مقاله یک الگوریتم نگاشت تراکنش برای کاوش مجموعه آیتم‌های مکرر

اختصاصی از سورنا فایل مقاله یک الگوریتم نگاشت تراکنش برای کاوش مجموعه آیتم‌های مکرر دانلود با لینک مستقیم و پر سرعت .

این فایل ترجمه فارسی مقاله زیر می باشد:

A Transaction Mapping Algorithm for Frequent Itemsets Mining

دانلود رایگان مقاله انگلیسی

چکیده

در این مقاله، ما یک الگوریتم جدید برای کاوش کامل مجموعه آیتم‌های مکرر، ارائه کرده‌ایم. این الگوریتم  با نام الگوریتم  TM (نگاشت تراکنش) در این جا نامیده شده است. در این الگوریتم، شناسه‌های تراکنش از هر مجموعه آیتم به فواصل تراکنش پیوسته در یک فضای متفاوت، نگاشت و فشرده‌سازی می شوند و شمارش مجموعه آیتم‌ها توسط تقاطع این لیست‌های فاصله در یک ترتیب اولین عمق در طول درخت لغت‌نویسی، انجام می‌گیرد. هنگامی که ضریب فشرده‌سازی کوچکتر از متوسط ​​تعداد مقایسه‌ها برای تقاطع فواصل در یک سطح خاص، می‌شود ، الگوریتم، به تقاطع شناسه تراکنش، تغییر می‌یابد. ما الگوریتم را در برابر دو الگوریتم کاوش مجموعه آیتم مکرر - FP-growth و dEclat با استفاده از انواع مجموعه‌داده‌ها با  الگوهای مکرر کوتاه و بلند، ارزیابی کرده‌ایم. داده های تجربی نشان می دهند که الگوریتم TM بهتر از این دو الگوریتم، عمل می‌کند.

توضیحات: فایل ترجمه به صورت word می باشد و دارای 34 صفحه است.

معرفی الگوریتم جامعه هرج و مرج((ASO)) و طراحی کنترلر PID در سیستم AVR با استفاده از آن

اختصاصی از سورنا فایل معرفی الگوریتم جامعه هرج و مرج((ASO)) و طراحی کنترلر PID در سیستم AVR با استفاده از آن دانلود با لینک مستقیم و پر سرعت .

معرفی الگوریتم  جامعه هرج و مرج((ASO))  و طراحی کنترلر PID  در سیستم AVR  با استفاده از آن ((فایل هدف و الگوریتم))

به همراه گزارش 20 صفحه ای PDF حاصل از Mfile ارایه شده.

بهینه سازی مولد پالسی با استفاده از الگوریتم های تکاملی

اختصاصی از سورنا فایل بهینه سازی مولد پالسی با استفاده از الگوریتم های تکاملی دانلود با لینک مستقیم و پر سرعت .

بهینه سازی مولد پالسی با استفاده از الگوریتم های تکاملی

بصورت ورد ودر80صفحه

چکیده:

توان پالسی طرحی است برای تخلیه انرژی ذخیره شده الکتریکی بر روی بار در یک یا چند پالس کوتاه با نرخ تکرار قابل کنترل. فناوری تولید توان پالسی به دو شاخه پالسهای کم توان و پالسهای پر توان تقسیم می شود. پالسهای کم توان در حد چند مگا وات و پالسهای پرتوان دارای توانی در حد گیگا و تراوات یا بیشتر می باشد. در این پایان نامه با هدف تولید شکل موج پالسی مورد نیاز برای تولید ورقهای فلزی از مولد مارکس تک قطبی با قطعات نیمه هادی استفاده شده؛ سپس با در مدار آوردن با تاخیر هر طبقه شکل موج مورد نیاز پالسی ساخته می شود. برای محاسبه زمان مناسب ورود هر طبقه به مدار الگوریتم ژنتیک به کار می رود. با افزایش زمان، به دلیل افت ولتاژ خازنهای ذخیره کننده انرژی در مولد مارکس سطح پالس دچار افت و در نتیجه سبب خارج شدن شکل موج پالسی از حالت مورد نیاز می شود. برای از بین بردن این مشکل از جبران کننده فعال مدولاسیون عرض پالس استفاده می شود. به منظور کاهش هزینه و افزایش سادگی مدار در این پایان‌نامه طرح جدیدی برای جبران کننده فعال مدولاسیون عرض پالس ارائه شده‌ است؛ در این طرح منبع تغذیه کمکی حذف و تعدادی از خازنهای مولد مارکس به عنوان جبران کننده پالس اصلی استفاده می‌شود. تمامی شبیه سازی ها در محیط سیمولینک و محاسبات ریاضی مربوط به نمونه برداری از پالس خروجی و مقایسه آن با پالس الگو و بدست آوردن تابع خطا در محیط برنامه نویسی متلب انجام می گیرد و نوار ابزار «گوست » برای محاسبه زمان تاخیر سوییچ ها‌ی هر واحد استفاده می‌شود.

