سورنا فایل

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

سورنا فایل

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

پاورپوینت الگوریتم کلونی مورچه ها

اختصاصی از سورنا فایل پاورپوینت الگوریتم کلونی مورچه ها دانلود با لینک مستقیم و پر سرعت .

پاورپوینت الگوریتم کلونی مورچه ها


پاورپوینت الگوریتم کلونی مورچه ها

پاورپوینت الگوریتم کلونی مورچه ها

20 اسلاید آماده ارائه در قالب پاورپوینت

 

 

 

 

فهرست مطالب:

           - مقدمه

           -  بهینه سازی مسایل به روش کلونی مورچه

           - مورچه ها چگونه می توانند کوتاه ترین مسیر را پیدا کنند؟

           - مزیتهای ACO

         - کاربرد ACO            

           - مسیر یابی شبکه های کامپیوتری با استفاده از ACO

          - الگوریتم ACO

           - الگوریتم کلی حرکت

           - نتیجه گیری

 

مقدمه:

الگوریتم کلونی مورچه برای اولین بار در سال 1992توسط دوریگو Dorigo) ) و همکارانش به عنوان یک راه حل چند عامله (Multi Agent) برای مسائل مشکل بهینه سازی مثل فروشنده دوره گرد ارائه شد.

عامل هوشند  Intelligent Agent) )  موجودی است که از طریق حسگر ها قادر به درک پیرامون خود بوده و از طریق تاثیر گذارنده ها می تواند روی محیط تاثیر بگذارد.

آنچه بنیان فکری الگوریتم مورچگان بر آن بنا شده است را می توان بسادگی و در یک جمله بیان نمود: " مورچه ها در بین موانع و محدودیت های موجود در طبیعت همیشه از بین جایگشت های متفاوت برای رسیدن به غذا، بهینه ترین راه را انتخاب می کنند".  

 


دانلود با لینک مستقیم


پاورپوینت الگوریتم کلونی مورچه ها

پایان نامه پیاده سازی الگوریتم موازی در gpu در قالب ورد 95 صفحه

اختصاصی از سورنا فایل پایان نامه پیاده سازی الگوریتم موازی در gpu در قالب ورد 95 صفحه دانلود با لینک مستقیم و پر سرعت .

پیاده سازی الگوریتم موازی درgpu

در سال های اخیر، افزایش روز افزون عملکرد کارت های گرافیکی، محققین را به فکر بهره گیری از توان پردازشی آنها در کاربردهای غیر گرافیکی انداخته است. درهمین راستا شاخه جدیدی در علوم کامپیوتر به نام محاسبات با اهداف همه منظوره روی واحد GPU ایجاد شده است ، هدف فعالان این عرصه بهره گیری از کارت گرافیک به عنوان یک کمک پردازنده محاسباتی در برنامه های غیرگرافیکی و برنامه های عمومی است.ازاین رو از صنعت محاسباتی گرفته تا محاسبات موازی دچار تغییرات گسترده ای شده وعملیات انتقال تقریبا تمام کامپیوترهای مصرف کننده سال 2010 همراه با پردازنده های چند هسته ای صورت گرفته است صنعت رایانه ای در سراشیبى تند انقلاب محاسباتی موازی قرار دارد ،نتیجه اینکه در پی آن، تقریبا هر برنامه نویس مشتاق در آن نیاز به آموزش برنامه نویسی موازی دارد تا بتواند در علوم کامپیوتری به طور کامل موثر واقع شود. و در نتیجه CUDA C NVIDIA تا کنون به عنوان یکی از موفق ترین زبانهای عمل کرده است که تا به حال برای محاسبات موازی طراحی شده است. در این پایان نامه، ضمن بیان مقدمه ای از CUDA، تعدادی از دستورات زبان NVIDIA CUDA C معرفی خواهد شد.


