الگوریتم ژنتیک

اختصاصی از سورنا فایل الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

با آغاز دهة 80 میلادی تعداد زیادی از روشهای جدید که به شدت به سرعت کامپیوترها وابسته اند، ارائه شد. بعضی از این روشها مبتنی بر مشاهدات و اتفاقات طبیعی است و بعضی دیگر  بر گرفته از اندیشه های تجربی است.

یک روش ابتکاری یا هیورستیک در واقع یک قانون سرانگشتی است، یعنی قاعده ای است که بیشتر مبتنی بر تجربه است تا  یک تئوری دقیق. به تجربه ثابت گردیده که روشهای ابتکاری نیازهای کاربر را در زمینه حل مسئله برآورده میسازند. به عبارت دیگر هر چند اثبات دقیق و تضمین کافی برای این که یک روش ابتکاری به جواب بهینه برسد وجود ندارد، با این حال این روشها کارآیی خود را در دست یابی به جواب بهینه یا نزدیک به آن نشان دادهاند.

 مزیت روشهای ابتکاری، سادگی عملیات و کاهش محاسبات در آنها میباشد به طوری که کاربر فاصله گرفتن از جواب بهینه را (تا حدی معقول) بر کاهش محاسبات و حل سریع تر مسئله ترجیح میدهد. هم چنین روشهای ابتکاری از جمله مهم ترین روشهایی اند که در حل مسائلی که راه حل قطعی برای آنها وجود ندارد از کارآیی بالایی برخوردار هستند(در این حالت کاهش زمان حل در مقابل راه حل ارائه شده از اهمیت کمتری برخوردار است).

 یکی از کاربردهای روشهای ابتکاری، حل مسائل زمان بندی با منابع محدود میباشد. روشهای ابتکاری برای مسائل مربوط به زمان بندی با منابع محدود، به چند دلیل کاربرد عمومی وسیعی دارند. ....

الگوریتم تابوالگوریتم جستجوی ممنوع()

اختصاصی از سورنا فایل الگوریتم تابوالگوریتم جستجوی ممنوع() دانلود با لینک مستقیم و پر سرعت .

این بسته شامل موارد زیر میباشد:

1.فایل 35 صفحه ای الگوریتم تابو(جستجوی ممنوع)باتوضیحات کامل.

2.برانامه متلب برای یک مثال جهت فهم بیشار الگوریتم.

3.فایل برنامه متلب الگوریتم.

در اغلب رشته های مهندسی و علوم الهام گرفتن از پدیده های طبیعی، راه گشای مسیرهای جدید و ابداع روشها و زمینه های نو در این رشته ها گردیده است. مدل سازی کامپیوتری پدیده های طبیعی  به عنوان روشهای حل مسئله از دیر باز مورد توجه پژوهشگران بوده است و از میان روشهایی که به نوعی از طبیعت الهام گرفته اند میتوان به الگوریتمهای ژنتیکیGA  شبکه های عصبی (ANN)، جستجوی ممنوع ( تابو() (TS)و شبیه سازی تبریدی (SA)اشاره کرد.

طبقه بندی داده ها با استفاده از الگوریتم ژنتیک ( Genetic Algorithm )

اختصاصی از سورنا فایل طبقه بندی داده ها با استفاده از الگوریتم ژنتیک ( Genetic Algorithm ) دانلود با لینک مستقیم و پر سرعت .

این فایل شامل کدهای طبقه بندی داده ها با استفاده از الگوریتم ژنتیک ( Genetic Algorithm ) و توضیحات خط به خط کدها است .

همچنین به راحتی قابلیت انطباق با داده های ورودی مورد نظر شما را دارند.

الگوریتم کلونی زنبورعسل

اختصاصی از سورنا فایل الگوریتم کلونی زنبورعسل دانلود با لینک مستقیم و پر سرعت .

