حامی فایل

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

حامی فایل

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

دانلود پاورپوینت الگوریتم بهینه سازی کلونی مورچه ها

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

 دانلود پاورپوینت الگوریتم بهینه سازی کلونی مورچه ها


 دانلود پاورپوینت الگوریتم بهینه سازی  کلونی مورچه ها

 عنوان پاورپوینتالگوریتم بهینه سازی کلونی مورچه هاAnt Colony Optimization

 قالب بندی :پاورپوینت 

تعداد اسلاید :47

 مقدمه

مورچه ها حشرات اجتماعی و موجودات تقریباً کوری هستند که قادرند کوتاهترین مسیر را از لانه تا منبع غذا و برعکس پیدا کنند و همچنین خود را با تغییرات محیط وفق دهند.

رسانه ای که برای ابلاغ اطلاعات بین مورچه­ها مورد استفاده قرار می گیرد شامل بوی (اثر) ماده ای  شیمیایی به نام فرومون است.

حشرات گروهی از نوعی هوش گروهی برخوردارند که متخصصان رایانه را به خود مجذوب کرده است. بالاترین نشان و قاعده این گروه ها، سادگی آنها است

هر مورچه عمل ساده ای انجام می­دهد، ولی در نهایت کلونی مورچه ها مسأله ای پیچیده را حل می کنند.

عامل هوشمند

موجودی است که از طریق حسگرها قادر به درک پیرامون خود بوده و از طریق تأثیرگذارنده ها می تواند روی محیط اثر بگذارد.

هوشمندی تودهای( Swarm Intelligence)

یک توده(Swarm) عبارت است از مجموعهای از عاملها(موجودات) که با یکدیگر یا به صورت مستقیم (کلمات، سیگنالها، علائم...) یا به صورت غیر مستقیم (از طریق تأثیرگذاری در محیط ) در تماساند و همگی یک مسئله را به صورت گسترده حل میکنند.

 فهرست مطالب 

1- نمودار کلی

ACO2- معرفی

3- تاریخچه

4- رویکرد کلونی مورچه ها

5- تفاوت و تشابه های مورچه های واقعی با مصنوعی

6- مثالی از یافتن کوتاهترین مسیر

ACO7- مزایای الگوریتم

ACO8- کاربرد

9- قوانین حرکت

ACO10- فلوچارت و الگوریتم

TSP 11- حل

12- نتیجه گیری

 


دانلود با لینک مستقیم


دانلود پاورپوینت الگوریتم بهینه سازی کلونی مورچه ها

مقاله بازآرائی بهینه شبکه های توزیع به روش الگوریتم ژنتیک جهت کاهش تلفات

اختصاصی از حامی فایل مقاله بازآرائی بهینه شبکه های توزیع به روش الگوریتم ژنتیک جهت کاهش تلفات دانلود با لینک مستقیم و پر سرعت .
مقاله بازآرائی بهینه شبکه های توزیع به روش الگوریتم ژنتیک جهت کاهش تلفات
  1. مقدمه

تغییر ساختار در شبکه‌های توزیع جهت کاهش تلفات در واقع حل یک مساله بهینه‌سازی می‌باشد. روش بکارگرفته شده در این مقاله جهت حل این مساله بهینه‌سازی استفاده از روش الگوریتم ژنتیک می‌باشد.

روش الگوریتم ژنتیک به دلیل اینکه کلیه جوابهای ممکن را تولید و سپس از میان آنها بهترین گزینه را انتخاب می‌کند. لذا از اطمینان بیشتری برای رسیدن به بهینه مطلق برخوردار می‌باشد.

در یک شبکه توزیع با گستردگی فراوان تنوع بار (اعم از صنعتی، خانگی یا تجاری) و همچنین تغییرات بار بدلیل تنوع فصول، ساعات کار و پیک مصرف و سایر عوامل دیگر و ثایت بودن ساختار شبکه، موجب افزایش تلفات در سیستم می‌شود. در چنین شرایطی لازم است با اعمال یک آرایش بهینه روی شبکه با باز و بسته کردن کلیدهای موجود به بهینه‌ساختن تلفات امیدوار بود.