دانلود با لینک مستقیم


پایان نامه پیاده سازی الگوریتم موازی در gpu در قالب ورد 95 صفحه

پایان نامه جامع ارزیابی و بررسی عملکرد الگوریتم ژنتیک

اختصاصی از سورنا فایل پایان نامه جامع ارزیابی و بررسی عملکرد الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

پایان نامه جامع ارزیابی و بررسی عملکرد الگوریتم ژنتیک


پایان نامه جامع ارزیابی و بررسی عملکرد الگوریتم ژنتیک

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 189 صفحه

چکیده :

الگوریتم ژنتیک (Genetic Algorithm - GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکامل است که از تکنیک‌های زیست‌شناسی برگشتی مانند وراثت و جهش استفاده می‌کند.در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند. الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای تصادف هستند. مختصراً گفته می‌شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسأله‌ای که باید حل شود ورودی است و راه‌حل‌ها طبق یک الگو کد گذاری می‌شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.کلاً این الگوریتم‌ها از بخش های زیر تشکیل می‌شوند: تابع برازش، نمایش، انتخاب، تغییر.

کلمات کلیدی:

الگوریتم ژنتیک، هیوریستیک، ترکیب و جهش، تکامل طبیعی داروین، معمای هشت وزیر.

 

فصل اول-------------------------------------------------- 1

1-1- مقدمه------------------------------------------------------- 2

1-2- به دنبال تکامل------------------------------------------- 3

1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک------------------------------- 4

1-4- درباره علم ژنتیک------------------------------------------ 6

1-5- تاریخچۀ علم ژنتیک---------------------------------------- 6

1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین)--------------------------- 7

1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی----------------------------- 10