دانلود کد پیاده سازی الگوریتم کویین مک کلاسکی با استفاده از زبان برنامه نویسی #C به صورت فرم اپلیکیشن - حل جدول کارنو

اختصاصی از سورنا فایل دانلود کد پیاده سازی الگوریتم کویین مک کلاسکی با استفاده از زبان برنامه نویسی #C به صورت فرم اپلیکیشن - حل جدول کارنو دانلود با لینک مستقیم و پر سرعت .

 دانلود سورس کد روش Quine–McCluskey algorithm OR the method of prime implicants

موضوع پروژه: کدنویسی الگوریتم کویین مک کلاسکی با استفاده از زبان برنامه نویسی #C

زبان برنامه نویسی: Csharp (سی شارپ دات نت)

محیط برنامه نویسی: Visual Studio 2012

توضیحات:

الگوریتم کوین مک کلاسکی روشی است که برای کمینه کردن توابع بولی توسط کوین و ادوارد مک کلاسکی ایجاد شد. این روش از لحاظ تابعی با جدول کارنو یکسان است. ولی حالت جدولی این روش را برای استفاده در الگوریتم‌های کامپیوتری کارآمد تر می‌کند. علاوه بر این، این روش به طور قطعی می‌تواند بیان کند که آیا به کمینه استفاده از توابع بولی رسیده‌ایم یا نه. این روش گاهی با روش جدولی نیز نام برده می‌شود.
این الگوریتم از ۲ قسمت تشکیل شده‌است:
1- یافتن تمامی دلالت کننده‌های نخستین(Prime Implicant)
۲- تمامی آن دلالت کننده‌ها را در جدول دلالت کننده‌های نخستین قرار دهیم تا دلالت کننده‌های ضروری را بیابیم.

نمونه تصویر برنامه:

آنچه تحویل داده می شود:

1. کد منبع برنامه الگوریتم کویین مک کلاسکی (حل جدول کارنو تا n متغیر) به زبان سی شارپ به صورت فرم اپلیکیشن قابل اجرا در محیط Visual Studio 2012 و نسخه های بالاتر (این کدها تست شده و 100 درصد به صورت تضمینی قابل اجرا می باشند)

توجه توجه: در صورتی که بخواهید ما میتوانیم یک ویدئوی آموزشی که در آن به طور کامل کدهای برنامه نویسی توضیح داده شده اند تنها با قیمت 50 هزار ضبط نموده و در اختیارتان قرار دهیم.

مناسب برای دانشجویان کارشناسی (لیسانس) و کاردانی و دیپلم هنرستان

 می توان به عنوان پروژه دروس کارشناسی یا کاردانی یا دیپلم، دروسی مانند معماری کامپیوتر، مدارات منطقی، مبانی دیجیتال، مدار منطقی، مدار منطقی پیشرفته

 پس از خرید از درگاه امن بانکی، لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده می شود. تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه و یا انجام پروژه های برنامه نویسی و حل تمرینات با آدرس ایمیل:

[e-mail]

یا شناسه تلگرام (آی دی تلگرام ما): @ebarkat

توجه: اگر کارت بانکی شما رمز دوم ندارد و یا در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

توجه توجه توجه: هرگونه کپی برداری و فروش فایل های فروشگاه برکت الکترونیک (به آدرس ebarkat.ir یا codes.sellfile.ir) در فروشگاه های دیگر شرعاً حرام است، تمامی فایل ها و پروژه های موجود در فروشگاه، توسط ما اجرا و پیاده سازی و یا از منابع معتبر زبان اصلی جمع آوری شده اند و دارای حق کپی رایت اسلامی می باشند.

