دانلود تحقیق کاربردهای الگوریتم ژنتیک

اختصاصی از فی ژوو دانلود تحقیق کاربردهای الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

چکیده :
الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده آن برگرفته از طبیعت می باشد . نسل های موجودات قوی تر بیشتر زندگی می کنند و نسل های بعدی نیز قوی تر می شوند به عبارت دیگر طبیعت افراد قوی تر را برای زندگی بر می گزیند. در طبیعت از ترکیب کروموزوم های بهتر ، نسل های بهتری پدید می آیند . در این بین گاهی اوقات جهش هایی نیز در کروموزوم ها روی می دهد که ممکن است باعث بهتر شدن نسل بعدی شوند. الگوریتم ژنتیک نیز با استفاده از این ایده اقدام به حل مسائل می کند . الگوریتم های ژنتیک در حل مسائل بهینه سازی کاربرد فراوانی دارند.

مسئله ی کاهش آلاینده های Cox ، NOx و Sox در کوره های صنعتی ، یکی از مسائل بهینه سازی می باشد، که هدف آن بهینه کردن عملکرد کوره های احتراقی بر حسب پارامترهای درصد هوای اضافی (E) و دمای هوای خروجی از پیش گرمکن (T) ، به منظور کاهش میزان آلاینده های تولید شده در اثر انجام عملیات احتراق است.

در این تحقیق ابتدا مروری بر مفاهیم مقدماتی الگوریتم های ژنتیک کرده سپس مشخصات کلی مسئله عنوان می شود، در انتها مسئله ی مورد نظر توسط الگوریتم ژنتیک اجرا و نتایج آن با روش تابع پنالتی مقایسه می شود.




فهرست مطالب
فصل اول -  مقدمه .....................................................
1-1-    مقدمه  
فصل دوم -  مقدمه ای بر الگوریتم ژنتیک...............................................
2-1-    مقدمه
2-2-    پیشینه
2-3-    اصطلاحات زیستی
2-4-    تشریح کلی الگوریتم ژنتیک
2-5-    حل مسأله با استفاده از الگوریتم ژنتیک
2-6-    اجزای الگوریتم ژنتیک
2-6-1- جمعیت
2-6-2- کدگذاری
              2-6-2-1-     کدگذاری دودویی
              2-6-2-2-      کدگذاری مقادیر
              2-6-2-3-      کدگذاری درختی
2-6-3- عملگرهای الگوریتم ژنتیک
             2-6-3-1-       fitness (برازش)
         2-6-3-2-      selection  (انتخاب)
            2-6-3-3-   crossover    (ترکیب)
           2-6-3-4-  mutation     (جهش)
2-7-    مفاهیم تکمیلی
         2-7-1- برتری ها و ضعف های الگوریتم ژنتیک
         2-7-2- نکات مهم در الگوریتم های ژنتیک
         2-7-3- نتیجه گیری
فصل سوم - کاهش اثرات زیست محیطی آلاینده های Cox، NOx و SOx در کوره ها...........
3-1-    مقدمه
3-2-    احتراق
3-2-1-    روش محاسبه ترکیبات تعادلی با استفاده از ثابت تعادل
3-2-2-    روش محاسبه دمای آدیاباتیک شعله
3-2-3-    انتخاب سیستم شیمیایی
3-2-4-    تأثیر دمای هوا و میزان هوای اضافی بر تولید محصولات
3-3-    بهینه سازی
3-3-1-    روش های حل مسائل بهینه سازی
3-3-2-    روش تابع پنالتی
3-3-3-    الگوریتم حل تابع پنالتی

3-4-    برنامه ی کامپیوتری و مراحل آن
3-5-    تشکیل تابع هدف
3-6-    تشکیل مدل مسئله بهینه سازی
3-7-    روش حل


فصل چهارم - توضیحاتی در رابطه با gatool نرم افزار مطلب................
4-1-    gatool
4-2-    تنظیم گزینه ها برای الگوریتم ژنتیک
4-3-    Plot Options
4-4-    Population Options
4-5-    Fitness Scaling Options
4-6-    Selection Options
4-7-    Reproduction Options
4-8-    Mutation Options
4-9-    Crossover Options
4-10-    Migration Options
4-11-    Output Function Options
4-12-    Stopping Criteria Options
4-13-    Hybrid Function Options
4-14-    Vectorize Options

فصل پنجم – نتایج..................................
5-1-    نتایج حاصل از تابع پنالتی و الگوریتم ژنتیک
5-2-    نتیجه گیری
فهرست مراجع......................




