دانلود پاورپوینت بهینه سازی الگوریتمهای اجتماع مورچگان

اختصاصی از فایلکو دانلود پاورپوینت بهینه سازی الگوریتمهای اجتماع مورچگان دانلود با لینک مستقیم و پر سرعت .

دسته بندی : پاورپوینت 

نوع فایل:  ppt _ pptx

( قابلیت ویرایش )

---

 قسمتی از محتوی متن پاورپوینت : 

تعداد اسلاید : 29 صفحه

بسم الله الرحمن الرحیم Ant colony optimization بهینه سازی الگوریتمهای اجتماع مورچگان مقدمه: یکی از مسائلی که به وسیله ی زیست شنا سان مورد مطالعه قرار گرفته است درک این موضوع است که چگونه موجودات تقریبا کور مانند مورچه ها کوتاه ترین مسیر را از لانه ی خود تا منبع غذا و بر عکس پیدا می کنند.آنها پی بردند که یک رسانه برای ابلاغ اطلاعات بین تک تک مورچه ها مورد استفاده قرار می گیرد و برای تصمیم گیری درمورد اینکه کدام مسیر را انتخاب کنند به کار می رود که آن رسانه بو(اثر) ماده ای به نام فرومون.  الگوریتمهای لانه ی مورچه از جمله روشهای مکاشفه ای هستند که برای حل مسایل بهینه سازی سخت پیشنهاد شده اند. این الگوریتم ها در آغاز از رفتارهای اجتماعی پشت سرهم قرار گرفتن و تعقیب کردن الهام گرفته شد، که در جامعه ی مورچگان مشاهده گردید.
یک اجتماع از عامل های ساده (مورچه ها) به طور غیر مستقیم از طریق تغییرات پویای (دینامیکی) محیط ارتباط برقرار می کنند (رد پاهایی از فرومون) و بنابراین بر اساس تجربه ی اجتماعی آنها، یک راه حل برای یک مسئله ارائه می دهند. در این مطالعه مدل کاوش مورچه ها Meta-Heurestic انتخاب شده است و درابتدا به مطالعه الگوریتمهای ساده سپس سیستم AS (ant system) و سیستمACS (ant colony system) و MMAS(max-min ant system) شرح داده می شود.
رفتار طبیعی مورچه: یک مورچه در حال حرکت مقداری فرومون دراندازه های گوناگون از خود بر روی زمین باقی می گذارد و بدین ترتیب مسیر را به وسیله ی بوی این ماده مشخص می سازد.
هنگامی که یک مورچه به طور تصادفی  و تنها حرکت میکند با روبه رو شدن با مسیری که توسط مورچه یا مورچه های قبلی انتخاب شده و دارای بوی فرومون است به احتمال زیاد آن را  انتخاب می کند و با فرومونی که خود بر جای می گذارد بوی آن را در مسیر مذکور تقویت می نماید. وقتی رفتار جمعی پدید میآید، گونه ای از رفتار خود تقویتی است، یعنی هرچه مورچه ها بو(اثر) ماده ی مذکور را دنبال کنند آن بو برای مورچه های پیرو آنها جذاب تر خواهد بود.
فرایند گفته شده به وسیله ی یک حلقه توصیف می شود، یعنی احتمال اینکه یک مورچه یک مسیر را انتخاب کند متناسب باتعداد مورچه هایی که قبلا آن مسیر را انتخاب کرده اند ،افزایش مییابد.
ایده این است که اگر در یک نقطه معین یک مورچه مجبور است از بین مسیرهای مختلف یکی را انتخاب کند، مسیرهایی را که توسط مورچه های قبلی بیش تر انتخاب شده اند، به عبارت دیگر سطح بوی آنها بالاتر است، با احتمال بیشتری انتخاب خواهد کرد.
به علاوه سطح فرمون بالاتر معادل مسیرهای کوتاهتر خواهد بود. الگوریتم های مورچه های مصنوعی به طور افزایشی با اضافه کردن به جا و مناسب مولفه های راه حل تعریف شده به راه حل جزئی مورد نظر، راه حلهایی را می سازند.
مسیرها و غذایابی در تصویر بالا مسیرهای متفاوت برای غذایابی دیده می شود.و تعداد مورچه ها و A و B مسیرهای در زمان t جستجو برای یافتن مسیر آغاز و در زمان t+1، مسیر پیدا شده و فرمول مورد استفاده : رابطه:1-1 cکمیتی غیر اکتشافی برای مقدار جذب فرمون است و تحت تاثیر فرمون ذخیره شده در فرآیند است.و باتعداد مورچه ها نسبت مستقیم دارد.در اثر تجربه مقدار برای a=2 و c=20 است.
اگر پس مسیر

