دانلود پاورپوینت استفاده ازالگوریتم های الهام گرفته از کلونی مورچه ها در مسیریابی شبکه های کامپیوتری

اختصاصی از سورنا فایل دانلود پاورپوینت استفاده ازالگوریتم های الهام گرفته از کلونی مورچه ها در مسیریابی شبکه های کامپیوتری دانلود با لینک مستقیم و پر سرعت .

فهرست مطالب:

مروری بر مسیریابی در شبکه های کامپیوتری

هوش جمعی (swarm Intelligence)

مسیریابی با الهام از کلونی مورچه ها

AntNet CL

AntNet CO

شبیه سازی AntNet CO

مقایسه AntNet با روشهای معمول  مسیریابی

---------------------

مروری بر مسیریابی در شبکه های کامپیوتری:

نیازهای حاصل از رشد شبکه های ارتباطی

افزایش کارآیی

مدیریت توزیع شده

معیارهای موثر در ارزیابی روشهای “مسیریابی”

Throughput

Average Delay of packets

ویژگی خاص مساله “مسیریابی”

عدم قطعیت (Stochastic)

پویایی (Dynamic)

مشکل روشهای موجود (RIP ,OSPF)

توزیع بار (Load Balancing)

نوسانات ترافیک(Traffic Oscillation)

مسائل یادگیری تقویتی با حالت پنهان و روشهای حل آنها

Q-Learnin

Ant Colony Systems

هوش جمعی (swarm Intelligence):

Emergent  Intelligence

تعاملات محلی ، محدود و ساده اعضای یک دسته و جمعیت  با محیط ، منتهی به یک رفتار جمعی هوشمندانه می شود

این تعاملات غالبا غریزی بوده وبدون نظارت انجام می گیرند

نتیجه آن غالبا یک رفتار پیچیده و هوشمندانه جمعی و بطور خاص انجام بعضی بهینه سازی های پیچیده است

این نوع هوشمندی هیچ نیازی به کنترل مرکزی و دید کلی نسبت به سیستم ندارد

Stigmergy : ایده اصلی در تعاملات

ارتباط با واسطه محیط

لانه سازی موریانه ها

ترشح اسید فرمیک توسط مورچه ها

مزایایی که هوش جمعی از آن بهره می برن

مقیاس پذیری(scalability)

تعاملات توزیع شده موجودات

خطا پذیری(Fault tolerance)

عدم وجود کنترل متمرکز

قابلیت تطبیق پذیری عاملها

سرعت انتقال تغییر

تفکیک پذیری (modularity)

خودکار بودن سیستم : نیاز به نظارت انسان نیست

کارکرد موازی

کاربردها

Ad-hoc wireless network

Robotic

Optimization

Routing

مسیریابی با الهام از کلونی مورچه ها:

ترشح اسید فرمیک در مسیر حرکت

دنبال کردن مسیرهای با اسید فرمیک بیشتر

تبخیر

Ant-Based Control در شبکه های تلفن

(Agent-Based Routing System (ARS

کاربرد بهینه از منابع شبکه

AntNet routing ارائه شده توسط Dorigo & Caro

AntNet CL

AntNet CO

شامل 19 اسلاید POWERPOINT

تحقیق درباره بررسی و ارزیابی الگوریتم کلونی زنبور عسل

اختصاصی از سورنا فایل تحقیق درباره بررسی و ارزیابی الگوریتم کلونی زنبور عسل دانلود با لینک مستقیم و پر سرعت .

تعداد صفحات:20

نوع فایل: word (قابل ویرایش)

لینک دانلود پایین صفحه

چکیده

 هوش جمعی شاخه ای از پژوهش بر اساس جمعیت است که مدل های جمعیتی از عوامل مورد تداخل یا ازدحام که می توانند خود سازماندهی کنند . کلونی مورچه، ازدحام پرندگان و یا زنبورها یک نمونه ساده ای از سیستم جمعیتی است. دیگر نمونه ای از هوش جمعی کلونی زنبور عسل در اطراف کندو است. هوش کلونی زنبور عسل (ABC) یک  الگوریتم است که یک الگوریتم بهینه سازی بر اساس رفتار هوشمندانه جمعیت زنبور عسل است. در این مفاله، الگوریتم ABC برای بهینه سازی توابع چند متغیره مورد استفاده قرار می گیرد. و نتایج تولید شده توسط الگوریتم ABC  مقایسه می شوند.

