سورنا فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

سورنا فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

دانلود پایان نامه کارشناسی برق - آشنایی با الگوریتم بهینه ­­سازی PSO و بکارگیری آن در پروسه­ Curve Fitting با فرمت ورد

اختصاصی از سورنا فایل دانلود پایان نامه کارشناسی برق - آشنایی با الگوریتم بهینه ­­سازی PSO و بکارگیری آن در پروسه­ Curve Fitting با فرمت ورد دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه کارشناسی برق - آشنایی با الگوریتم بهینه ­­سازی PSO و بکارگیری آن در پروسه­ Curve Fitting با فرمت ورد


دانلود پایان نامه کارشناسی برق - آشنایی با الگوریتم بهینه ­­سازی PSO و بکارگیری آن  در پروسه­ Curve Fitting با فرمت ورد

فصل اول: "آشنایی با برخی ازانواع الگوریتم های بهینه سازی "  

مقدمه ای بر بهینه سازی

1- 1 الگوریتم اجتماع پرندگان(particle swarm optimization Algorithm - pso) ..............3                              

1-2 الگوریتم ژنتیک(Genetic Algorithm - GA)...................................................6

1-3 الگوریتم کلونی مورچه ها(Aco- Ant colony optimization Algorithm )..................7

1-4 الگوریتم کلونی زنبور عسل(Abc-Artificial bee colony algorithm)........................11

1-5 الگوریتم چکه های آب هوشمند یا چکاه(Intelligent water Drops Algorithm -Iwd)........13

فصل دوم : " الگوریتم(particle swarm optimization - pso) و

           " Cooperative Particle swarm optimization – cpso) (

مقدمه

2-1 ماهیت الگوریتم..................................................................................................17

2-2 مفاهیم اولیه.....................................................................................................19

2-3 فلو چارت.........................................................................................................20

2-4 اطلاعات فنی.....................................................................................................21

2-5 ساختار کلی .....................................................................................................22

2-6 قاعده کلی توپولوژی همسایگی................................................................................23

2-7 نکات کلیدی .....................................................................................................26

2-7-1 خاصیت هوش جمعی........................................................................................26

2-7-2 هوش ذرات.................................................................................................26

2-7-3 کنترل الگو ریتم.............................................................................................26

2-7-4 تعداد ذرات.................................................................................................27

2-7-5 محدوده ی ذرات...........................................................................................27

2-7-6 شرایط توقف.................................................................................................27

2- 8 مزایا و کاربردهای الگو ریتم..................................................................................27

2-9 ذرات swarm در تعدادی فضای واقعی.......................................................................28

2-10مثال هایی از حرکت ذرات....................................................................................37

 

2-10 مثالی از پرواز پرندگان برای یافتن غذا......................................................................38

2-11 الگوریتم Cooperative Particle swarm optimization ................................................42

2-12 معرفی نرم افزار بکار رفته در شبیه سازی پروسه............................................................45

فصل سوم: به " بکار گیری cpsoو pso در پروسه ی Curve Fitting"

مقدمه

3-1 ماهیت کار.......................................................................................................47

3-2 مراحل انجام کار به کمک الگوریتمpso.......................................................................48

3-2-1 بدست آوردن تابع برازندگی...............................................................................52

3-2-2 مشخص کردن اندازه جمعیت اولیه و ابعاد آن............................................................53

3-2-3 بررسی خروجی های بدست آمده از تابع Fitnessدر تکرار اول........................................53

3-2-4 ایجاد لیست اول جهت نگهداری خروجی های بدست آمده.............................................54

3-2-5 پیدا کردن بهترین خروجی تابع Fitness و یافتن مکان آن در لیست اول...............................54

3-2-6 آبدیت کردن سرعت و مکان ذرات با توجه به اینکه سرعت اولیه ذرات قبلا تعریف ....................55

3-2-7 ایجاد لیست دوم جهت نگهداری خروجی های تابع Fitness در تکرار دوم.............................56

3-2-8 پیدا کردن مکان بهترین ذره در جمعیت دوم.............................................................56