به همراه فایل power point وpdf در20اسلاید و 20صفحه

و فایل word در10صفحه

مخصوص ارائه برای پروژه های درسی


دانلود با لینک مستقیم


مقاله بازآرائی بهینه شبکه های توزیع به روش الگوریتم ژنتیک جهت کاهش تلفات

دانلود مقاله کامل درباره الگوریتم های ژنتیکی به کاربره شده در مدیریت ترافیک هوایی 25 ص

اختصاصی از حامی فایل دانلود مقاله کامل درباره الگوریتم های ژنتیکی به کاربره شده در مدیریت ترافیک هوایی 25 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 25

 

9) الگوریتم های ژنتیکی به کاربره شده در مدیریت ترافیک هوایی

افزایش ترافیک هوایی، از زمان شروع تجارت هوایی، باعث مشکل اشباع در فرودگاهها، یا مکانهای فضایی شده است. در حالی که هواپیماها ارتقاء می یابند و اتوماتیک تر می شوند. اما هنوز کنترل ترافیکی بر پایه تجربیات انسان است. مطالعه حاضر ، دو مشکل مدیریت ترافیک هوایی (ATM) را به جزء بیان می کند، که برای آنها راه حل های بر پایه الگوریتم ژنتیکی وجود دارد. اولین کاربرددر رابطه با مشکل enroute است و دومین کاربرد در مورد مشکلات مدیریت ترافیکی در سکوهای فرودگاهها است.

9.1) راه حل درگیریهای Enroute = کنترل ترافیک هوایی (ATC) می تواند توسط یک سرس از فیلترها نشان داده شود، جایی که هر فیلتر یک ؟ خاص دارد و افق های خاص محیطی و موقتی را اداره می کند. 5 سطح (لِوِل) قابل تشخیص است. در دوره طولانی (بشتر از 6 ماه) ترافیک در یک روش میکروسکوپی می تواند برنامه ریزی شود. برای مثال مردم با یک نمودار ترافیکی روبرو هستند که اندازه های کمیته ، که برنامه های ساعتی و موافقت با ارتش را مورد توجه قرار داده است، به کاربرده می شود برای فرهنگ هواپیمایی در زمانهای اوج یعنی بعد ظهر جمعه.

در دوره کوتاهتر ، معمولاً در مورد تنظیمات قبل ، صحت می شود. این مورد شامل برنامه ریزی کردن روز ترافیک ، یک یا دو روز قبل تر می شود. در این مرحله ، اشخاص ایدة مشخصی درباره بیشتر برنامه ی پرواز و ظرفیت کنترل هر مرکز دارند. حداکثر جریان هواپیما که می تواند یک قطر را سوراخ کند. ظرفیت قطر نامیده می شود. این عمل توسط CFMU3 انجام می شود. ترافیک میان آتلانتیک برای مثال در این مرحله مورد توجه قرار می گیرد. راههای هوایی، تنظیم ساعت های پرواز و حالت هوا مورد توجه قرار می گیرد. به طور کل این شغل توسط FMP4 در هر مرکز صورت می گیرد. آخرین فیلتر ، فیلتر تاکتیکال است که با کنترل داخل یک قطر بستگی دارد. زمان متوسطی که یک هواپیما در یک بخش صرف می کند حدود 15 دقیقه است. اینجا میزان رویت کنترل کننده کمی بالاتر از میزان دریافت طرحهای پرواز است چند دقیقه قبل از ورود هواپیما به بخش. کنترل کننده وظیفه چک کردن، حل اختلافات و همپایه بودن با بخش های همسایه را تضمین می کند. در این حالت تعیین تعریف برخورد مطلوب است. دو هواپیما با هم برخورد دارندوقتی که فاصله جدایی افقی بین آنها کمتر 5 مایل باشد و تفاوت انها در ارتفاع کمتر از 1000 فیت باشد. روش هایی که توسط کنترل کننده برای حل این برخورد به کار می رود بر پایه مسائل زیر است.

بر روی تجارب قبلی و هر دانش خلاقی. وقتی که چند جفت از هواپیماها در اختلاف مشابهی با هم تماس دارند، آنها با ساده کردن مشکلات شروع می کنند که فقط اختلافات ابتدایی را داشته باشند.