  متن بالا فقط قسمتی از محتوی متن پاورپوینت میباشد،شما بعد از پرداخت آنلاین ، فایل را فورا دانلود نمایید 

---

  لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت:  توجه فرمایید.

• در این مطلب، متن اسلاید های اولیه قرار داده شده است.
• به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید
• پس از پرداخت هزینه ،ارسال آنی پاورپوینت خرید شده ، به ادرس ایمیل شما و لینک دانلود فایل برای شما نمایش داده خواهد شد
• در صورت  مشاهده  بهم ریختگی احتمالی در متون بالا ،دلیل آن کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد
• در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون پاورپوینت قرار نخواهند گرفت.
  
• هدف فروشگاه آنلاین پاورپوینت کمک به سیستم آموزشی و رفاه دانشجویان و علم آموزان میهن عزیزمان میباشد. 
  

---

دانلود فایل  پرداخت آنلاین 

جزوه فارسی با توضیحات کامل الگوریتم مورچگان Ants colony

اختصاصی از فایلکو جزوه فارسی با توضیحات کامل الگوریتم مورچگان Ants colony دانلود با لینک مستقیم و پر سرعت .

فورمت PDF

تعداد صفحات 253

توسعه این الگوریتم از رفتار مورچه‌ها الهام گرفته است. مورچه‌ها حشرات اجتماعی هستند. آنها در دسته‌ بزرگی(Colony) از جمعیت زندگی می کنند و رفتارشان تابع بقای کولونی است نسبت به بقای فردی. از رفتار مورچه‌های کارگر که برای یافتن غذا تلاش می‌کنند در الگوریتم مورچگان الهام گرفته شده است، اینکه مورچه چگونه کوتاه‌ترین مسیر را برای یافتن غذا تا لانه طی می‌کند.

ارائه یک الگوریتم اجتماع مورچگان به منظور بهبود در زمان انجام کارها در محیط گرید

اختصاصی از فایلکو ارائه یک الگوریتم اجتماع مورچگان به منظور بهبود در زمان انجام کارها در محیط گرید دانلود با لینک مستقیم و پر سرعت .

ارائه یک الگوریتم اجتماع مورچگان به منظور بهبود در زمان انجام کارها در محیط گرید بصورت ورد ودر77صفحه

چکیده

در این پایان نامه به ارایه یک روش جدید در پردازش شبکه ای با الگوریتم مورچگان پرداخته‌ایم. مدلی که در فضای شبکه ای استفاده کردیم حراج دو طرفه پیوسته می باشد. این مدل ها به دلیل سادگی و پویایی خود امروزه در بسیاری از الگوریتم های مورد استفاده برای کنترل منابع و زمان بندی کارها مورد استفاده قرار می گیرند. بسیاری از این مدل ها در زمان پاسخ گویی خود هنگام مدیریت منابع دچار ضعف می باشند. در مدل حراج, حراج کنندگان قیمت های مورد نظر خریداران را اعلام می کنند و خریداری که قیمت مناسب را اعلام کرده باشد منبع را بدست می گیرد. این مساله خود باعث می شود که زمان پاسخ گویی به دلیل درخواست خریداران افزایش یابد. در این پایان نامه ما روش جدیدی را به وسیله الگوریتم ژنتیک در سناریو حراج دو طرفه ارایه کردیم. در این روش با هوشمند سازی منابع, بسته های درخواست پیشنهادی را به سمتی سوق دادیم هر کدام از این محیط های شبکه ای را می توان به صورت یک سیستم توزیع شده در نظر گرفت که با شبکه های دیگر تعامل ندارد و حجم زیادی از داده را پوشش می دهد. یکی از فواید این روش نسبت به روش کلاسترینگ این است که منابع می تواند از لحاظ جغرافیایی در نقاط پراکنده و به صورت غیر متقارن قرار گیرد. با توجه به توزیع مجموعه های داده، انتخاب مجموعه منابع محاسباتی و منابع حاوی داده باید بطور مناسب صورت پذیرفته به گونه ای که سربار ناشی از انتقال این مجموعه ها روی گرید کمینه شود. در این تحقیق، مساله زمانبندی برنامه های نیازمند داده مورد توجه قرار می گیرد. با توجه به اینکه زمانبندی بهینه مستلزم انتخاب مجموعه منابع مناسب می باشد. در پردازش های شبکه ای ,محیط ها پویا می باشند به این معنا که ممکن است در یک زمان منابع روشن باشد و در زمانی دیگر همان منابع خاموش باشند پیاده سازی های صورت گرفته در نرم افزار شبیه سازی GridSim مورد بررسی قرار گرفت و نتایج نشان داد که این روش جدید باعث بهبود زمان پردازش و کم شدن تعداد مراحل حراج می شود.

