حامی فایل

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

حامی فایل

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

تحقیق و بررسی در مورد الگوریتم فلوید

اختصاصی از حامی فایل تحقیق و بررسی در مورد الگوریتم فلوید دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 6

 

الگوریتم فلوید برای یافتن کوتاه ترین مسیر

یک مشکل متداول در سفره های هوایی هنگامی که پرواز مستقیم وجود نداشته باشد تعیین کوتاه ترین مسیر پرواز از شهری به شهر دیگر است . حال الگوریتمی طراحی می کنیم که این مسئله و مسائل مشابه را حل کند . نخست لازم است نظریه گراف ها را مرور کنیم . شکل یک گراف جهت دار و موضون را نشان می دهد به خاطر دارید که در نمایش تصویری گراف ها دایره نشان گر راس ها و خط میان دو دایره نشان دهنده یال ها هستند . اگر هر یال دارای جهت باشد گراف را گراف جهت دار یا دیاگراف می گویند . هنگام رسم یال ها در این گونه گراف ها از پیکان برای نشان دادن جهت استفاده می کنیم در یک دیاگراف بین دو راس امکان وجود دو یال است که جهت آنها مخالف هم هست. برای مثال درشکل یک یال از v1 به v2 و یکی از v2 به v1 وجود دارد.اگر این یال ها با مقادیری همراه باشند این مقادیر را وزن و گراف حاصل را موزون می خوانند.

در این جا فرض می کنیم که این مقادیر غیر منفی است.گرچه این مقادیر را معولاً وزن می نامند در بسیاری از از کابردها نشانگر فاصله است.بنابراین مسیر را به عنوان فاصله میان راسی تا راس دیگر در نظر می گیرند.در یک گراف جهت دار مسیر مجموعه ای از راس هاست به طوری که از یک راس تا راس دیگر یک یال وجود دارد. مسیری از یک راس به خود آن راس را چرخه می گویند.

اگر مسیری هیچگاه دوبار از یک راس نگذرد مسیر ساده نامیده می شود.توجه کنید که یک مسیر ساده هرگز حاوی زیر مسیری که چرخه ای باشد نیست.طول یک مسیر در گراف موزون حاصل جمع اوزان مسیر است. در یک گراف ناموزون طول مسیر صرفاً عبارت است از تعداد رئوس موجود در آن است.

مسئله ای که کاربردهای فراوان دارد یافتن کوتاهترین مسیر از راسی به رئوس دیگر است. واضح است کوتاهترین مسیر باید مسیری ساده باشد. در شکل سه مسیر ساده از v1 به v2 وجود دارد یعنی [v1,v2,v3] [v1,v4,v3] [v1,v2,v4,v3] .چون

Length[v1,v2,v3]=1+3=4

Length[v1,v4,v3]=1+2=3

Length[v1,v2,v4,v3]=1+2+2=5

[v1,v4,v3]کوتاهترین مسیر ازv1 به v3 است.همانطور که پیش از این گفته شد یک کاربرد متداول کوتاهترین مسیر تعیین کوتاهترین مسیر میان دو شهر است.

مسئله کوتاهترین یک مسئله بهینه سازی است. برای هر نمونه از مسئله بهینه سازی ممکن است بیش از یک راه حل وجود داشته باشد.هریک از راه حل های پیشنهادی دارای مقداری مرتبط با آن است و حل نمونه آن حلی است که دارای مقدار بهینه است.مقدار بهینه حداقل است یا حد اکثر در مورد مسئله کوتاهترین مسیر یک حل پیشنهادی مسیری از یک راس به راس دیگر بود .مقدار آن طول مسیر و مقدار بهینه حداقل طول است.

چون ممکن است بیش از یک کوتاهترین مسیر از راسی به راس دیگر وجود داشته باشد مسئله ما یافتن هر یک از این کوتاهترین مسیر هاست.یک الگوریتم واضح برای این مسئله تعیین طول همه مسیرها برای هر راس از ان راس به هریک از رئوس دیگر است.اما زمان این الگوریتم بدتر از زمان نمایی است. برای مثال فرض کنید از هر راس به همه رئوس دیگر یک یال وجود دارد .در این صورت زیر مجموعه ای از همه مسیر ها عبارت است از مجموعه ای خواهد بود که از راس نخست شروع می شود و به راسی دیگر ختم می شود و از همه رئوس دیگر عبور می کنند.چون راس دوم در چنین مسیری می تواند هریک از n-2 راس باشد راس سوم در چنین مسیری می تواند هر یک از n-3 راس باشد...