برای حل فیلتر اضطراری به نظر نمی رسد که مداخله کند به جز مواردی که سیستم کنترل دچار نقض شده یا اینکه ضعیف شده است. برای کنترل کننده ، آشیانه اطمینان مسیر هر هواپیما را با افق موقت چند دقیقه ایی پیش بینی می کنند. از موقعیت های رادار و الگوریتم های ادامه دار استفاده می کند و یک اخطار را در لحظه برخورد بوجود می آورد. این یک راه حلی را برای برخورد پیشنهاد نمی کند. به طور کل TCAS به نظر می رسد که از چنین تصادفی جلوگیری کند. پیش بینی موقت کمتر از یک دقیقه است (بین 25 تا 40 ثانیه) بنابر این بسیار دیر است برای کنترل کننده مانور هواپیما را، همانطور که تخمین زده شده که نیاز به حداقل زمان 1 تا 2 دقیقه برای آنالیز کردن موقعیت دارد راه حلی را پیدا کنند و آنرا به هواپیماها اطلاع دهند. به طور عمومی TCAS، هواپیمای اطاف را جستجو می کند و به خلبان برای حل برخورد پیشنهاداتی می کند. این فیلتر باید برخورد غیر قابل پیش بینی را حل می کند، برای مثال وقتی که یک هواپیما از سطح پرواز خود بالاتر رفته است یا یک مشکل تکنیکی که به طور قابل توجهی ارتفاع آنرا پایین آورده است. کاربردهای پیشنهاد شده در این بخش با فیلتر تاکتیکال ارتباط دارند: دانستن موقعیت هواپیما در لحظه حاضر و موقعیت بعدی آنها، را بوجود نمی آورد. راه حل برای پایه چندین تصور است. یک هواپیما نمی تواند سرعت خود را تغییر دهد (یا بسیار آرام باید این کار را بکند) مگر در مواقع فرود. نباید اینطور تصور شود که یک هواپیما با سرعت انی پرواز می کند، به غیر مواردی که سطح بندی می شود و هیچ بادی وجود ندارد. به علاوه در طول فرود و بلند شدن ، مسیر آن یک خط صاف نیست. هواپیماها در مسیر چرخش خود در فشار هستند. به طور عمومی خلبانها مانور افقی را به عمودی ترجیح می دهند مگر در هنگام بلند شدن یا نشستن. اگر چه امروزه خلبانهای اتوماتیک قرتمندتر از خلبانهای انسانی هستند (در موقعیت های نرمال پرواز) برای مواقعی که حقیقی به نظر می رسد توجه کردن به این مسیرها که توسط انسانها قابل دسترسی نیست.

خلبان. نامطمئنی بین سرعت فرود آمدن و بلند شدن بسیار زیاد است (بین 10% و 50% سرعت عمودی). در طول مسافرت ، نااطمینانی در سرعت کاهش می یابد. بعد از آن ، نا اطمینانی به همراه گذشت زمان بیشتر نمی شود، همانطور که یک هواپیما، ارتفاع خود را کاملاً خوب نگه داشته است. تقریباً غیر ممکن است که به دنبال راه حل های آنالیتکی برای حل مشکل برخورد باشیم . اما، اصلی ترین مشکل از پیچیدگی مشکل بوجود می آید. بخش اول این فصل ، به معرفی بعضی از توضیحات می پردازد که حل مشکل برخورد برای ما قابل فهم تر می کند و بخش دوم به تاریخچه ایی کوتاه از الگوریتمهای آزمایش شده برای این مشکل و محدودیتهای آن می پردازد. قسمت سوم مدلهای مشکل را به جزء بررسی می کند و پیشرفت الگوریتم ژنیتکی برای حل مشکل در بخش چهارم وجود دارد که با آمارهای ؟ بدست آمده دنبال می شود.

1.1.9) پیچیدگی حل مشکل برخورد= یک برخورد را می توان به صورت زیر توضیح داد:

یک برخورد یعنی برخوردی بین دو هواپیما در طول یک زمان داده شده از مسیر پیش بینی شده، گرفتن نااطمینانیها در مسیر.

کلاسهای معادل مربوطه به عنوان دسته و مجموعه برخورد هواپیما یا مجموعه ایی از اندازه n می تواند شامل شود به برخوردهای قوی n. توجه کردن به فقط هواپیمای افقی ، نشان می دهد که تمام راه حل های قابل قبول شامل 2n(n-1) اجزای مرتبط، تحت این تصور که یک متر مناسب به کاربرده شده که نیاز دارد به اجراهای زیادی از الگوریتم جستجو بنابر این برای مجموعه هواپیمای 6،32768 عضو متصل پیشنهاد می شود. در حقیقت اگر عملکرد هواپیما مورد توجه قرار گیرد، تمام اجزای مرتبط لازم نیست که مورد بررسی قرار گیرد. با آرام کردن محدودیت های جدا کننده، مشکل شبیه یک مشکل جهانی می شود که حداقل شامل بهینه های داخلی می شود مانند اجزای متصل. اضافه کردن بعد عمودی خصوصیت ترکیبی مشکل را کم نمی کند.

2.1.9) وجود مترهای حل کننده:

اولین پروژه اتوماتیک کنترل ترافیک ، آمریکایی بود و در شروع دهه 80 بوجود امد، اما قادر به حل مجموعه سایز 3 یا بیشتر نبود. پروژه اروپایی ARC2000 یک متر از نارساییهای ممتر لوله چهار بعدی را پیشنهاد کرد که مسیر n+1+h هواپیما در محیط n که قبلاً مسیرش محاسبه شده بود. ارتقاء دهد.