3-2-9 مقایسه خروجی های تابع Fitness در دو تکرار اول.....................................................56

3-2-10 پیدا کردن بهترین ذرات در دو جمعیت اول و دوم و تولید جمعیت سوم...............................56

3-2-11 محاسبه تابع Fitness برای جمعیت سوم.................................................................57

3-2-12 تکرار از مرحله پنجم الی یازدهم تا رسیدن به نقاط بهینه..............................................57

3-3 مراحل انجام کار برای الگوریتمcpso........................................................................57

فصل چهارم : نتایج

4-1 انجام پروسه توسط الگوریتم pso............................................................................60

4-2 انجام پروسه توسط الگوریتم cpso..........................................................68

4-3 بررسی تفاوت بین   psoوcpso..............................................................71

فصل پنجم: نتیجه گیری و پیشنهاد

5-1 نتیجه گیری...................................................................................73

5-2 پیشنهاد.......................................................................................76

مراجع.........................................................................................79

پیوست..................................................................................................81

 


دانلود با لینک مستقیم


دانلود پایان نامه کارشناسی برق - آشنایی با الگوریتم بهینه ­­سازی PSO و بکارگیری آن در پروسه­ Curve Fitting با فرمت ورد

دانلود مقاله ISI تمایز الگوریتم الحاقی GPU شتاب

اختصاصی از سورنا فایل دانلود مقاله ISI تمایز الگوریتم الحاقی GPU شتاب دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :تمایز الگوریتم الحاقی GPU شتاب

موضوع انگلیسی :<!--StartFragment -->

GPU-accelerated adjoint algorithmic differentiation

تعداد صفحه :12

فرمت فایل :PDF

سال انتشار :2015

زبان مقاله : انگلیسی

 

بسیاری از مسائل علمی مانند آموزش طبقه بندی و یا بازسازی تصاویر پزشکی می تواند به عنوان حداقل رساندن مشتقپذیر توابع هزینه واقعی ارزش بیان و حل با روش های مبتنی بر گرادیان تکرار شونده. تمایز الگوریتم الحاقی (AAD) را قادر می سازد محاسبه شیب از جمله توابع هزینه اجرا به عنوان برنامه های کامپیوتری خودکار می باشد. به backpropagate الحاقی مشتقات، حافظه بیش از حد است به طور بالقوه مورد نیاز برای ذخیره مشتقات جزئی میانی در یک ساختار داده اختصاص داده شده، به عنوان '' نوار '' با اشاره به. موازی مشکل است زیرا موضوعات نیاز به همگام سازی دسترسی خود را در طول مداخله و پس انتشار خطا. این وضعیت برای معماری های چند هسته ای، مانند گرافیک واحد پردازش (GPU ها) تشدید، به دلیل تعداد زیادی از موضوعات سبک وزن و اندازه حافظه محدود به طور کلی و همچنین هر موضوع. ما نشان دهد که چگونه این محدودیت ها می توان به واسطه اگر تابع هزینه با استفاده از عملیات بردار و ماتریس GPU شتاب که به عنوان توابع ذاتی توسط نرم افزار AAD ما به رسمیت شناخته بیان شده است. ما این رویکرد با پیاده سازی ساده و بی تکلف و برداری برای پردازنده مقایسه کنید. ما با استفاده از چهار توابع هزینه به طور فزاینده پیچیده به منظور ارزیابی عملکرد با توجه به مصرف حافظه و زمان انجام محاسبات شیب. با استفاده از vectorization، CPU و مصرف حافظه GPU می تواند به طور قابل توجهی در مقایسه با مرجع پیاده سازی ساده و بی تکلف حتی منظور از پیچیدگی کاهش می یابد، در برخی موارد. vectorization استفاده از اجازه از کتابخانه های موازی، بهینه در طول جلو و عقب پاس که در مقایسه با مرجع پیاده سازی ساده و بی تکلف در تند بالا برای نسخه CPU برداری. نسخه GPU به دست آورد تسریع اضافی از
7.5 ± 4.4، نشان دادن که قدرت پردازش GPU های را می توان برای AAD استفاده از این مفهوم استفاده شده است.
علاوه بر این، ما نشان می دهد که چگونه این نرم افزار می توان به طور سیستماتیک برای مشکلات پیچیده تر مانند بازسازی جذب غیرخطی توموگرافی-فلورسانس واسطه افزایش یافته است.


