جزوه رشته کامپیوتر- طراحی الگوریتم

اختصاصی از سورنا فایل جزوه رشته کامپیوتر- طراحی الگوریتم دانلود با لینک مستقیم و پر سرعت .

 

-این کتاب در باره تکنیک های مربوط به حل مسائل است.

 

-تکنیک ، روش مورد استفاده در حل مسائل است.

 

-مسئله ، پرسشی است که به دنبال پاسخ آن هستیم.

 

زبان :فارسی-انگلیسی 

نوع فایل:پاورپوینت 

حجم فایل:117KB

 

تحقیق در مورد شبکه عصبی و الگوریتم ژنتیک در پیش بینی قیمت نفت

اختصاصی از سورنا فایل تحقیق در مورد شبکه عصبی و الگوریتم ژنتیک در پیش بینی قیمت نفت دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه:28

 فهرست مطالب

1- مقدمه:

2- مرور ادبیات

2-1- پیش بینی قیمت نفت خام

2-2- کاربرد شبکه عصبی در پیش بینی

2-3- الگوریتم ژنتیک در شبکه عصبی

3- داده ها

4- شبکه عصبی سنتی: «آزمون و خطا»

4-1- بازسازی فضای برداری

4-2- پیش پردازش داده ها

4-3- تعیین معماری شبکه عصبی

4-4- آموزش و آزمایش شبکه عصبی

5- شبکه عصبی تلفیقی: «بکارگیری الگوریتم ژنتیک»

5-1- بازنمایی معماری شبکه در قالب کروموزوم

5-2- تابع برازش (Fitness Function)

5-3- روند اجرای گام های الگوریتم ژنتیک (Genetic Algorithm)

5-3-1- جمعیت اولیه (Initial Population)

5-3-2- انتخاب (Selection)

5-3-3- تولید مثل (Cross-over)

5-3-4- جهش (Mutation)

5-3-5- مبارزه انتخاباتی (Election Tournament)

5-3-6- نخبه سالاری (Elitism)

5-3-7- همگرایی (Convergence)

5-4- آموزش و آزمایش شبکه عصبی

6- نتایج محاسباتی

7- نتیجه گیری و تحقیقات آتی

مقدمه:

تصمیمات امروز مدیریت، براساس شرایطی که در آینده محقق خواهد شد اتهاذ می گردند. لذا آگاهی از شرایط آتی، برای بهبود تصمیماتی که امروز گرفته می شوند امری حیاتی است و این اطلاع نیز تنها با پیش بینی های دقیق و قابل اطمینان که بر مدل های مناسب استوار باشند میسر است.

نفت خام کالایی است که به صورت بین المللی خرید و فروش می گردد. با اینکه قیمت نفت، اساساً از برهم کنش عرضه و تقاضا شکل می گیرد اما به شدت تحت تأثیر وقایعی نظیر سطح موجودی ها، مسائل سیاسی، هیجانات بازار و حتی آب و هوا می باشد. این شرایط باعث شده است که بازار نفت، بازاری بسیار متغیر و پیچیده باشد که درک مکانیسم بنیادین و قواعد حاکم بر آن به سادگی میسر نیست.

پیچیدگی های ذکر شده باعث شده است که مدل های خطی پیش بینی، عملکرد مناسبی در این زمینه نداشته باشند. بدین جهت است که محققین به استفاده از روش های غیرخطی برای پیش بینی روی آورده اند. یکی از این روش ها، روش شبکه عصبی می باشد که با الهام از سیستم عصبی انسان به وجود آمده است. شبکه عصبی عملکرد مناسبی در پیش بینی سری های زمانی مختلف از خود نشان داده است.

علیرغم مزایای پیش گفته، یکی از مشکلات عمده ای که در استفاده از شبکه عصبی وجود دارد، فرآیند «آزمون و خطا» برای تعیین معماری بهینه آن می باشد که کاری طاقت فرسا و زمان بر است. با توجه به قدرت فراوان الگوریتم ژنتیک در جستجوی فضاهای جواب بزرگ و پیچیده، محققین اخیراً از الگوریتم ژنتیک برای تعیین معماری بهینه استفاده کرده اند.