این مدلها شکیات را مورد توجه قرار ندادند و قادر نبودند با حجم عظیم ترافیک مواجه شوند. در نهایت پروژه تجربی اروپایی FREER در سال 1995 کامل شد. و پیشنهاد کرد که می تواند برخورد هواپیماها را حل کند. مشکل همپایه بودن بین هواپیماها با به کار بردن قوانین قبلی هدایت می شد ، که مانند استفاده


دانلود با لینک مستقیم


دانلود مقاله کامل درباره الگوریتم های ژنتیکی به کاربره شده در مدیریت ترافیک هوایی 25 ص

بهبود شناسایی آرم در سند های تصویری مبتنی بر الگوریتم ژنتیک

اختصاصی از حامی فایل بهبود شناسایی آرم در سند های تصویری مبتنی بر الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

بهبود شناسایی آرم در سند های تصویری مبتنی بر الگوریتم ژنتیک


تحقیق درباره بهبود شناسایی آرم در سند های تصویری مبتنی بر الگوریتم ژنتیک

فرمت فایل :word (لینک دانلود پایین صفحه) تعداد صفحات 8 صفحه

 

 

 

چکیده -تشخیص آرم یکی از راه های تشخیص منابع اسنادو اطلاعاتی درباره یک سند می باشد.در این مقاله شناسایی و تشخیص آرم ها در تصاویر متنی بیان می شود.بدین صورت که ابتدا تصاویر به سگمنت هایی تقسیم شده ، توسط فاز تشخیص آرم، برای هر سگمنت ویژگی هایی بر پایه آمار اولیه در مورد مؤلفه های پیکسل های سیاه درون هر بخش محاسبه می شود.با استفاده از این ویژگی ها، شبکه عصبی تکاملی بر پایه الگوریتم ژنتیک، سگمنت ها را بر اساس احتمال وجود آرم یا عدم وجود آن دسته بندی می نماید.در نهایت  در مجموعه انتخابی به عنوان مجموعه آرم ها، فاز انطباق آرم به کمک ویژگی های هندسی  محلی  و مستقل  انجام می شود. نتایج نشان می دهد که استفاده از شبکه عصبی تکاملی به منظور شناسایی آرم، با ارائه نتایج مطلوب به عنوان دستاوردی جدید در کنار دیگر روش ها قابل استفاده می باشد.

 


دانلود با لینک مستقیم


بهبود شناسایی آرم در سند های تصویری مبتنی بر الگوریتم ژنتیک

دانلود پاورپوینت الگوریتم خوشه بندی بر اساس رتبه (ROC)- 16 اسلاید

اختصاصی از حامی فایل دانلود پاورپوینت الگوریتم خوشه بندی بر اساس رتبه (ROC)- 16 اسلاید دانلود با لینک مستقیم و پر سرعت .

دانلود پاورپوینت الگوریتم خوشه بندی بر اساس رتبه (ROC)- 16 اسلاید


دانلود پاورپوینت الگوریتم خوشه بندی بر اساس رتبه (ROC)- 16 اسلاید

 

 

 

 

 

 

 

 

به یک تعبیر کلی تکنیکهای خوشه بندی سعی می کنند تا گروهها و خوشه های مشابه را به صورت ورودی شیء-شیء یا شیء-خصوصیت ماتریس اطلاعات کشف کرده و یا نشان دهند.

این تکنیک به گونه ای است که سطر ها و ستون های ورودی را مرتب می کند.

تکنیک های خوشه بندی در زمینه های گوناگون مورد استفاده قرار می گیرند.

 

به عنوان مثال:

شناسایی اطلاعات، بیولوژی، پزشکی، الگوشناسی، تحلیل جریان تولید، انتخاب وظایف،

مهندسی کنترل و سیستم های خبره.

تمام تکنیک هایی که مورد بحث قرار می گیرند از برنامه فرایند یا اطلاعات مربوط به مسیریابی قطعه استفاده می کنند تا سلول های ماشین آلات یا خانواده قطعات و یا هردو را تهیه کند.

خوشه بندی بر اساس رتبه (Rank Order Clustering)

این الگوریتم یک مقدار دودویی برای هر سطر و ستون تعین می کند، سطرها وستون ها را بر اساس مقادیر دودویی شان به صورت نزولی مرتب می کند و سپس خوشه ها را مشخص می کند.

 *هر خوشه یک گروه از ماشین آلات و خانواده قطعات متناظر با آن را مشخص می کند*

مراحل الگوریتم ROC :


دانلود با لینک مستقیم


دانلود پاورپوینت الگوریتم خوشه بندی بر اساس رتبه (ROC)- 16 اسلاید