الگوریتم زنبور اولین  بار  در سال 2005 توسعه  یافت ؛ این الگوریتم شبیه سازی  رفتار  جستجوی  غذای  گروه های زنبور عسل  است. در  این  الگوریتم، الگوریتم نوعی از جستجوی  محلی انجام  می دهد که با جستجوی  تصادفی ترکیب  شده  است

در 65 اسلاید

دانلود تحقیق شبکه های عصبی و الگوریتم های ژنتیک در تجارت

اختصاصی از سورنا فایل دانلود تحقیق شبکه های عصبی و الگوریتم های ژنتیک در تجارت دانلود با لینک مستقیم و پر سرعت .

تعداد صفحات : 18 صفحه      -    

قالب بندی :  word               

 شبکه های عصبی و الگوریتم های ژنتیک در تجارت   

چکیده:

در عصر حاضر در بسیاری از موارد ماشین ها جایگزین انسانها شده اند و بسیاری از کارهای فیزیکی که در گذشته توسط انسانها انجام می گرفت امروزه توسط ماشین ها صورت می گیرد . اگرچه قدرت کامپیوترها در ذخیره، بازیابی اطلاعات و اتوماسیون اداری ،.. غیر قابل انکار است، اما همچنان مواردی وجود دارد که انسان ناچار است خودش کارها را انجام دهد. اما به طور کلی ، موارد مرتبط با ماشین شامل سیستم هایی است که در آن به علت ارتباطات پیچیده بین اجزا، مغز انسان از درک ریاضی این ارتباطات قاصر است . مغز انسان به مرور زمان با مشاهده توالی رفتارهای سیستم و گاه آزمایش نتیجه ای که بر اثر دستکاری یکی از اجزای سیستم به دست می آید تا حدی می تواند عادتهای سیستم را شناسایی کند . این روند یادگیری بر اثر مشاهده مثالهای متنوع از سیستم ، به کسب تجربه منجر می شود. در چنین سیستم‌هایی مغز قادر به تجزیه و تحلیل داخلی سیستم نیست و تنها با توجه به رفتارهای خارجی، عملکرد داخلی سیستم را تخمین می زند و عکس العملهای آن را پیش بینی می کند.چگونگی اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصمیم گیری ، از موضوعات بحث برانگیز در عصرحاضر است. یکی از مسائل مهم تحقیقاتی در زمینه علوم کامپیوتر، پیاده سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه و تحلیل سیستم های مختلف بر اساس تجربه است .در این راستا شبکه های عصبی یکی از پویاترین حوزه‌های تحقیق در دوران معاصر هستند که افراد متعددی از رشته های گوناگون علمی را به خود جلب کرده است .استفاده از شبکه‌های عصبی و الگوریتم های ژنتیک در حل مسائل پیچیده کاربردی این روزها بیش از بیش رواج یافته است . در این مقاله پس از معرفی اجمالی شبکه های عصبی و الگوریتم های ژنتیک، ارتباط وسهم آن ها در تصمیم گیری در حوزه تجارت وکسب وکار مورد بررسی قرارگرفته است . 