فهرست شکل

2-1- مراحل الگوریتم ژنتیک
2-2- مثالی از کروموزوم ها به روش کدگذاری دودویی
2-3- مثالی از کروموزوم ها با استفاده از روش کدگذاری مقادیر
2-4-  انتخاب چرخ رولت
2-5-  ترکیب تک نقطه ای
2-6-  ترکیب دو نقطه ای
2-7-  ترکیب یکنواخت
2-8-  وارونه سازی بیت
2-9-  تغییر ترتیب قرارگیری
2-10-  تغییر مقدار
3-1- نمای برنامه ی کامپیوتری
3-2- عملیات برازش برای تولید NO در مقایسه با نتایج اصلی در احتراق گازوئیل
4-1-  نمای gatool نرم افزار مطلب
5-1- نمای gatool ، Cox برای گاز طبیعی
5-2- نمودارهای Best fitness و Best individual آلاینده ی Cox برای گاز طبیعی
5-3- نمای gatool ، NOx برای گاز طبیعی
5-4- نمودارهای Best fitness و Best individual آلاینده ی NOx برای گاز طبیعی
5-5- نمای gatool ، Cox + NOx برای گاز طبیعی
5-6- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOxبرای گاز طبیعی
5-7- نمای gatool ، Cox برای گازوئیل
5-8- نمودارهای Best fitness و Best individual آلاینده ی Cox برای گازوئیل
5-9- نمای gatool ، NOx برای گازوئیل
5-10- نمودارهای Best fitness و Best individual آلاینده ی NOx برای گازوئیل
5-11- نمای gatool ، Sox برای گازوئیل
5-12- نمودارهای Best fitness و Best individual آلاینده ی Sox برای گازوئیل
5-13-  نمای gatool ، Cox + NOx برای گازوئیل
5-14- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx برای گازوئیل
5-15- نمای gatool ، Cox+NOx+Sox برای گازوئیل
5-16- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx وSOx برای گازوئیل
5-17- نمای gatool ، Cox برای نفت کوره
5-18- نمودارهای Best fitness و Best individual آلاینده ی Cox برای نفت کوره
5-19- نمای gatool ، NOx برای نفت کوره
5-20- نمودارهای Best fitness و Best individual آلاینده ی NOx برای نفت کوره
5-21- نمای gatool ، Sox برای نفت کوره
5-22- نمودارهای Best fitness و Best individual آلاینده ی SOx برای نفت کوره
5-23- نمای gatool ، Cox + NOx برای نفت کوره
5-24- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx برای نفت کوره
5-25- نمای gatool ، COx+NOx+SOx برای نفت کوره
5-26- نمودارهای Best fitness و Best individual مجموع آلاینده های COx و NOx و SOx برای نفت کوره


فهرست جدول

3-1- تغییر نرخ تولید (mole/hr) NO در اثر تغییر دمای هوا و درصد هوای اضافی........
3-2- تشکیل تابع هدف برای گاز طبیعی....................
3-3- تشکیل تابع هدف برای گازوئیل...............................................
3-4- تشکیل تابع هدف برای نفت کوره..........................
5-1- مقایسه نتایج تابع پنالتی و الگوریتم ژنتیک................................




شامل 129 صفحه word

پاورپوینت مقایسه الگوریتم های خطایابی در شبکه های حسگر بی سیم

اختصاصی از فی ژوو پاورپوینت مقایسه الگوریتم های خطایابی در شبکه های حسگر بی سیم دانلود با لینک مستقیم و پر سرعت .

این فایل حاوی مطالعه مقایسه الگوریتم های خطایابی در شبکه های حسگر بی سیم می باشد که به صورت فرمت PowerPoint در 31 اسلاید در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.

فهرست
مقدمه
زمینه­ها و ضرورت های کلی
بیان مسئله
ساختار داخلی یک گره
اهداف پژوهش
کاربرد شبکه حسگر بیسیم
چالشهای شبکه های حسگر بیسیم
تحمل پذیری خطا در شبکه های حسگر بیسیم
نقص در شبکه های حسگر بیسیم
خطاهای گره
مشکلات سرگروه­ها(کلاستر هد)
خطای شبکه
خطاهای SINIK
طبقه­ بندی خطاها
تکنیک تشخیص خطا
الگوریتم­های خطا یابی در شبکه حسگر
الگوریتم پیشنهادی برای تشخیص و تصحیح خطا
مقایسه و ارزیابی الگوریتم سیستم اعداد مانده ای با الگوریتم های قبل
تصحیح خطا در برابر کمترین میزان مصرف انرژی
یافته ها
نتیجه گیری
پیشنهاداتی برای کارهای آینده

