی سیستم حفاظتی را شبیه سازی می کند ، الگوریتم بهینه سازی کلونی مورچه ها رفتار کاوشی مورچه ها را شبیه سازی می کند و الگوریتم کلونی زنبورهای مصنوعی رفتار کاوشی زنبورهای عسل را شبیه سازی می کند. اینها نمونه هایی بود از الگوریتم های بهینه سازی الهام شده از طبیعت . الگوریتم دیگری که رفتار کاوشی زنبورها را با یک مدل الگوریتمی متفاوت شبیه سازی می کند الگوریتم زنبور عسل هست .

:: برچسب‌ها: الگوریتم بهینه سازی , کد الگوریتم کلونی زنبورعسل , کد متلب الگوریتم کلونی , الگوریتم جستجو , کد متلب الگوریتم , هوش گروهی , الگوریتم الهام گرفته از طبیعت , الگوریتم شبیه سازی , الگوریتم برای تحقیق , پاورپوینت الگوریتم , هوش ازدحامی , کد متلب کلونی زنبور عسل ,
:: بازدید از این مطلب : 35

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

الگوريتم کراسکال با اضافه كردن يال ها به صورت مرحله به مرحله بهT،درخت پوشا با كمترين هزينه ي T را توليد مي كند.
يال ها به ترتيب غير نزولي انتخاب مي شوند.
يك يال بهTاضافه مي شود مشروط بر اينكه با يال هاي اضافه شده قبلي دور تشكيل ندهد.
گرافGهمبند است وn>0راس دارد پس دقيقا n-1 يال براي اضافه شدن در Tانتخاب ميشود.
الگوريتم پريم مانند الگوريتم كراسكالMSTرا تشكيل ميدهد.
در تمام مراحل الگوريتم پريم،مجموعه يال هاي انتخاب شده درخت تشكيل ميدهد
...و لي در كراسكال در هر مرحله جنگل توليد مي شود.

:: برچسب‌ها: لگوریتم جستجو , هوش گروهی , الگوریتم الهام گرفته از طبیعت , الگوریتم شبیه سازی , الگوریتم برای تحقیق , پاورپوینت الگوریتم , هوش ازدحامی , الگوریتم بهینه سازی , الگوریتم برای ارائه , طراحی الگوریتم ,
:: بازدید از این مطلب : 43

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

firefly algorithm  (fa) در سال 2007 توسط xin she yang   معرفی شد.
 یکی از الگوریتم های کار امد در حل مسائل بهینه سازی ترکیبی است.
 از مظاهر هوش ازدحامی یا swarm intelligence است .

:: برچسب‌ها: هوش ازدحامی , الگوریتم کرم شب تاب , هوش گروهی , الگوریتم الهام گرفته از طبیعت , الگوریتم شبیه سازی , پاورپوینت الگوریتم , الگوریتم برای تحقیق , الگوریتم بهینه سازی , الگوریتم FA , الگوریتم جستجو ,
:: بازدید از این مطلب : 45

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

شبکه های عصبی مصنوعی جزء سیستم های دینامیکی هوشمندی هستند که با پردازش روی داده های تجربی ، دانش یا قانون نهفته  در ورای داده ها را به ساختار شبکه منتقل می کنند . به همین خاطر « هوشمند » هستند چون بر اساس محاسبات  روی داده های عددی یا مثال ها ، قوانین کلی را استخراج کرده و یاد گرفته اند .

:: برچسب‌ها: الگوریتم شبکه عصبی , شبکه عصبی , الگوریتم الهام گرفته از طبیعت , هوش گروهی , بهینه سازی بر اساس جمعیت , الگوریتم بهینه سازی , الگوریتم برای ارائه , تحقیق , پاورپوینت تحقیق , الگوریتم برای تحقیق , طراحی الگوریتم ,
:: بازدید از این مطلب : 50

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

دانلود پروپزال و تحقیق کامل در مورد الگوریتم بهینه سازی توده ذرات ‎( PSO )‎ (فرمت فایل Word)با قابلیت ویرایش کامل و شخصی سازیالگوریتم  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.

:: برچسب‌ها: دانلود پروپزال و تحقیق کامل در مورد الگوریتم بهینه سازی توده ذرات ‎( PSO )‎ (فرمت فایل Word)با قابلیت ویرایش کامل و شخصی سازی , الگوریتم بهینه سازی , PSO , الگوریتم بهینه سازی توده ذرات ‎pso , الگوریتم PSO , توده ذرات , الگوریتم توده ذرات , الگوریتم بهینه سازی توده ذرات , دانلود تحقیق در مورد الگوریتم بهینه سازی توده ذرات , اساس کار PSO , مقاله در مورد الگوریتم بهینه سازی , الگوریتم های بهینه سازی , الگوریتم های بهینه سازی PSO , PSO چیست ,
:: بازدید از این مطلب : 43

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

ترکیب الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات برای یافتن اندازه و مکان بهینۀ تولید پراکنده در سیستم‌های توزیع
چکیدهمنابع تولید پراکنده (DG) به علت تقاضای روبروی رشد انرژی دارای اهمیت زیادی در سیستم‌های توزیع می‌گردند. مکان‌ها و توانمندی‌های منابع تولید پراکنده تاثیر عمیقی در تلفات سیستم در شبکه توزیع داشته‌اند. در این مقاله، یک ترکیب نوینی از  الگوریتم ژنتیک  (GA)/ بهینه‌سازی ازدحام ذرات  (PSO) برای جایابی و یافتن اندازه بهینه تولید پراکنده در سیستم‌های توزیع معرفی می‌شود. هدف این است که تلفات توان شبکه کمینه شده، تنظیم ولتاژ بهتری صورت گرفته و پایداری ولتاژ در چارچوب قیود عملکردی و امنیتی سیستم در سیستم‌های توزیع شعاعی حاصل شود. یک تحلیل تشریحی روی سیستم‌های 33 و 39 باس انجام شده است تا کارائی روش ارائه شده نشان داده شود. 