و راس دومی به آخری روی چنین مسیری فقط می تواند یک راس باشد.تعداد کل مسیرها از یک راس که از همه رئوس دیگر بگذرد عبارت است از :

(n-2)(n-3)…1=(n-2)!

که بد تر از حالت نمایی است. در بسیاری از مسائل بهینه سازی با همین وضعیت مواجه هستیم . یعنی الگوریتمی که همه حالت های ممکن را در نظر بگیرد زمان آن نمایی یا بدتر است.

با استفاده از برنامه نویسی پویا یک الگوریتم زمانی درجه سوم برای مسئله کوتاهترین مسیر ایجاد می کنیم. نخست الگوریتمی طرح می کنیم که فقط طول کوتاهترین مسیرها را تعیین کند. سپس آن را طوری اصلاح می کنیم که کوتاهترین مسیر را نیز ایجاد کند .یک گراف موزون حاوی n راس را با یک آرایه w نشان می دهند که در آن

اگر یالی بین , باشد وزن یال

اگر یالی بین , نباشد w[i][j]=

اگر i=j باشد 0

چون راس vj وقتی مجاور راس vi خوانده می شود که یالی بین vj و vi باشد به این آرایه نمایش ماتریس همجواری یک گراف می گویند .اگر بتوانیم راهی برای محاسبه مقادیر d از مقادیر w بیابیم الگوریتمی برای مسئله کوتاهترین مسیر خواهیم داشت این هدف با ایجاد n+1 آرایه قابل حصول است که وداریم : =طول کوتاهترین مسیر از VI به VJ فقط با استفاده از رئوس موجود در مجموعه {V1,V2,….VK} به عنوان رئوس واسطه پیش از انکه نشان دهیم چرا به این ترتیب قادر به محاسبه D از روی W هستیم معنی عناصر این آرایه ها را توضیح می دهیم .

مثال چند مقدار از را به عنوان مثال برای گراف شکل حل می کنیم.

 

برای هر گراف اینها مساویند زیرا کوتاهترین مسیری که از v2 آغاز می شود نمی تواند از v2 بگذرد

برای این گراف ها اینها مساویند زیرا با گنجاندن v3 مسیر جدیدی از v2 به v5 بدست نمی آید

.

برای هر گراف اینها مساویند زیرا کوتاهترین مسیری به v5 منتهی می شود نمی تواند از v5 بگذرد.

آخرین مقدار محاسبه شده طول کوتاهترین مسیر از V2 به V5 است که مجاز به عبور از هر یک از رئوس دیگر است .یعنی طول کوتاهترین مسیر است.

بنابراین برای تعیین D از روی W فقط باید راهی برای بدست آوردن از روی بیابیم.

مراحل استفاده از برنام نویسی پویا برای رسیدن به این هدف عبارت است از :

ارائه یک ویژگی (فرایند بازگشتی که با آن بتوان را از روی محاسبه کرد.


دانلود با لینک مستقیم


تحقیق و بررسی در مورد الگوریتم فلوید

تحقیق و بررسی در مورد الگوریتم فلوید

اختصاصی از حامی فایل تحقیق و بررسی در مورد الگوریتم فلوید دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 8

 