تصویر محیط برنامه

پاورپوینت درباره ارائهء یک الگوریتم جستجوی مبتنی بر روشهای مبنی برجمعیت در بهینه سازی ترکیبی

اختصاصی از فی ژوو پاورپوینت درباره ارائهء یک الگوریتم جستجوی مبتنی بر روشهای مبنی برجمعیت در بهینه سازی ترکیبی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل :power point( قابل ویرایش) تعداد اسلاید: 15 اسلاید

¡بهینه سازی ترکیبی شاخه ای از بهینه سازی در ریاضیات کاربردی و علوم کامپیوتر است که بین هوش محاسباتی، ریاضی و مهندسی نرم افزار، مشترک است.

¡الگوریتم های بهینه سازی ترکیبی، به این ترتیب مساله را حل می کنند که فضای حالت را برای یافتن یک پیکربندی جستجو می کنند که تابع هدف از پیش تعریف شده، روی متغیرهای مساله را بهینه کند و در ضمن محدودیتهای تعریف شده بین متغیرهای مساله را هم نقض نکند.

¡الگوریتم های مورچه، سیستم های چندعامله ای هستند که هر عامل، یک مورچه مصنوعی است.

¡الگوریتم های مورچه نمونه های موفقی از سیستم های هوش گروهی هستند و از TSP سنتی تا مسیریابی در شبکه های ارتباطی راه دور را دربرمی گیرند.

¡ایده : مورچه ها در مسیر خود ماده شیمیایی به نام فرومون ترشح می کنند. وقتی سر دوراهی ( مسیرکوتاهتر و طولانی تر ) قرار می گیرند، براساس میزان فرومون استشمام شده از هر مسیر، یک انتخاب مسیر احتمالی انجام می دهند. به این ترتیب احتمال انتخاب مسیرهای دارای فرومون زیاد، به تدریج افزایش می یابد (اثر autocatalytic).

الگوریتم بهینه سازی PSOبرای حل مسئله بهینه سازی چند هدفه بهره برداری از مخزن

اختصاصی از فی ژوو الگوریتم بهینه سازی PSOبرای حل مسئله بهینه سازی چند هدفه بهره برداری از مخزن دانلود با لینک مستقیم و پر سرعت .

الگوریتم بهینه سازی  PSOبرای حل مسئله بهینه سازی چند هدفه بهره برداری از مخزن.

فایل ورد قابل ویرایش 

3000تومان 

چکیده

بهره برداری از مخازن سدها همواره از مسائلی بوده است که بهینه کردن توابع هدف متضاد در آن‌ها مد نظر بوده است. کاربرد روش‌های تکاملی در بهینه‌سازی بهره برداری از سدها در دو دهه اخیر مورد توجه بسیاری از محققین قرار گرفته است. از روش‌های نوین در این دسته، روش بهینه‌سازی دسته ذرات[1] است که تاکنون بیشتر برای حل مسائل تک هدفه مورد استفاده قرار گرفته است. در این مقاله سعی شده است تا با استفاده از رویکردی نوین، الگوریتم بهینه سازی  PSOبرای حل مسئله بهینه سازی چند هدفه بهره برداری از مخزن مورد استفاده قرار گیرد. لزوم یافتن جواب‌های غیر پست با تنوع بالا و یافتن بهینه فراگیر مناسب برای دسته ذرات در الگوریتم چندگانه PSO از جمله مواردی هستند که در این تحقیق مورد بحث و بررسی قرار گرفته‌اند.

هم اکنون کار روی توسعه سیستم‌های هوشمند با الهام از طبیعت از زمینه‌های خیلی پرطرفدار هوش مصنوعی است. الگوریتم‌های ژنتیک که با استفاده از ایده تکاملی داروین و انتخاب طبیعی مطرح شده ،روش بسیار خوبی برای یافتن مسائل بهینه سازی است. ایده تکاملی داروینی بیانگر این مطلب است که هر نسل نسبت به نسل قبل دارای تکامل است و آنچه در طبیعت رخ می‌دهد حاصل میلیون‌ها سال تکامل نسل به نسل موجوداتی مثل مورچه است. الگوریتم کلونی مورچه برای اولین بار توسط دوریگو و همکارانش به عنوان یک راه حل چند عامله[2] برای مسائل مشکل بهینه سازی مثل فروشنده دوره گرد[3] ارائه شد.