این مقاله تلفیقی از شبکه عصبی و الگوریتم ژنتیک ارائه داده است که می تواند به نحو مناسبی به پیش بینی قیمت نفت بپردازد. در این رویکرد، ابتدا کروموزومی که ژن های آن نمایش دهنده پارامترهای معماری شبکه می باشند تعریف می شود. سپس یک جمعیت اولیه تصادفی (نسل اول) از این کروموزوم ها ایجاد می گردد که با طی کردن روند تکاملی به سمت معماری بهینه حرکت می کند. بهترین عضو از آخرین نسل، معماری بهینه (یا نزدیک به بهینه) می باشد.

داده های مورد استفاده برای برآورد مدل ترکیبی پیشنهادی، قیمت های نفت خام West Texas Intermediate (WTI) در بازه زمانی 1988 تا 2004 می باشند و قیمت های سال 2005 و 2006 نیز برای آزمایش مدل پیشنهادی و سنجیدن میزان کارآیی آن بکار گرفته شده اند. مقایسه های انجام شده نشان می دهند که پیش بینی های مدل پیشنهادی، بر سایر روش ها برتری دارد.

2- مرور ادبیات

در این قسمت، ابتدا برخی از تحقیقاتی که اخیراً در زمینه پیش بینی قیمت نفت انجام شده، به صورت مختصر مورد بررسی قرار گرفته و نتایج گزارش شده توسط آنها به صورت کلی مقایسه شده است. آنگاه کاربردهای مختلف شبکه عصبی در سایر مسائل پیش بینی، به صورت عام، ذکر شده و نهایتاً تحقیقاتی که در سال های اخیر در زمینه استفاده از الگوریتم ژنتیک در شبکه عصبی انجام شده اند آمده است.

پایان نامه مساله مسیریابی و حل آن توسط الگوریتم ژنتیک

اختصاصی از سورنا فایل پایان نامه مساله مسیریابی و حل آن توسط الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

مسأله مسیریابی خودرو یا Vehicle Routing Problem (به اختصار VRP) یکی از مسائل مهم در تحقیق در عملیات است که کاربردهای فراوانی در مدیریت زنجیره های تأمین کالا و خدمات، شبکه های ارتباطی، مدیریت بحران، سیستم های توزیع (مانند پست)، و مهندسی سیستم دارد. اینمسأله از جمله مسائل ترکیبی یا Combinatorial است و از طرف متخصصین حوزه علوم کامپیوتر نیز، به عنوان یک مسألهپایه مطالعه و بررسی می شود.

زبان : لاتین

سال انتشار : 2008

فرمت : Pdf

مقاله الگوریتم های ژنتیکی به کاربره شده در مدیریت ترافیک هوایی

اختصاصی از سورنا فایل مقاله الگوریتم های ژنتیکی به کاربره شده در مدیریت ترافیک هوایی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 

تعداد صفحه:41

فهرست و توضیحات:

مقدمه

تجزیه و تحلیل

روش تحقیق

سابقه تحقیق

اصطلاحات و مفاهیم

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.

1. 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.

پروژه الگوریتم جستجوی اول بهترین - BFS

اختصاصی از سورنا فایل پروژه الگوریتم جستجوی اول بهترین - BFS دانلود با لینک مستقیم و پر سرعت .

از نظر عملی، برای پیاده‌سازی این الگوریتم از صف استفاده می‌شود. بدین ترتیب که در ابتدا ریشه در صف قرار می‌گیرد. سپس هر دفعه عنصر ابتدای صف بیرون کشیده شده، همسایگانش بررسی شده و هر همسایه‌ای که تا به حال دیده نشده باشد به انتهای صف اضافه می‌شود. جزئیات پیاده‌سازی در ادامه خواهد آمد.