الگوریتم فلوید برای یافتن کوتاه ترین مسیر

یک مشکل متداول در سفره های هوایی هنگامی که پرواز مستقیم وجود نداشته باشد تعیین کوتاه ترین مسیر پرواز از شهری به شهر دیگر است . حال الگوریتمی طراحی می کنیم که این مسئله و مسائل مشابه را حل کند . نخست لازم است نظریه گراف ها را مرور کنیم . شکل یک گراف جهت دار و موضون را نشان می دهد به خاطر دارید که در نمایش تصویری گراف ها دایره نشان گر راس ها و خط میان دو دایره نشان دهنده یال ها هستند . اگر هر یال دارای جهت باشد گراف را گراف جهت دار یا دیاگراف می گویند . هنگام رسم یال ها در این گونه گراف ها از پیکان برای نشان دادن جهت استفاده می کنیم در یک دیاگراف بین دو راس امکان وجود دو یال است که جهت آنها مخالف هم هست. برای مثال درشکل یک یال از v1 به v2 و یکی از v2 به v1 وجود دارد.اگر این یال ها با مقادیری همراه باشند این مقادیر را وزن و گراف حاصل را موزون می خوانند.

در این جا فرض می کنیم که این مقادیر غیر منفی است.گرچه این مقادیر را معولاً وزن می نامند در بسیاری از از کابردها نشانگر فاصله است.بنابراین مسیر را به عنوان فاصله میان راسی تا راس دیگر در نظر می گیرند.در یک گراف جهت دار مسیر مجموعه ای از راس هاست به طوری که از یک راس تا راس دیگر یک یال وجود دارد. مسیری از یک راس به خود آن راس را چرخه می گویند.

اگر مسیری هیچگاه دوبار از یک راس نگذرد مسیر ساده نامیده می شود.توجه کنید که یک مسیر ساده هرگز حاوی زیر مسیری که چرخه ای باشد نیست.طول یک مسیر در گراف موزون حاصل جمع اوزان مسیر است. در یک گراف ناموزون طول مسیر صرفاً عبارت است از تعداد رئوس موجود در آن است.

مسئله ای که کاربردهای فراوان دارد یافتن کوتاهترین مسیر از راسی به رئوس دیگر است. واضح است کوتاهترین مسیر باید مسیری ساده باشد. در شکل سه مسیر ساده از v1 به v2 وجود دارد یعنی [v1,v2,v3] [v1,v4,v3] [v1,v2,v4,v3] .چون

Length[v1,v2,v3]=1+3=4

Length[v1,v4,v3]=1+2=3

Length[v1,v2,v4,v3]=1+2+2=5

[v1,v4,v3]کوتاهترین مسیر ازv1 به v3 است.همانطور که پیش از این گفته شد یک کاربرد متداول کوتاهترین مسیر تعیین کوتاهترین مسیر میان دو شهر است.

مسئله کوتاهترین یک مسئله بهینه سازی است. برای هر نمونه از مسئله بهینه سازی ممکن است بیش از یک راه حل وجود داشته باشد.هریک از راه حل های پیشنهادی دارای مقداری مرتبط با آن است و حل نمونه آن حلی است که دارای مقدار بهینه است.مقدار بهینه حداقل است یا حد اکثر در مورد مسئله کوتاهترین مسیر یک حل پیشنهادی مسیری از یک راس به راس دیگر بود .مقدار آن طول مسیر و مقدار بهینه حداقل طول است.

چون ممکن است بیش از یک کوتاهترین مسیر از راسی به راس دیگر وجود داشته باشد مسئله ما یافتن هر یک از این کوتاهترین مسیر هاست.یک الگوریتم واضح برای این مسئله تعیین طول همه مسیرها برای هر راس از ان راس به هریک از رئوس دیگر است.اما زمان این الگوریتم بدتر از زمان نمایی است. برای مثال فرض کنید از هر راس به همه رئوس دیگر یک یال وجود دارد .در این صورت زیر مجموعه ای از همه مسیر ها عبارت است از مجموعه ای خواهد بود که از راس نخست شروع می شود و به راسی دیگر ختم می شود و از همه رئوس دیگر عبور می کنند.چون راس دوم در چنین مسیری می تواند هریک از n-2 راس باشد راس سوم در چنین مسیری می تواند هر یک از n-3 راس باشد...

و راس دومی به آخری روی چنین مسیری فقط می تواند یک راس باشد.تعداد کل مسیرها از یک راس که از همه رئوس دیگر بگذرد عبارت است از :

(n-2)(n-3)…1=(n-2)!

