کاربرد الگوریتم ژنتیک برای حل مساله پوشش حداکثر

اختصاصی از سورنا فایل کاربرد الگوریتم ژنتیک برای حل مساله پوشش حداکثر دانلود با لینک مستقیم و پر سرعت .

مسایل پوشش حداکثر یکی از مهمترین مسایل مکانیابی هستند. از آنجایکه زمان حل آنها از یک تابع غیرچند جملهای تبعیت
میکنند لذا بزرگی ابعاد مسأله باعث افزایش زمان حل آنها میشود به این گونه مسایل، مسایل Complete_Np گفته مـی شـود .
روشهای ابتکاری گوناگونی مانند الگوریتم لاگرانژ و گردیادینگ برای حل آنها ارائه شده است. در چند سـال اخیـر الگوریتمهـای
ژنتیک کاربرد وسیعی در حل مسایل بهینهیابی پیدا نمودهاند.
در این مقاله یک الگوریتم ژنتیک مناسب برای حل مدلهای Covering Maximal ارائه شده است. این الگوریتم را بر روی 75
مسأله متفاوت اجرا نموده و نتایج آنرا با نتایج حاصل از دو الگوریتم لاگرانژ و گردیادینگ بر روی همان مسایل مقایسه نمـوده ایـم .
همچنین نتایج حاصل ازاین الگوریتم را با نتایج حاصل از نرمافزار لینگو مقایسه کرده و از نظر میزان دقت و کارایی مورد بررسـی و
مطالعه قرار دادهایم. با توجه به بررسیهای انجام داده شده میتوان گفت که الگوریتم طراحی شده دارای دقت و کارایی خوب و قابل
قبولی میباشد

آموزش طراحی الگوریتم

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

هر برنامه، می بایست دارای یک طرح و یا الگو  بوده تا برنامه نویس بر اساس آن عملیات خود را دنبال نماید.از دیدگاه برنامه نویسان ، هر برنامه نیازمند یک الگوریتم است . بعبارت ساده ، الگوریتم ، بیانه ای روشمند بمنظور حل یک مسئله بخصوص است . از منظر برنامه نویسان ،الگوریتم بمنزله یک طرح کلی و یا مجموعه دستورالعمل هائی است که با دنبال نمودن آنان ، برنامه ای  تولید می گردد.

الگوریتم های خوشه بندی جریان متن و جریان داده

اختصاصی از سورنا فایل الگوریتم های خوشه بندی جریان متن و جریان داده دانلود با لینک مستقیم و پر سرعت .

مسئله خوشه بندی. مسئله دشواری در زمینه جریان داده بشمار میرود. این مشکل به دلیل حجم زیاد داده دریافتی از یک جریان
است که باعث ناکارآمد شدن الگوریتمهای سنتی شده است.
مسئله خوشهبندی اخیرا در زمینه جریان داده های عددی، بسیار مورد مطالعه قرار گرفته است. ولی، تحقیقات در زمینه خوشه بندی
جریان متن، هنوز در آغاز راه است. خوشهبندی جریان متن کاربردهایی از قبیل فیلترسازی گروه خبری، خزش متن، سازماندهی متن و
تشخیص رو دیابی موضوع دارد.
در این مقاله تعدادی از الگوریتمهای خوشهبندی جریان داده و خوشهبندی جریان

بکارگیری تکنیک های خوشه بندی و الگوریتم ژنتیک در ساخت درختان تصمیم گیری برای طبقه بندی بهینه مشتریان بانک ها

اختصاصی از سورنا فایل بکارگیری تکنیک های خوشه بندی و الگوریتم ژنتیک در ساخت درختان تصمیم گیری برای طبقه بندی بهینه مشتریان بانک ها دانلود با لینک مستقیم و پر سرعت .

بانک ها به منظور تعیین ریسک اعتباری و ارائه خدمات مالی به مشتریان خود نیازمند شتاسایی دقیق آنها هستند.مدل های اعتبار سنجی میتوانند در این زمینه به پشتیبانی از بانک ها بپردازند. درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی کاربرد زیادی در اعتبار سنجی مشتریان بانک ها و اعطای تسهیلات اعتباری به آنها دارند. مسئله اصلی .....

دانلود مقاله کاربرد الگوریتم مورچگان در مدل سازی مالی

اختصاصی از سورنا فایل دانلود مقاله کاربرد الگوریتم مورچگان در مدل سازی مالی دانلود با لینک مستقیم و پر سرعت .