کلمات کلیدی : هوش جمعی ، کلونی زنبور، بهینه سازی توابع عددی

الگوریتم کلونی زنبور عسل (ABC)

چندین الگوریتم اکتشافی جدید برای حل مسایل  بهینه سازی عددی و توابع ترکیبی توسعه یافته اند. این الگوریتم ها می توانند به گروههای مختلف طبقه بندی شوند با توجه به ضوابطی  که در نظر گرفته شده: مانند بر اساس جمعیت ، مبتنی بر تکرار شونده ، تصادفی ، قطعی ، و غیره. در حالی که الگوریتم با یک مجموعه راه حل هاکار میکند و در جهت بهبود آنها تلاش می کنند  که  مبتنی بر جمعیت نامیده می شوند ، یکی از کاربرد تکرار های چندگانه برای پیداکردن راه حل مطلوب که به عنوان الگوریتم تکرار شونده نام گذاری شده است. اگر یک الگوریتم یک قانون احتمالی را برای بهبود راه حل بکار بگیرد سپس آن را احتمال  یا اتفاقی نامیده میشود. یکی دیگر از طبقه بندی را می توان بسته به ماهیت پدیده توسط الگوریتم شبیه سازی کرد.این نوع طبقه بندی ، عمدتا دارای دو گروه مهم از الگوریتم جمعیت هستند که براساس : الگوریتم های تکاملی (EA) و الگوریتم های مبتنی بر هوش جمعی. از محبوب ترین الگوریتم های تکاملی الگوریتم ژنتیک(GA) است. درGA تلاش شده است تکامل طبیعی یک پدیده شبیه سازی شود. در تکامل طبیعی ، هر گونه جستجو برای سازگاری سودمند در یک محیط در حال تغییر است. به عنوان یک گونه تکامل یافته ، ویژگی های جدیدی در کروموزوم های فردی کد گذاری می شوند.  این اطلاعات توسط جهش تصادفی تغییرمی یابد ، اما بطورواقعی نیروی محرکه باعث توسعه تکاملی درترکیب و جایگزینی مواد کروموزومی در طول تولید مثل میشود. اگر چه تلاش های متعددی برای گنجاندن این اصول در روال بهینه سازی دراوایل دهه 1960انجام شده ، الگوریتم های ژنتیک برای اولین بار بر یک مبنای نظری صوتی  ایجاد شده بودند. این اصطلاح جمعی در حالت کلی برای اشاره به هر مجموعه دار از تعامل افراد مورد استفاده قرار می گیرد. به عنوان یک مثال کلاسیک از ازدحام زنبورهایی که در اطراف کندوی خود تجمع کردند ، اما در استعاره به راحتی می توان به سیستم هایی معماری مشابهی دارند توسعه داد. در کلونی مورچه ها،مورچه ها می توانند به عنوان گروهی ازعوامل تصور شوند ، همچنین ازدحام پرندگان گروهی از پرندگان است. یک سیستم ایمنی ، گروهی از سلول ها ومولکول ها است در حالی که یک جمعیت شامل گروهی از مردم است. الگوریتم بهینه سازی ازدحام ذرات (PSO) شبیه سازی می کند رفتار اجتماعی پرندگان یا ماهی ها توسط ابرهارت و کندی در سال 1995 معرفی شده است. روش های گوناگونی به مدل رفتار هوشمند خاص ازدحام زنبور عسل پیشنهاد شده است و برای حل مسایل از نوع ترکیبی استفاده شده است.آنها یک ایده روبات بر رفتار جستجوی غذا از زنبورها را ایجاد کرده اند . معمولا ، همه این ربات از لحاظ فیزیکی و عملکرد یکسان هستند ، به طوری که هر ربات را می توان به طور تصادفی جایگزین دیگری کرد. ازدحام دارای تحمل قابل توجهی است ؛ شکست در یک عامل عملکرد کل سیستم را متوقف نمی کند. روبات های فردی ، مانند حشرات ، دارای قابلیت های محدود و دانش محدود از محیط زیست است. از سوی دیگر ، توسعه ازدحام هوش جمعی است. آزمایشات نشان داد که رباتها مانند حشرات مانند در انجام وظایف واقعی رباتیک موفق هستند.

پاورپوینت درباره الگوریتم بهینه سازی کلونی مورچه ها Ant Colony Optimization Algorithm

اختصاصی از سورنا فایل پاورپوینت درباره الگوریتم بهینه سازی کلونی مورچه ها Ant Colony Optimization Algorithm دانلود با لینک مستقیم و پر سرعت .