که بد تر از حالت نمایی است. در بسیاری از مسائل بهینه سازی با همین وضعیت مواجه هستیم . یعنی الگوریتمی که همه حالت های ممکن را در نظر بگیرد زمان آن نمایی یا بدتر است.

با استفاده از برنامه نویسی پویا یک الگوریتم زمانی درجه سوم برای مسئله کوتاهترین مسیر ایجاد می کنیم. نخست الگوریتمی طرح می کنیم که فقط طول کوتاهترین مسیرها را تعیین کند. سپس آن را طوری اصلاح می کنیم که کوتاهترین مسیر را نیز ایجاد کند .یک گراف موزون حاوی n راس را با یک آرایه w نشان می دهند که در آن

اگر یالی بین , باشد وزن یال

اگر یالی بین , نباشد w[i][j]=

اگر i=j باشد 0

چون راس vj وقتی مجاور راس vi خوانده می شود که یالی بین vj و vi باشد به این آرایه نمایش ماتریس همجواری یک گراف می گویند .اگر بتوانیم راهی برای محاسبه مقادیر d از مقادیر w بیابیم الگوریتمی برای مسئله کوتاهترین مسیر خواهیم داشت این هدف با ایجاد n+1 آرایه قابل حصول است که وداریم : =طول کوتاهترین مسیر از VI به VJ فقط با استفاده از رئوس موجود در مجموعه {V1,V2,….VK} به عنوان رئوس واسطه پیش از انکه نشان دهیم چرا به این ترتیب قادر به محاسبه D از روی W هستیم معنی عناصر این آرایه ها را توضیح می دهیم .


دانلود با لینک مستقیم


تحقیق و بررسی در مورد الگوریتم فلوید

clock algoritm_شبیه سازی الگوریتم کلاک

اختصاصی از حامی فایل clock algoritm_شبیه سازی الگوریتم کلاک دانلود با لینک مستقیم و پر سرعت .

قیمت:18 هزار تومان

زبان:#C

visul studio 2010 و بالاتر

توضیحات:حداکثر تعداد ورودی 10


دانلود با لینک مستقیم


clock algoritm_شبیه سازی الگوریتم کلاک

دانلود پروژه پیاده سازی الگوریتم FLB

اختصاصی از حامی فایل دانلود پروژه پیاده سازی الگوریتم FLB دانلود با لینک مستقیم و پر سرعت .

دانلود پروژه پیاده سازی الگوریتم FLB


دانلود پروژه پیاده سازی الگوریتم FLB

دانلود پروژه پیاده سازی الگوریتم FLB
(Fast Load Balancing for Distributed-Memory Machines)
فایل ورد و قابل ویرایش
در 89 صفحه

 

 

 

چکیده
پیاده سازی الگوریتم FLB
گرید محاسباتی مجموعه ای از منابع نا همگن و پویا که بوسیله یک شبکه به یکدیگر متصل می شوندو کاربران زیادی در مکان های مختلف آنها را به اشتراک می گذارنداغلب برنامه های کاربردی بوسیله گراف جهت دار بدون سیکل خلاصه می شوندکه رئوس آن کارها و یالهای آن ارتباطات بین کارها را نشان می دهد که در آن کارها وابسته هستند و بر اساس اولویت باید اجرا شوند به این معنی که در گراف تا والد یک کار انجام نشود فرزند یا فرزندان نباید انجام شوند
برای اینکه تمام این اصول رعایت شود و از منابع به صورت بهینه استفاده گردد از الگوریتم های زمانبندی استفاده می کنیم
در اینجا ما ابتدا به بررسی مفهوم گرید وفواید آن وسپس انواع زمانبندی در سیستم های توزیع شده و بررسی برخی از الگوریتم های زمانبندی در کارهای مستقل و وابسته می پردازیم و روشهای زمانبندی گراف برنامه وبعضی از الگوریتم های آنها در محیطهای ناهمگن وهمگن را معرفی می کنیمسپس الگوریتمFLB راتشریح کردوشبیه ازهای گرید را بررسی می کنیم

واژه های کلیدی
گراف جهت دار بدون سیکل ٬ کارهای وابسته٬ زمانبندی ٬گرید ٬تکثیر

 