:: برچسب‌ها: الگوریتم , الگوریتم ژنتیک , الگوریتم بهینه سازی , ازدحام ذرات , سیستم های توزیع , combination , genetic algorithm , particle swarm optimization , optimal DG location , distribution systems , مقاله برق , مقاله انگلیسی برق , مقاله انگلیسی برق و الکترونیگ , مقاله انگلیسی برق با ترجمه , مقاله انگلیسی برق با ترجمه فارسی ,
:: بازدید از این مطلب : 98

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

فرض کنید شما و گروهی از دوستان تان به دنبال گنج می گردید هر یک از اعضای گروه یک فلزیاب و یک بی سیم دارند که می تواند مکان و وضعیت کار خود را به همسایگان نزدیک خود اطلاع بدهد بنابراین شما می دانید آیا همسایگان­ تان از شما به گنج نزدیکترند یا نه ؟ پس اگر همسایه ای به گنج نزدیکتر بود شما می توانید به طرف او حرکت کنید. با چنین کاری تماس شما برای رسیدن به گنج بیشتر می شود و همچنین گنج زودتر از زمانی که شما تنها باشید پیدا می شود.

این یک مثال ساده از رفتار جمعی یا swarm behavior است که افراد برای رسیدن به یک هدف نهایی همکاری می کنند . این روش موثرتر از زمانی است که افراد جداگانه عمل کنند. Swarm را می توان به صورت مجموعه ای سازمان یافته از موجوداتی تعریف کرد که با یکدیگر همکاری می کنند. در کاربردهای محاسباتی swarm intelligence از موجوداتی مانند دسته ی پرندگان و مورچه ها ، زنبورها ، موریانه ها ، دسته ماهیان الگو برداری می شود . در این نوع اجتماعات هر یک از موجودات ساختار نسبتاً ساده ای دارند ولی رفتار جمعی آنها بی نهایت پیچیده است . برای مثال در کولونی مورچه ها هریک از مورچه ها یک کار ساده ی مخصوص را انجام می دهد ولی به طور جمعی عمل و رفتار مورچه ها ، ساختن بهینه لایه ، محافظت از ملکه و نوزادان ، تمیز کردن لانه ، یافتن بهترین منابع غذایی و بهینه سازی استراتژی حمله را تضمین می کند.  رفتار کلی یک swarm به صورت غیر خطی از آمیزش رفتارهای تک تک اجتماع بدست می آید. یا به عبارتی یک رابطه ی بسیار پیچیده بین رفتار جمعی و رفتار فردی یک اجتماع وجود دارد. رفتار جمعی فقط وابسته به رفتار فردی افراد اجتماع نیست بلکه به چگونگی تعامل میان افراد نیز وابسته است . تعامل بین افراد ، تجربه ی افراد درباره ی محیط را افزایش می دهد و موجب پیشرفت اجتماع می شود . ساختار اجتماعی swarm بین افراد مجموعه کانال های ارتباطی ایجاد می کند که طی آن افراد می توانند به تبادل تجربه های شخصی بپردازند مدل سازی محاسباتی swarm، کاربردهای موفق و بسیار را در پی داشته است. به طور کلی موضوع پروژه رسم تابع تخمینی در بحث ریاضیات برای رسم یک سری داده با استفاده از نرم افزار متلب می باشد. جمعیتی که در این پروژه مورد مطالعه و بررسی قرار می گیرند با توجه به ماهیت پروژه یکسری داده مربوط به یک تابع مشخص می باشند که ما در هر مرحله نتایج را با مقادیر دادهها مقایسه کرده تا بتوانیم ذراتی تولید کرده که بهینه شده باشند و کمترین اختلاف را با جمعیت اولیه داشته باشند. برای این منظور پروژه تا حد ممکن طوری تنظیم شده که همه جنبه های اساسی موضوع  چه از نظر کاربردی  و چه از نظر تئوری را در بر گیرد. در بحث آشنایی با الگوریتم و تعاریف مربوط به آن سعی شده تا هرچه بیشتر موضوع باز شده و مثال هایی به همراه داشته باشد تا موضوع ساده و روان بوده و به راحتی قابل درک باشد.  

:: برچسب‌ها: الگوریتم بهینه سازی PSO , الگوریتم بهینه سازی , پایان نامه الگوریتم , پایان نامه در مورد الگوریتم ها , الگوریتم های بیهنه سازی pso , کاربرد الگوریتم های بهینه سازی , انواع الگوریتم های بهینه سازی , تحقیق پیرامون الگوریتم , الگوریتم چیست , یک نمونه الگوریتم بهینه سازی , پایان نامه الگوریتم بهینه سازی , الگوریتم بهینه سازی PSO و بکارگیری آن در پروسهCurve Fitting , پروسهCurve Fitting , بهینه سازی PSO و بکارگیری آن , بهینه سازی الگوریتم , انواع الگوریتم , کاربردهای الگوریتم , مقاله در مورد الگوریتم , کاربرد الگوریتم در برنامه نویسی , الگوریتم و برنامه نویسی , برنامه نویسی مبتنی بر الگوریتم , PSO , پایان نامه در مورد ال ,
:: بازدید از این مطلب : 84

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0