1-8- الگوریتم--------------------------------------------------------- 11

1-8-1- الگوریتم‌های جستجوی ناآگاهانه----------------------------------- 12

1-8-1-الف- جستجوی لیست------------------------------------------ 12

1-8-1-ب- جستجوی درختی------------------------------------------ 13

1-8-1-پ- جستجوی گراف------------------------------------------- 14

1-8-2- الگوریتم‌های جستجوی آگاهانه------------------------------------ 14

1-8-2-الف- جستجوی خصمانه----------------------------------------- 15

1-9- مسائل NP-Hard------------------------------------------------- 15

1-10- هیوریستیک------------------------------------------------------ 17

1-10-1- انواع الگوریتم‌های هیوریستیک------------------------------------ 19

فصل دوم------------------------------------------------------ 21

2-1- مقدمه----------------------------------------------------------- 22

2-2- الگوریتم ژنتیک---------------------------------------------------- 23

2-3- مکانیزم الگوریتم ژنتیک---------------------------------------------- 25

2-4- عملگرهای الگوریتم ژنتیک------------------------------------------- 28

2-4-1- کدگذاری---------------------------------------------------- 28

2-4-2- ارزیابی------------------------------------------------------ 29

2-4-3- ترکیب------------------------------------------------------ 29

2-4-4- جهش------------------------------------------------------- 29

2-4-5- رمزگشایی---------------------------------------------------- 30

2-5- چارت الگوریتم به همراه شبه کد آن------------------------------------- 30

2-5-1- شبه کد و توضیح آن-------------------------------------------- 31

2-5-2- چارت الگوریتم ژنتیک------------------------------------------- 33

2-6- تابع هدف-------------------------------------------------------- 34

2-7- روش‌های کد کردن------------------------------------------------- 34

2-7-1- کدینگ باینری------------------------------------------------ 35

2-7-2- کدینگ جایگشتی---------------------------------------------- 36

2-7-3- کد گذاری مقدار----------------------------------------------- 37

2-7-4- کدینگ درخت------------------------------------------------ 38

2-8- نمایش رشته‌ها----------------------------------------------------- 39

2-9- انواع روش‌های تشکیل رشته------------------------------------------- 41

2-10- باز گرداندن رشته‌ها به مجموعه متغیرها---------------------------------- 42

2-10-1- تعداد بیت‌های متناظر با هر متغیر----------------------------------- 43

2-11- جمعیت--------------------------------------------------------- 44

2-11-1- ایجادجمعیت اولیه---------------------------------------------- 44

2-11-2- اندازه جمعیت------------------------------------------------ 45

2-12- محاسبه برازندگی (تابع ارزش)---------------------------------------- 46

2-13- انواع روش‌های انتخاب---------------------------------------------- 48

2-13-1- انتخاب چرخ رولت-------------------------------------------- 49

2-13-2- انتخاب حالت پایدار-------------------------------------------- 51

2-13-3- انتخاب نخبه گرایی--------------------------------------------- 51

2-13-4- انتخاب رقابتی------------------------------------------------- 52

2-13-5- انتخاب قطع سر------------------------------------------------ 52

2-13-6- انتخاب قطعی بریندل-------------------------------------------- 53

2-13-7- انتخاب جایگزینی نسلی اصلاح شده--------------------------------- 53

2-13-8- انتخاب مسابقه------------------------------------------------ 54

2-13-9- انتخاب مسابقه تصادفی------------------------------------------ 54

2-14- انواع روش‌های ترکیب---------------------------------------------- 54

2-14-1- جابه‌جایی دودوئی--------------------------------------------- 55

2-14-2- جابه‌جایی حقیقی---------------------------------------------- 58

2-14-3- ترکیب تک‌نقطه‌ای--------------------------------------------- 59

2-14-4- ترکیب دو نقطه‌ای--------------------------------------------- 60

2-14-5- ترکیب n نقطه‌ای---------------------------------------------- 60

2-14-6- ترکیب یکنواخت---------------------------------------------- 61

2-14-7- ترکیب حسابی------------------------------------------------ 62

2-14-8- ترتیب------------------------------------------------------ 62

2-14-9- چرخه------------------------------------------------------ 63

2-14-10- محدّب---------------------------------------------------- 64

2-14-11- بخش_نگاشته----------------------------------------------- 64

2-15- احتمال ترکیب---------------------------------------------------- 65

2-16- تحلیل مکانیزم جابجایی--------------------------------------------- 66

2-17- جهش---------------------------------------------------------- 66

2-17-1- جهش باینری------------------------------------------------- 69

2-17-2- جهش حقیقی------------------------------------------------- 69

2-17-3- وارونه سازی بیت---------------------------------------------- 70

2-17-4- تغییر ترتیب قرارگیری------------------------------------------- 70

2-17-5- وارون سازی------------------------------------------------- 71

2-17-6- تغییر مقدار--------------------------------------------------- 71

2-18- محک اختتام اجرای الگوریتم ژنتیک------------------------------------ 72

2-19- انواع الگوریتم‌های ژنتیکی------------------------------------------- 72

2-19-1- الگوریتم ژنتیکی سری------------------------------------------ 73

2-19-2- الگوریتم ژنتیکی موازی----------------------------------------- 74

2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی------------------------------- 75

2-21- نقاط قوّت الگوریتم‌های ژنتیک---------------------------------------- 76

2-22- محدودیت‌های GAها---------------------------------------------- 78

2-23- استراتژی برخورد با محدودیت‌ها--------------------------------------- 79

2-23-1- استراتژی اصلاح عملگرهای ژنتیک--------------------------------- 79

2-23-2- استراتژی رَدّی------------------------------------------------ 79

2-23-3- استراتژی اصلاحی--------------------------------------------- 80

2-23-4- استراتژی جریمه‌ای--------------------------------------------- 80

2-24- بهبود الگوریتم ژنتیک----------------------------------------------- 81

2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک------------------------------ 81

فصل سوم------------------------------------------------------ 86

3-1- مقدمه----------------------------------------------------------- 87

3-2- حلّ معمای هشت وزیر----------------------------------------------- 88

3-2-1- جمعیت آغازین------------------------------------------------ 90

3-2-2- تابع برازندگی------------------------------------------------- 94

3-2-3- آمیزش------------------------------------------------------ 95

3-2-4- جهش ژنتیکی------------------------------------------------- 96

3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد----------------------------- 97

3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک----------------------------- 99