فهرست مطالب
فصل اول : مقدمه
1-1مفهوم گرید2
1-2طبقه بندی گرید 4
3-1 ارزیابی گرید 4
1-4کاربردگرید5
1-5 تعریف زمانبندی گرید6
1-6 مروری بر تحقیقات گذشته7
1-7 مفهوم اصطلاحات به کار برده شده8
1-8 نمای کلی پایان نامه9
فصل دوم:زمانبندی کارها در سیستم های توزیع شده
2-1 زمانبندی کلاستر و ویژگیهای آن 10
2-2 زمانبندی گرید و ویژگیهای آن13
3-2 رده بندی الگوریتم های زمانبندی گرید 16
2-3-1 زمانبندی محلی/سراسری 16
2-3-2 زمانبندی ایستا/پویا16
2-3-3 زمانبندی بهینه/نزدیک به بهینه21
2-3-4 زمانبندی توزیع شده/مرکزی22
2-3-5 زمانبندی همکار و مستقل22
2-3-6 زمانبندی زمان کامپایل /اجرا 23
2-4-1 رده بندی الگوریتم های زمانبندی از دیدگاهی دیگری 23
2-4-2 اهداف زمانبندی23
2-4-3 زمانبندی وفقی24
2-4-4 رده بندی برنامه های کاربردی25
2-4-4-1 کارهای وابسته25
2-4-4-2 گراف کار26
2-4-5 وابستگی کارهای تشکیل دهنده برنامه کاربردی 26
2-4-6 زمانبندی تحت قیود کیفیت سرویس26
2-4-7 راهکارهای مقابله با پویایی گرید28
2-5 الگوریتم های زمانبندی کارهای مستقل32
2 -5-1 الگوریتم MET 32
2-5-2 الگوریتم MCT 32
2-5-3 الگوریتم Min-min33
2-5-4 الگوریتم Max-Min 33
2 -5-5 الگوریتم Xsuffrage 34
2 -5-6- الگوریتم GA 35
2-5-7- الگوریتم SA 37
فصل سوم:الگوریتم های زمانبندی گراف برنامه
3-1 مشکلات زمانبندی گراف برنامه39
3-2 تکنیک¬های مهم زمان¬بندی گراف برنامه در سیستم¬های توزیع شده40
3-2-1- روش ابتکاری بر پایه لیست 40
3-2-2- روش ابتکاری بر پایه تکثیر40
3-2-3- روش ابتکاری کلاسترینگ41
3-3- دسته بندی الگوریتم¬های زمان¬بندی گراف برنامه در سیستم¬های توزیع شده44
3-4- پارامترها و مفاهیم مورد استفاده در الگوریتم¬های زمان¬بندی گراف برنامه46
3-5- الگوریتم¬های زمان¬بندی گراف برنامه با فرضیات محدودکننده50
3-5-1- الگوریتمی با زمان چند جمله¬ای برای گراف های درختی - الگوریتم HU 50
3-5-2- الگوریتمی برای زمان¬بندی گراف برنامه با ساختار دلخواه در سیستمی با دو پردازنده51
3-5-3- الگوریتمی برای زمان¬بندی گراف بازه¬ای مرتب شده52
3-6- الگوریتم¬های زمان¬بندی گراف برنامه در محیطهای همگن 54
3-6-1- الگوریتم Sarkar54
3-6-2- الگوریتمHLFET55
3-6-3- الگوریتم ETF55
3-6-4- الگوریتم ISH 55
3-6-5- الگوریتم FLB56
3-6-6- الگوریتم DSC56
3-6-7- الگوریتم CASS-II58
3-6-8- الگوریتم DCP59
3-6-9- الگوریتم MCP60
3-6-10- الگوریتم MD61
3-6-11- الگوریتم TDS61
3-7- الگوریتم¬های زمان¬بندی گراف برنامه در محیطهای ناهمگن63
3-7-1- الگوریتم HEFT63
3-7-2- الگوریتم CPOP63
3-7-3- الگوریتم LMT64
3-7-4- الگوریتمTANH 65
فصل چهارم :الگوریتم FLB
1-4 ویژگیهای الگوریتم66
4-2 اصطلاحات به کار برده شده66
4-3 الگوریتم67
4-4 پیچیدگی الگوریتم75
4-5 کارایی الگوریتم77
فصل پنجم: شبیه سازی گرید
5-1 ابزار شبیه سازی79
5-1-1- optosim79
5-1-2 SimGrid 80
5-1-3- Gridsim 80
کارهای انجام شده83 پیشنهادات83
مراجع 85