زندگی اجتماعی و رفتار پیچیده مورچه ها سال هاست که ذهن بسیاری از محققان و اندیشمندان را به خود مشغول داشته است. الگوریتم مورچگان[1] به عنوان یکی از تکنیک های حل مسئله با مداقه در زندگی مورچه ها در سال 1992 توسط مارکو دوریگو[2]مطرح گردید. این الگوریتم زیر گروهی از "هوش انبوه زی[3]" است. رفتارهای شاخص غذا جویی، ازاله اجساد و دسته بندی لاروها، تخصیص کار و تعاون در کلونی و لانه سازی مورچه های طبیعی در طراحی این الگوریتم ها مورد استفاده قرار می گیرد. این الگوریتم ها را می توان به سه گروه "الگوریتم جمعیت مدار[4]"، "الگوریتم بهینه ساز[5]" و "الگوریتم دسته بندی[6]" تقسیم نمود. از جمله محاسن این الگوریتم "بازخورد مثبت[7]" و "پردازش توزیع یافته[8]" است. با توجه به گسترش کاربرد این گونه الگوریتم ها، مقاله حاضر به معرفی و تشریح مدل سازی مسائل مالی با الگوریتم مورچگان و کاربردهای این روش در حوزه علوم مالی می پردازد.

واژه های کلیدی: هوش مصنوعی[9]، هوش انبوه زی، بهینه سازی ترکیبی[10]، الگوریتم مورچگان

مقدمه و هدف:

بشر همواره در صدد الگوبرداری از طبیعت بوده و اولین مرجع پاسخگو به سوالات این فرزند کنجکاو، "مادر طبیعت" بوده است. امروزه پیشرفت فن آوری اطلاعات و توانایی تقلید رایانه ها از قدرت تفکر و یادگیری بشر، الگوبرداری از طبیعت و شبیه سازی آن برای حل مسائل، را کاربردی نموده است. در این میان مداقه در رفتار حشرات اجتماعی تاثیر بسزایی بر راه حل مسائل پیچیده گذارده است. این راه حل ها با نام "هوش انبوه زی" معروفند (Kumar & Thulasiram, 2008). هوش انبوه زی به عنوان زیرگروهی از هوش مصنوعی در طراحی الگوریتم هایی مورد استفاده قرار می گیرد که می توانند فرآیند حل مسئله را با ایجاد یک "جمعیت حل کنندگان مسئله" با موفقیت انجام دهند (Brabozan & O’Nell, 2007).

در میان این جمعیت شاید مورچه ها، بدلیل دردسترس بودن و معاصر بودن با دوره های مختلف زندگی بشری، ذهن بسیاری از محققان و اندیشمندان را به خود مشغول داشته اند. . موریس مترلینگ در زمان خود در کتاب "مورچگان" اینگونه می نویسد: "ما برای کشف اسرار دنیا، امروز در وضع زندگی نژادهای اولیه بشر که صدها هزار سال و شاید میلیون ها سال، جلوتر از ما به دنیا آمده اند مطالعه می کنیم. در این صورت چرا از مطالعه در وضع زندگی موجوداتی که معاصر ما هستند و در عین حال می دانیم که میلیون ها و بلکه صدها میلیون سال از ما زودتر به دنیا آمده اند غفلت نماییم." (مترلینگ، 1386).

الگوریتم مورچگان به عنوان فن حل مسئله از رفتار مورچه های طبیعی الهام می گیرد. این الگوریتم که بر اساس میزان فرمون ترشح یافته توسط مورچه های مصنوعی بر اجزاء راه حل عمل می کند، با به هنگام رسانی راه حل اولیه در هر تکرار الگوریتم امکان دست یابی به جواب بهینه تر را فراهم می سازد (فرقاندوست حقیقی و کاظمی، 1389). با توجه به گسترش کاربرد این گونه الگوریتم ها، مقاله حاضر به معرفی و تشریح مدل سازی مسائل مالی با الگوریتم مورچگان و کاربردهای این روش در حوزه علوم مالی می پردازد.

مقاله به صورت ورد قابل ویرایش می باشد 

تعداد صفحات مقاله 8صفحه می باشد 

فایل مقاله بعد از خرید قابل دانلود می باشد