فرمت قابل ویرایش ورد word تعداد صفحات: ۱۲ صفحه خلاصه ای از فایل مقدمه الگوریتم ژنتیک تکنیک جستجویی در علم رایانهجهت یافتن راهحل تقریبی برای بهینهسازیمسائل مقید و بدون قید می باشد. این روش در اوایل دهه ۱۹۷۰ میلادی توسط جان هلند[۱] در دانشگاه میشیگان آمریکا ابداع گردید و توسط یکی از شاگردانش به نام دیوید گلدبرگ[۲] توسعه داده شد. امروزه الگوریتم ژنتیک شناخته شده ترین روش محاسبات تکاملی است که به طور فزاینده ای در بسیاری از مسائل مهندسی و در حوزه های مختلف به کار برده می شود.حتی از الگوریتم ژنتیک برای حل چند تابع از مسائل بهینه سازی که با الگوریتم های مختلف بهینه سازی سازگاری خوبی ندارد می توان استفاده کرد که توابع گسسته[۳] ، غیردیفرانسیلی[۴]،اتفاقی[۵] و غیرخطی با درجات بالا[۶] از این نوع هستند. فهرست دانلود تحقیق در مورد الگوریتم ژنتیک… ۱ ۳-۱- مقدمه: ۱ ۳-۲-بهینه محلی و بهینه کلی:. ۴ ۳-۳- بهینه سازی: ۴ ۳-۳-۱- تعیین متغیرهای بهینه سازی.. ۶ ۳-۳-۲- تشکیل تابع هدف.. ۶ ۳-۳-۳- قیود مسأله. ۷ ۳-۳-۴- تعیین روش بهینه سازی.. ۷ ۳-۴- الگوریتم ژنتیک چگونه عمل می کند؟. ۸ ۳-۵- روش های انتخاب.. ۱۰ ۳-۵-۱- انتخاب بهترین پارامتر(نخبه سالاری):. ۱۰ ۳-۵-۲- انتخاب چرخ گردون.. ۱۱ ۳-۵-۳-انتخاب مقیاس… ۱۱ ۳-۵-۴-انتخاب رقابتی.. ۱۱ ۳-۶- مزایای استفاده از الگوریتم ژنتیک… ۱۱
دانلود تحقیق در مورد الگوریتم ژنتیک دانلود تحقیق در مورد الگوریتم ژنتیک فرمت قابل ویرایش ورد word تعداد صفحات: ۱۲ صفحه خلاصه ای از فایل مقدمه الگوریتم ژنتیک تکنیک جستجویی در علم رایانهجهت یافتن راهحل تقریبی برای بهینهسازیمسائل مقید و بدون قید می باشد. این روش در اوایل دهه ۱۹۷۰ میلادی توسط جان هلند[۱] در دانشگاه میشیگان آمریکا ابداع گردید و توسط یکی از شاگردانش به نام دیوید گلدبرگ[۲] توسعه داده شد. امروزه الگوریتم ژنتیک شناخته شده ترین روش محاسبات تکاملی است که به طور فزاینده ای در بسیاری از مسائل مهندسی و در حوزه های مختلف به کار برده می شود.حتی از الگوریتم ژنتیک برای حل چند تابع از مسائل بهینه سازی که با الگوریتم های مختلف بهینه سازی سازگاری خوبی ندارد می توان استفاده کرد که توابع گسسته[۳] ، غیردیفرانسیلی[۴]،اتفاقی[۵] و غیرخطی با درجات بالا[۶] از این نوع هستند. فهرست دانلود تحقیق در مورد الگوریتم ژنتیک… ۱ ۳-۱- مقدمه: ۱ ۳-۲-بهینه محلی و بهینه کلی:. ۴ ۳-۳- بهینه سازی: ۴ ۳-۳-۱- تعیین متغیرهای بهینه سازی.. ۶ ۳-۳-۲- تشکیل تابع هدف.. ۶ ۳-۳-۳- قیود مسأله. ۷ ۳-۳-۴- تعیین روش بهینه سازی.. ۷ ۳-۴- الگوریتم ژنتیک چگونه عمل می کند؟. ۸ ۳-۵- روش های انتخاب.. ۱۰ ۳-۵-۱- انتخاب بهترین پارامتر(نخبه سالاری):. ۱۰ ۳-۵-۲- انتخاب چرخ گردون.. ۱۱ ۳-۵-۳-انتخاب مقیاس… ۱۱ ۳-۵-۴-انتخاب رقابتی.. ۱۱ ۳-۶- مزایای استفاده از الگوریتم ژنتیک…
دانلود سمینار خوشه بندی بر مبنای الگوریتم Fuzzy c-means دانلود سمینار خوشه بندی بر مبنای الگوریتم Fuzzy c-means فرمت قابل ویرایش ورد word تعداد صفحات: ۲۲ صفحه خلاصه ای از فایل مقدمه خوشه به مجموعهای از دادهها گفته میشود که از زاویهی خاصی به هم شباهت دارند. به دسته بندی طبیعی دادههای نامتجانس به تعدادی خوشه بر اساس خصوصیات مشابه نیز خوشهبندی میگویند. اغلب از خوشهبندی به عنوان اولین گام دادهکاوی یاد میشود که قبل از سایر فرآیندها بر روی رکوردها اعمال میشود