 


فهرست اشکال
شکل 1-2 ساختار کلاستر 11
شکل 2-2 ساختار زمانبند گرید 14
شکل 2-3-2 رده بندی الگوریتم های ایستا19
شکل 2-4 رده بندی برنامه های کاربردی26
شکل 2-5-6کلاس بندی برنامه های کاربردی 37
شکل 3-2-3 گراف نمونه با هزینه محاسباتی و ارتباطی 43
شکل 3-3 دسته بندی الگوریتم های گراف برنامه45
شکل 3-4 گراف کارها 50
شکل 3-5-3 گراف بازه ای مرتب شده با هزینه محاسباتی یکسان 53
شکل 3-5-3 مقایسه الگوریتم های زمانبندی گراف برنامه در محیطهای
همگن 54
شکل 4-1 گراف کار76
شکل 5-2 ساختار Gridsim 81


دانلود با لینک مستقیم


دانلود پروژه پیاده سازی الگوریتم FLB

دانلود پاورپوینت الگوریتم کولونی زنبور عسل

اختصاصی از حامی فایل دانلود پاورپوینت الگوریتم کولونی زنبور عسل دانلود با لینک مستقیم و پر سرعت .

دانلود پاورپوینت الگوریتم کولونی زنبور عسل


دانلود پاورپوینت الگوریتم کولونی زنبور عسل
—الگوریتم زنبور هر نقطه را در فضای پارامتری_ متشکل از پاسخ های ممکن_به عنوان منبع غذا تحت بررسی قرار می دهد."زنبور های دیده بان"_ کارگزاران شبیه سازی شده _به صورت کتره ای فضای پاسخ ها را ساده می کنند و به وسیله ی تابع شایستگی کیفیت موقعیت های بازدید شده را گزار ش می دهند. جواب های ساده شده رتبه بندی می شوند ، و دیگر "زنبورها" نیروهای تازه ای هستند که فضای پاسخ ها را در پیرامون خود برای یافتن بالا ترین رتبه محل ها جستجو می کنند{که "گلزار" نامیده می شود} الگوریتم به صورت گزینشی دیگر   گلزار ها را برای یافتن نقطه ی بیشینه ی تابع شایستگی جستجو می کند.
کاربردها
—آموزش شبکه عصبی برای الگو شناسی
—زمان بندی کارها برای ماشین های تولیدی
—دسته بندی اطلاعات
—بهینه سازی طراحی اجزای مکانیکی
—بهینه سازی چند گانه
—میزان کردن کنترل کننده های منطق فازی برای ربات های ورزشکار
نتیجه گیری
—هوش مصنوعی تلاش برای تولید ماشینی و یا مدلی است که همانند انسان عمل کند.
—سیستم های  هوش دسته جمعی از یک گروه از عوامل ساده ساخته شده که به طور محلی با یکدیگر و نیز با محیط پیرامونشان بر هم کنش دارند. بنا برا ین در آنها ساختار کنترلی متمرکزی وجود ندارد که به هر عامل منفرد دستور دهد که چگونه رفتار کند
—الگوریتم زنبور عسل برای بهینه سازی ترکیبی {زمانی که بخواهیم چند متغیر را همزمان بهینه کنیم.} یا بهینه سازی تابعی به کار رود.
—الگوریتم زنبور عسل به همان میزان که قابلیت حل مسائل ترکیبی قطعی را دارد , قادر به حل مسائل ترکیبی ایی است که دارای عدم قطعیت نیز میباشند.
شامل 28 اسلاید powerpoint

دانلود با لینک مستقیم


دانلود پاورپوینت الگوریتم کولونی زنبور عسل