فهرست مطالب

1-1مقدمه .................................................................................................................................................................. 1

1-2الگوریتم‌های بهینه سازی .................................................................................................................................2

1-2-1الگوریتم تپه نوردی ......................................................................................................................................2

1-2-2بررسی الگوریتم تپه نوردی.........................................................................................................................2

1-2-3الگوریتم ...............................................................................................................................................2

1-3مسئله n وزیر ......................................................................................................................................................3

1-4الگوریتم‌های بهینه سازی مشابه .....................................................................................................................3

1-5الگوریتم تقسیم و حل .......................................................................................................................................3

1-5-1مثال‌های قدیمی..............................................................................................................................................4

1-5-2دسترسی به حافظه........................................................................................................................................5

1-6الگوریتم حریصانه ...............................................................................................................................................6

1-7 روش پنالتی ........................................................................................................................................................7

1-8 هوش ازدحامی ....................................................................................................................................................7

1-8-1روش‌های هوش ازدحامی .............................................................................................................................8

1-8-2جذابیت هوش ازدحامی در فناوری اطلاعات ...........................................................................................9

1-8-3اهداف................................................................................................................................................................9

1-9 بهینه سازی کلونی مورچه‌ها............................................................................................................................9

1-9-1الگوریتم..........................................................................................................................................................11

1-9-2روش‌های مرتبط...........................................................................................................................................12

1-10 الگوریتم PSO ..............................................................................................................................................12

منابع ...........................................................................................................................................................................25

فهرست اشکال و تصاویر

شکل1-3 مسالهn وزیر ................................................................................................................................................4

شکل1-9 الگوریتم کلونی مورچه‌ها ......................................................................................................................10

شکل2-9مراحل مسیریابی توسط مورچه‌ها.........................................................................................................10

شکل4-9 مراحل گراف...............................................................................................................................................11

شکل10-1 پیدا کردن بهترین مسیر توسط swarm ها ....................................................................................14

شکل 10-2 نمای برنامه DYNAMIC-FINAL-PROJECT.m....................................................................18

شکل 10-3 اجرای برنامه DYNAMIC-FINAL-PROJECT.m..................................................................18

شکل 10-4 نمای برنامه DYNAMIC-FINAL-PROJECT.m....................................................................19

شکل 10-5 نمای برنامه DYNAMIC-FINAL-PROJECT.m ...................................................................20

شکل10-6 نمای برنامه DYNAMIC-FINAL-PROJECT.m .....................................................................22

شکل 10-7 نمای برنامه DYNAMIC-FINAL-PROJECT.m ...................................................................22

شکل 10-8 شکل فرم تابع با تغییر wها(local maximizeزیاد)...............................................................23

شکل 9-10 شکل فرم تابع با تغییر wها(local maximizeزیاد)...............................................................24

شکل 10-10 اجرای تابع با تغییر wها(local maximizeزیاد)...................................................................24

شکل 10-11 نمای DynamicPSO_With_OneDetectionChanged_with_localmini ma................25

[1] -Particle Swarm Optimization (PSO)

[2] -Multi Agent

[3] -Traveling Salesman Problem(TSP)

دانلود پاورپوینت الگوریتم بهینه سازی کلونی مورچه ها

اختصاصی از فی ژوو دانلود پاورپوینت الگوریتم بهینه سازی کلونی مورچه ها دانلود با لینک مستقیم و پر سرعت .

دانلود پاورپوینت الگوریتم بهینه سازی کلونی مورچه ها

•طبیعت منبع الهام و الگو گرفتن برای بسیاری از تحقیقات و پیشرفت های علمی بوده است

•به عنوان مثال:

•الگوریتم های ژنتیک  Genetic Algorithms

•شبکه های عصبی   Neural Networks

•سیستم های خودسازمان ده Self-organizing Systems

•الگوریتمهای ژنتیک که با استفادهاز ایده تکاملی داروینی و انتخاب طبیعی مطرح شده، روش بسیار خوبی برای یافتن مسائل بهینه سازیست. ایده تکاملی داروینی بیانگر این مطلب است که هر نسل نسبت به نسل قبل دارای تکامل است و آنچه در طبیعت رخ می دهد حاصل میلیون ها سال تکامل نسل به نسل موجوداتی مثل مورچه است.

 

و ...
در 34 اسلاید
قابل ویرایش