موضوع : الگوریتم بهینه سازی کلونی مورچه ها
Ant Colony Optimization Algorithm ( ACO )

درس : هوش مصنوعی

34اسلاید

فهرست

•مقدمه

•Emergence  (ظهور)

•Swarm Intelligence (هوشمندی توده‌ای )

•تفاوت هوشمندی اجتماعی و توده ای و یک مثال

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

•استفاده از بهینه‌سازی کولونی مورچه‌ها در مسئله TSP

•بهینه‌سازی شبکه‌های کامپیوتری با الهام از کولونی مورچه‌ها

•افق آینده

•طبیعت منبع الهام و الگو گرفتن برای بسیاری از تحقیقات و پیشرفت های علمی بوده است

•به عنوان مثال:

•الگوریتم های ژنتیک  Genetic Algorithms

•شبکه های عصبی   Neural Networks

•سیستم های خودسازمان ده Self-organizing Systems

الگوریتمهای ژنتیک که با استفادهاز ایده تکاملی داروینی و انتخاب طبیعی مطرح شده، روش بسیار خوبی برای یافتن مسائل بهینه سازیست. ایده تکاملی داروینی بیانگر این مطلب است که هر نسل نسبت به نسل قبل دارای تکامل است و آنچه در طبیعت رخ می دهد حاصل میلیون ها سال تکامل نسل به نسل موجوداتی مثل مورچه است

•Emergence  یا ظهور وقتی اتفاق می افتد که تعدادی عوامل ساده مرتبط با هم به گونه ای هماهنگ عمل می کنند که منجر به رفتار هوشمند پیچیده ای می شود.

•این یک فرایند از پایین به بالا است: Emergence  از متن جمعیت عوامل شروع می شود . عوامل موجود در یک سطح منجر به بروز رفتار یا ویژگی در سطح بالاتر می شوند.

•هیچگونه رهبری و مدیریتی در آن صورت نمی گیرد.

• Emergence در سیستم های متعددی اتفاق می افتد: زندگی جمعی حیوانات و خاصا بعضی از حشرات، مغز انسان، سیستم دفاعی بدن انسان،رفتارهای اجتماعی انسان ها، سیتم شهرسازی و زندگی شهری انسان و.....

 

کلونی زنبورعسل مصنوعی خود تطبیق برای بهینه سازی عددی جهانی

اختصاصی از سورنا فایل کلونی زنبورعسل مصنوعی خود تطبیق برای بهینه سازی عددی جهانی دانلود با لینک مستقیم و پر سرعت .

چکیده

الگوریتم ABC (کلونی زنبور عسل مصنوعی)[1] در کاربردهای عملی بسیاری مورد استفاده بوده است و نرخ همگرایی خوبی نشان داده است. این الگوریتم بر طبق فرایند واریانس تصادفی راه حل (جواب) جدید را تولید می کند. در این فرایند، دامنه های اختلال حائز اهمیت است، چون می تواند بر راه حل جدید تأثیر بگذارد. در این مقاله، کلونی زنبورعسل مصنوعی خود تطبیق، موسوم به ABC خودتطبیق، را برای بهینه سازی عددی جهانی پیشنهاد می کنیم. به منظور ارتقاء نرخ همگرایی، در الگوریتم بنیانی ABC اختلال خودتطبیق جدیدی معرفی شده است. در بررسی کیفیت کار ABC خودتطبیق از تعداد 23 عملکردمعیار[2] استفاده شده است. نتایج آزمایشی نشان می دهند که رویکرد ما مؤثر و کارآمد است. در مقایسه با سایر الگوریتم ها، عملکرد ABC خودتطبیق بهتر از الگوریتم ABC بنیانی و سایر رویکردهای نوآورانه در ادبیات، ویا حداقل قابل مقایسه با آنها، از لحاظ کیفیت راه حل، است. 

[1]Artificial Bee Colony

[2]benchmark functions

الگوریتم کلونی زنبورعسل

اختصاصی از سورنا فایل الگوریتم کلونی زنبورعسل دانلود با لینک مستقیم و پر سرعت .

الگوریتم زنبور اولین  بار  در سال 2005 توسعه  یافت ؛ این الگوریتم شبیه سازی  رفتار  جستجوی  غذای  گروه های زنبور عسل  است. در  این  الگوریتم، الگوریتم نوعی از جستجوی  محلی انجام  می دهد که با جستجوی  تصادفی ترکیب  شده  است

در 65 اسلاید