دانلود با لینک مستقیم


دانلود مقاله ISI تمایز الگوریتم الحاقی GPU شتاب

زمان بندی تاسیسات پویا با الگوریتم ژنتیک (مقاله انگلیسی به همراه ترجمه فارسی)

اختصاصی از سورنا فایل زمان بندی تاسیسات پویا با الگوریتم ژنتیک (مقاله انگلیسی به همراه ترجمه فارسی) دانلود با لینک مستقیم و پر سرعت .

زمان بندی تاسیسات پویا با الگوریتم ژنتیک (مقاله انگلیسی به همراه ترجمه فارسی)


زمان بندی تاسیسات پویا با الگوریتم ژنتیک (مقاله انگلیسی به همراه ترجمه فارسی) *

چکیده: تنوع محصول، بهبود فرایند، و بهبود فن آوری می تواند چیدمان اصلی را ناکارآمد کند. بنابراین، بهبود چیدمان فعلی تاسیسات به نظر می رسد یک ماموریت حیاتی باشد. این مطالعه یک مدل را برای رسیدگی به مشکل زمان بندی تاسیسات پویا در محیط کارگاهی را پیشنهاد می کند. از آنجا که مسئله چیدمان تاسیسات یک مسئلهNP-hard است، به دست آوردن یک راه حل بهینه برای آن دشوار است. این مطالعه یک الگوریتم ژنتیک (GA) را در مدل ارائه شده برای حل مشکل چیدمان تاسیسات اِعمال می کند، با توجه به هزینه حمل و نقل، هزینه جابجایی تاسیسات و هزینه راه اندازی تاسیسات. نتایج محاسباتی نشان می دهد که رویکرد مبتنی بر GA به خوبی کار می کند. بر اساس نتایج محاسباتی، این مطالعه همچنین تجزیه و تحلیل هزینه مزیت را بوسیله چشم انداز مدیریت اِعمال می کند برای در نظر گرفتن اینکه آیا برنامه ریزان باید چیدمان اصلی را تنظیم مجدد کنند یا خیر.

 

 


دانلود با لینک مستقیم


زمان بندی تاسیسات پویا با الگوریتم ژنتیک (مقاله انگلیسی به همراه ترجمه فارسی)

جزوه کامل الگوریتم ژنتیک

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

جزوه کامل الگوریتم ژنتیک


جزوه کامل الگوریتم ژنتیک

الگوریتم­های ژنتیک در کنار شبکه­ های عصبی و سیستم­های فازی مجموعه­ ای از روش­های محاسباتی را تشکیل می­دهند که به هوش محاسباتی یا محاسبه نرم افزاری شهرت یافته­ اند.الگوریتم­های ژنتیک که از جمله روش­های جستجوی تصادفی هستند، از نظریه تکاملی طبیعی داروین ایده برداری شده­ اند که اولین بار، توسط هلند (1975) ارائه شد. الگوریتم­های ژنتیک بر روی جمعیتی از جواب­های بالقوه عمل کرده و با به کارگیری «اصل بقای اصلح» تقریب­های بهتر و بهتری از حل مورد نظر به دست می دهند. در هر تولید نسل یا زایش، مجموعه­ ای از تقریب­ها بر حسب درجه ارزندگی آنها گزینش می­شوند. این تقریب­ها با استفاده از عملگرهایی که از فرآیندهای ژنتیکی طبیعی برگرفته شده­ اند، نسل جدیدی از جواب­ها را به وجود می­ آورند. روند فوق به سمت تکامل جمعیت جواب­هایی هدایت می­گردد که با تابع هدف تناسب و تطبیق بیشتری دارند. 

28 صفحه


دانلود با لینک مستقیم


جزوه کامل الگوریتم ژنتیک