3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP-------------------- 107

3-3-3- نتیجه گیری--------------------------------------------------- 108

3-4- حلّ مسأله معمای سودوکو-------------------------------------------- 109

3-4-1- حل مسأله---------------------------------------------------- 110

3-4-2- تعیین کروموزم------------------------------------------------ 110

3-4-3- ساختن جمعیت آغازین یا نسل اول---------------------------------- 111

3-4-4- ساختن تابع از ارزش--------------------------------------------- 112

3-4-5- ترکیب نمونه‌ها و ساختن جواب جدید-------------------------------- 113

3-4-6- ارزشیابی مجموعه جواب------------------------------------------ 118

3-4-7- ساختن نسل بعد------------------------------------------------ 118

3-5- مرتب سازی به کمک GA-------------------------------------------- 119

3-5-1- صورت مسأله-------------------------------------------------- 119

3-5-2- جمعیت آغازین------------------------------------------------ 119

3-5-3- تابع برازندگی------------------------------------------------- 122

3-5-4- انتخاب------------------------------------------------------ 123

3-5-5- ترکیب------------------------------------------------------ 123

3-5-6- جهش------------------------------------------------------- 124

فهرست منابع و مراجع--------------------------------------------- 126

پیوست---------------------------------------------------------- 127

واژه‌نامه--------------------------------------------------------- 143


دانلود با لینک مستقیم


پایان نامه جامع ارزیابی و بررسی عملکرد الگوریتم ژنتیک

پروپوزال کارشناسی ارشد بهبود کیفیت توان منابع بادی با استفاده از الگوریتم انتگرالی تناسبی و ازدحام ذرات

اختصاصی از سورنا فایل پروپوزال کارشناسی ارشد بهبود کیفیت توان منابع بادی با استفاده از الگوریتم انتگرالی تناسبی و ازدحام ذرات دانلود با لینک مستقیم و پر سرعت .

پروپوزال کارشناسی ارشد بهبود کیفیت توان منابع بادی با استفاده از الگوریتم انتگرالی تناسبی و ازدحام ذرات


پروپوزال کارشناسی ارشد بهبود کیفیت توان منابع بادی با استفاده از الگوریتم انتگرالی تناسبی و ازدحام ذرات

بیان مسأله اساسی تحقیق:

 منابع تولید پراکنده به عنوان منابع تولید انرژی پشتیبان و با هدف افزایش قابلیت اطمینان به شبکه های قدرت متصل می شوند. استفاده از این منابع روز به روز مورد توجه بیشتر مهندسین و بهره برداران صنعت برق قرار می گیرد.ترویج روز افزون منابع DG در شبکه های قدرت به دلیل صرفه اقتصادی آن با هدف بهبود کیفیت توان و سازگاری با محیط زیست است.مسائلی همچون تجدید ساختار،مسائل زیست محیطی،مشکلات و محدودیتها در احداث خطوط انتقال جدید،کاهش تلفات،عدم وابستگی به منابع فسیلی ،افزایش کیفیت توان و وارد شدن بخش خصوصی در عرصه تولید سبب ورود روز افزون سیستم های تولید پراکنده شده است.اخیرا با تبدیل صنعت برق به یک ساختار رقابتی و تشدید مقررات زیست محیطی افزایش قابل توجهی در رویکرد به سیستم های تولید پراکنده را شاهد بوده ایم.از طرفی بالا رفتن هزینه های انتقال و توزیع به مولدهای پراکنده این امکان را می دهد که برق تولیدی خود را به قیمتی ارزانتر در اختیار مصرف کنندگان قرار دهند.

جنبه جدید بودن و نوآوری در تحقیق:

 با بکار گیری کانورترهای منبع ولتاژ VSC HVDC همراه با الگوریتم PSO در ترکیب با کنترلر PI می توان باعث بهبود کیفیت توان سیستم قدرت شد.


دانلود با لینک مستقیم


پروپوزال کارشناسی ارشد بهبود کیفیت توان منابع بادی با استفاده از الگوریتم انتگرالی تناسبی و ازدحام ذرات