مقدمه
توجه به کاربرد تکنیک های هوش مصنوعی و ابزارهای مدل سازی در حوزه کسب و کار به طور فزاینده ای در حال افزایش است. در این راستا سیستم های خبره جایگاه ویژه ای یافته اند. در چند دهه گذشته دو عنوان شبکه های عصبی و الگوریتم های ژنتیک از موضوعاتی بوده اند که توجه بسیاری از دانشگاهیان را به خود جلب کرده اند . این دو به عنوان ابزاری نیرومند در حل مسائلی که دیگر توسط متدلوژی ها و روش های سنتی گذشته قابل حل نبودند، شناخته شده و مورد استفاده قرارگرفته اند. این روزها استفاده از آنها به زندگی اجتماعی ما نیز تسری یافته تا جایی که کاربرد آنها در تصمیم گیری ها نقش حیاتی یافته است . این مقاله شواهدی را مبتنی برامکان استفاده اخلاقی از شبکه های عصبی و الگوریتم ها ی ژنتیک که به منجر به تصمیم گیریهای موفقیت آمیز در ارتباط با مسائل مرتبط با کسب و کار می شود ارائه می کند . برای این منظور لازم است که بررسی تطبیقی ای در رابطه با تلاشهای دیگر محققان در قالب ادبیات موضوع صورت گیرد . به همین دلیل ، در تحقیق ما بر نقش محققان عملیاتی در حوزه کاربرد شبکه های عصبی و الگوریتم های ژنتیک تأکید شده است . همچنین در کنار ایجاد چنین پایگاهی برای محققان ، به سوالات اساسی زیر نیز پاسخ داده شده است :   
-1 آیا کاربردهای سیستم های مبتنی بر هوش مصنوعی می تواند از فرایندهای تصمیم گیری شرکت شما پشتیبانی کند ؟     
-2 آیا اسناد ودلایل و مدارک معتبری برای اثبات این ادعا وجود دارد ؟   
-3 آیا اینها تنها یک تئوری و ایده دانشگاهی است یا دارای قابلیت کاربرد و تعمیم نیز هست؟
به عبارت دیگر ، با درنظر گرفتن مطالعات مشابه در رابطه با استفاده از سیستم های خبره در کسب و کار، نویسندگان و محققان در آرزوی دستیابی به فرصتی جهت بحث مقایسه ای در باره این سه متدلوژی هوشمند هستند (متاکسیوس و پساراس 2003 ) . یکی از مهم ترین و بحث‌برانگیزترین تحقیقات ، بررسی صورت گرفته توسط لایبوتز (2001) است که نتیجه آن تحت عنوان «سیستمهای خبره و کاربرد آنها» مطرح شد.ساختار این مقاله به صورت زیر است‌: در ابتدا مروری بر پایه و اساس شبکه های عصبی و الگوریتم های ژنتیک خواهیم داشت و سپس به بازنگری جامعی بر کاربرد شبکه های عصبی و الگوریتم های ژنتیک در حوزه کسب و کار خواهیم پرداخت و نهایتا آن را با نتایج و پیشنهاداتی برای تحقیقات کاربردی آینده به پایان خواهیم رساند .       
فناوری شبکه عصبی    
شبکه های عصبی یک تکنیک پردازش اطلاعات مبتنی بر روش سیستم های عصبی بیولوژیکی مانند مغز و پردازش اطلاعات است. مفهوم بنیادی شبکه های عصبی ، ساختار سیستم پردازش اطلاعات است که از تعداد زیادی واحدهای پردازشی (نورون‌) مرتبط با شبکه ها تشکیل شده اند‌. سلول عصبی بیولوژیکی یا نورون، واحد سازنده سیستم عصبی در انسان است. یک نورون ازبخشهای اصلی زیر تشکیل شده است :
1) بدنه سلولی که هسته در آن است و سایر قسمتهای سلولی از آن منشأ گرفته است.     
2) هسته       
3) آکسون که وظیفه آن انتقال اطلاعات از سلول عصبی است.    
4) دندریت که وظیفه آن انتقال اطلاعات از سلول های دیگر به سلول عصبی است
یک سیستم شبکه عصبی از تکنیک‌های مورد استفاده انسان در یادگیری از طریق استناد به مثالهایی از حل مسائل استفاده می‌کند (هایکین ،1994 ) . هر نورون ورودیهای متعددی را پذیراست که با یکدیگر به طریقی جمع می شوند . اگر در یک لحظه تعداد ورودی های فعال نرون به حد کفایت برسد نرون نیز فعال شده و آتش می کند . در غیر این‌صورت نورون به صورت غیر فعال و آرام باقی می ماند .فعالیت هر نورون از مجموعه ای از یک یا چند ورودی ، عملیات و وظیفه خروجی برای محاسبه خروجیهایش تشکیل شده است . عملکرد اساسی این مدل مبتنی بر جمع کردن ورودیها و به دنبال آن به وجود آمدن یک خروجی است . ورودیهای نورون از طریق دندریت ها که به خروجی نورون های دیگر از طریق سیناپس متصل شده اند وارد می شوند . بدنه سلولی کلیه این ورودیها را دریافت می کند و چنانچه جمع این مقادیراز مقداری که به آن آستانه گفته می شود بیشتر شود در اصطلاح بر انگیخته شده یا آتش می کند و درغیر این صورت خروجی نورون روشن یا خاموش خواهد شد. مدل پایه ای نورون به صورت شکل 1 تعریف می گردد .