از پایین همین صفحه (بخش پرداخت و دانلود) می توانید این پروژه را خریداری و دانلود نمایید.

کد محصول 30024

دانلود پایان نامه کاربردهای الگوریتم ژنتیک

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

الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده ی آن برگرفته از طبیعت می باشد . الگوریتم های ژنتیک در حل مسائل بهینه سازی کاربرد فراوانی دارند . به عنوان مثال می توان به مسئله فروشنده دوره گرد اشاره کرد . 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 .
در الگوریتم های ژنتیک ابتدا به طور تصادفی یا الگوریتمیک ، چندین جواب برای مسئله تولید می کنیم . این مجموعه جواب را جمعیت اولیه می نامیم . هر جواب را یک کروموزوم می نامیم . سپس با استفاده از عملگرهای الگوریتم ژنتیک پس از انتخاب کروموزوم های بهتر ، کروموزوم ها را باهم ترکیب کرده و جهشی در آنها ایجاد می کنیم . در نهایت نیز جمعیت فعلی را با جمعیت جدیدی که از ترکیب و جهش در کروموزوم ها حاصل می شود ، ترکیب می کنیم . موارد فوق را با جزئیات بیشتری مورد بررسی قرار می دهیم
2-2- پیشینه
پیشینه ی الگوریتم ژنتیک به سال های حدود 1960 برمی گردد. در دهه های 50 و 60 تحقیقات متعددی برای استفاده از نظریه تکامل در بهینه سازی مسائل مهندسی به طور مستقل صورت گرفت. ایده ی اصلی در همه این سیستم ها، رشد یک جمعیت از پاسخ های اولیه یک مساله به سمت پاسخ بهینه با الهام گیری از عملگرهای انتخاب و تغییر ژنتیک طبیعی بود. در سال های 1965 تا 1973 رکنبرگ(Rechenberg ) کتاب خود را به نام  تکنیک های تکامل (Evolution strategies (Evolutionsstrategie in original) ) در زمینه محاسبات تکاملی منتشر کرد و در سال های بعد نظریه او توسط محققین دیگر توسعه یافت. الگوریتم ژنتیک نخستین بار توسط  جان هلند ( John Holland ) مطرح و به وسیله خود او و دانشجویان و همکارانش گسترش یافت. تلاش های او و اطرافیانش در این زمینه در نهایت به نشر کتاب سازگاری در طبیعت و سیستم های مصنوعی (Adaption in Natural and Artificial Systems ) انجامید. پس از آن تحقیقات گسترده ای توسط افراد مختلف در این زمینه انجام شد (به عنوان مثال در سال 1992 جان کزا (John Koza ) الگوریتم ژنتیک را به صورت عملیاتی در برنامه نویسی به کار برد و برنامه نویسی ژنتیک (genetic programming(GP) ) را به عنوان روش خود مطرح ساخت.) و الگوریتم ژنتیک به صورت امروزی خود رسید.
2-3- اصطلاحات زیستی
در راستای فهم کامل الگوریتم ژنتیک، ابتدا بهتر است با برخی از اصطلاحات زیستی به کار رفته در تئوری این الگوریتم آشنا شویم. همه موجودات زنده از واحدهای کوچکی به نام سلول تشکیل شده اند. هر سلول نیز به نوبه خود از مجموعه ای از یک یا چند کروموزوم (chromosome ) تشکیل شده است. کروموزوم ها رشته هایی از مولکول DNA می باشند که در حقیقت برنامه کاری موجود زنده را در خود ذخیره می کنند. هر کروموزوم شامل چندین ژن( gene ) می باشد، که هر ژن بلوکی از مولکول DNA می باشد که پروتئین خاصی را کدگذاری می کند. به طور کلی می توان گفت که هر ژن یک خصیصه (trait ) از موجود زنده (مانند رنگ چشم) را کد گذاری می کند. حالت های ممکن برای یک خصیصه را (allele  ) می گویند. هر ژن موقعیت مخصوص خود را در کروموزوم دارد که به آن (locus ) می گویند. بسیاری از موجودات زنده در هر سلول چندین کروموزوم دارند. مجموعه کامل مواد ژنتیکی در سلول (مجموعه همه کروموزوم ها) (genome ) نامیده می شوند. اصطلاح (genotype ) به مجموعه خاصی از کروموزوم های موجود در genome اتلاق می شود. Genotype ها در پی تحولات و تغییر، به phenotypeها خصوصیات فیزیکی و ذهنی موجود زنده (مانند رنگ چشم، بلندی، اندازه مغز و یا میزان هوش) تبدیل می شوند.
در طی تولید مثل جنسی(reproduction )، در اثر الحاق(recombination or crossover ) ژن ها از کروموزوم های والدین(parents ) با یکدیگر ترکیب شده تا کروموزوم کامل جدیدی را تشکیل دهند. در طی این تغییرات، ممکن است تغییرات کوچکی در برخی از بخش های DNA   ژن های فرزند، بوجود آمده و فرزند دچار جهش (mutation ) گردد. در نهایت تناسب (fitness ) یک موجود زنده با توجه به احتمال زیستن آن برای تکثیر(زیست پذیری(viability ) ) یا برحسب تابعی از تعداد فرزندان آن گونه (باروری(fertility )) تعیین می گردد.