تا گروهی از رکوردهای مرتبط به هم به عنوان نقطه آغاز تحلیلها شناسایی شوند. هدف از خوشه بندی این است که دادههای موجود را به چندین گروه تقسیم کنند و در این تقسیمبندی دادههای گروههای مختلف باید حداکثر تفاوت ممکن را با هم داشته باشند و دادههای موجود در یک گروه باید بسیار به هم شبیه باشند. در این فصل، بعد از مقایسه روش خوشهبنـدی با روش طبقهبندی، روشهای مختلف خوشهبندی معرفی میگردد و در آخر به توضیح در مورد الگوریتم Fuzzy c-means که این تحقیق بر پایه آن بنا شده است، خواهیم پرداخت. فهرست ۲-۱- مقدمه. ۱ ۲-۲- خوشهبندی اطلاعات.. ۲ ۲-۲-۱- تفاوت خوشه بندی و طبقهبندی.. ۳ ۲-۲-۲-کاربردهای خوشهبندی.. ۳ ۲-۲-۳- انواع خوشه ها ۵ ۲-۲-۴- مراحل خوشه بندی.. ۵ ۲-۲-۵- انواع روشهای خوشه بندی.. ۸ ۲-۲-۶- خوشهبندی سلسله مراتبی.. ۹ ۲-۲-۶-۱- خوشه بندی سلسله مراتبی تقسیم شونده ۹ ۲-۲-۶-۲- خوشه بندی سلسله مراتبی متراکم شونده ۱۰ اتصال منفرد. ۱۰ اتصال میانگین.. ۱۱ اتصال کامل… ۱۱ ۲-۲-۷- خوشهبندی افرازبندی یا پارتیشنی.. ۱۲ ۲-۲-۷-۱-الگوریتم k-means. 13 ۲-۲-۸- خوشه بندی همپوشانی.. ۱۶ ۲-۲-۸-۱- خوشه بندی فازی.. ۱۶
دانلود سمینار بهینه سازی بر مبنای الگوریتم خفاش دانلود سمینار بهینه سازی بر مبنای الگوریتم خفاش فرمت قابل ویرایش ورد word تعداد صفحات: ۳۰ صفحه خلاصه ای از فایل مقدمه بهینه سازی یافتن بهترین جواب در خروجی یک تابع یا فرآیند، بهوسیلهی تغییر ورودیهای می باشد. واژهی بهترین بیان میدارد که بیش از یک جواب و راه حل برای مسأله وجود دارد که یافتن بهترین جواب (جواب بهینه) بستگی به مسألهی در دسترس، روش حل و خطای مجاز دارد[۳۶]. بیتلر و دیگران (۱۹۷۹) بهینهسازی را چنین شرح میدهند : فعل بهینه ساختن که کلمه قویتری نسبت به بهبود میباشد عبارت است از دستیابی به بهینه و بهینهسازی اشاره به عمل بهینه ساختن دارد . بنابراین تئوری بهینهسازی شامل مطالعات کمی بهینهها و روش یافتن آنها است . همچنین بهینه به عنوان یک واژه فنی دلالت بر اندازهگیری کمی و تحلیل ریاضی دارد در حالی که بهترین ، دارای دقت کمتر بوده و بیشتر برای امور روزمره استفاده میشود . در بیشتر موارد آنچه که با هدف بهینهسازی انجام میدهیم بهبود است . بهینهسازی به دنبال بهبود عملکرد در رسیدن به نقطه یا نقاط بهینه است . بهینه سازی مبتنی بر رفتار گروهی موجودات زنده به عنوان دستهای مهم از این الگوریتمها شناخته میشود که در برگیرندهی روشهای محاسباتی بدیعی است که قادر به حل مسائل بهینه سازی به شیوه ای مؤثر و قابل اعتماد می باشند[۳۷]. فهرست دانلود سمینار بهینهسازی بر مبنای الگوریتم خفاش… ۱ ۳-۲- شرح مسأله بهینهسازی ۲ ۳-۳-روشهای حل مسائل بهینهسازی ۶ ۳-۳-۱- بهینه سازی تودهی ذرات ۱۰ ۳-۳-۲- الگوریتم جفت گیری زنبور عسل ۱۱ ۳-۳-۳- الگوریتم مورچگان ۱۲ ۳-۳-۴- الگوریتم الگوی جستجوی ممنوع. ۱۴ ۳-۳-۵- الگوریتم آبکاری فولاد. ۱۵ ۳-۳-۷-۱- انتخاب جمعیت اولیه براساس قاعدهی تولید عدد متضاد. ۲۰ ۳-۳-۷-۲- استراتژی جهش خود تطبیق.. ۲۰ ۳-۵- معیارهای مقایسهی الگوریتمهای بهینهسازی ۲۳ ۳-۵-۱-کارآیی.. ۲۳ ۳-۵-۲- انحراف استاندارد. ۲۳ ۳-۵-۳- قابلیت اعتماد. ۲۴ ۳-۵-۴- سرعت همگرایی.. ۲۴ ۳-۵- تعریف مسائل عددی گوناگون ۲۴ ۳-۵-۱- تابع Rosenbrock. 25 ۳-۵-۲- تابع Schewefel 26 ۳-۵-۳- تابع Rastragin. 27 ۳-۵-۴- تابع Ackley. 28 ۳-۵-۵- تابع Greiwank. 29