فصلاول-مقدمه
1-1-مقدمه
فصلدوم-مقدمهایبرالگوریتمژنتیک
2-1-مقدمه
2-2-پیشینه
2-3-اصطلاحاتزیستی
2-4-تشریحکلیالگوریتمژنتیک
2-5-حلمسألهبااستفادهازالگوریتمژنتیک
2-6-اجزایالگوریتمژنتیک
2-6-1-جمعیت
2-6-2-کدگذاری
2-6-2-1-کدگذاریدودویی
2-6-2-2-کدگذاریمقادیر
2-6-2-3-کدگذاریدرختی
2-6-3-عملگرهایالگوریتمژنتیک
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-مفاهیمتکمیلی
2-7-1-برتریهاوضعفهایالگوریتمژنتیک
2-7-2-نکاتمهمدرالگوریتمهایژنتیک
2-7-3-نتیجهگیری
فصلسوم-کاهشاثراتزیستمحیطیآلایندههایCox،NOxوSOxدرکورهها
3-1-مقدمه
3-2-احتراق
3-2-1-روشمحاسبهترکیباتتعادلیبااستفادهازثابتتعادل
3-2-2-روشمحاسبهدمایآدیاباتیکشعله
3-2-3-انتخابسیستمشیمیایی
3-2-4-تأثیردمایهواومیزانهوایاضافیبرتولیدمحصولات
3-3-بهینهسازی
3-3-1-روشهایحلمسائلبهینهسازی
3-3-2-روشتابعپنالتی
3-3-3-الگوریتمحلتابعپنالتی

3-4-برنامهیکامپیوتریومراحلآن
3-5-تشکیلتابعهدف
3-6-تشکیلمدلمسئلهبهینهسازی
3-7-روشحل


فصلچهارم-توضیحاتیدررابطهباgatoolنرمافزارمطلب
4-1-gatool
4-2-تنظیمگزینههابرایالگوریتمژنتیک
4-3-PlotOptions
4-4-PopulationOptions
4-5-FitnessScalingOptions
4-6-SelectionOptions
4-7-ReproductionOptions
4-8-MutationOptions
4-9-CrossoverOptions
4-10-MigrationOptions
4-11-OutputFunctionOptions
4-12-StoppingCriteriaOptions
4-13-HybridFunctionOptions
4-14-VectorizeOptions

فصلپنجم–نتایج
5-1-نتایجحاصلازتابعپنالتیوالگوریتمژنتیک
5-2-نتیجهگیری
فهرستمراجع

شامل 110 صفحه فایل word

دانلود با لینک مستقیم

دانلود پایان نامه کاربردهای الگوریتم ژنتیک