تحقیق در مورد الگوریتم کلونی مورچگان

اختصاصی از فایلکو تحقیق در مورد الگوریتم کلونی مورچگان دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه58

فهرست مطالب

مقدمه:

بهینه یابی توسط کلونی مورچه((

Ant colony optimization(ACO)

مسایل P و NP

اثرات فرومون

پیچیدگی زمانی یک الگوریتم:

مسایل بهینه سازی ترکیبی

فلسفه سیستم مورچگان:

سیستم مورچگان(AS):

aهردو مسیر کوتاه را برگزیده بودند .بنابراین

وقتی این مورچه ها سفر برگشت خود را شروع می کردندفرومون بیشتری در شاخه کوتاهتر برجای می ماند ولذا در نهایت حدود 90% مورچه ها از مسیر کوتاهتر به مقصد خود می زسیدند وآن را انتخاب میکردند.

یک اثبات رسمی از چگونگی یافتن کوتاه ترین مسیر به وسیله فرومون در موارد عمومی توسط بروکستین  و همکارانش ارائه شده است که این رفتار یک خاصیت ضروری کلونی می باشداین جالب است که بدانیم مورچه ها می توانند این رفتار مشخص را  با بکار گیری یک شکل ساده از ارتباط  غیر مستقیم که براساس  به جای ماندن فرومون صورت می پذیرد وبه نام

(stigmergy) شناخته می شود،انجام دهند.

بکارگیری سیستم مورچگان:

اولین بار الگوریتم مورچگان توسط مارکودوریگو وهمکاران به عنوان یک نگرش با چندین عامل برای حل مسایل بهینه سازی ترکیبی مشکل مانند مسئله فروشنده دوره گرد(TSP)و مسئله تخصیص کوادراتیک(QAP)پیشنهادوارائه شد.

در حال حاضر فعالیت های بیشماری در جوامع علمی برای بسط کاربرد های این الگوریتم که بر اساس فلسفه  سیستم مورچگان است انجام می شود.این الگوریتم ها نگرش هایی بر پایه جمعیت هستند که در مسایل مختلف بهینه سازی ترکیبی

NP-hard کاربرد دارند. [9]

نگرش بهینه یابی توسط کلونی مورچه

عملیات می باشد . بسیاری از فعالیت های علمی را می توان به صورت مسئله فروشنده دوره گرد در آورد و سپس حل نمود . روشهای بهینه یابی موجود برای حل مسائل سخت ( همچون مسئله فروشنده دوره گرد ) بطور عمده شامل تعداد بسیار زیادی متغیر و محدودیت می باشند که از کارایی عملی آنها در حل مسائل با ابعاد واقعی می کاهد بدین علت در دهه های اخیراستفاده ازالگوریتم های ابتکاری و فوق ابتکاری مورد توجه قرار گرفته است . در این بین الگوریتم های فوق ابتکاری بدلیل ساختار ساده وتوانایی هایی که از خود نشان داده اند مورد استفاده محققین تحقیق در عملیات قرار گرفته است .    
در این تحقیق با ترکیب دو الگوریتم کلونی مورچگان و الگوریتم ژنتیک سعی شده است الگوریتم ترکیبی ساخته شود که تور بهتری را برای مسئله فروشنده دوره گرد بدست آورد . پس از طراحی الگوریتم، تنظیم پارامترهای آن با حل مسائل متعدد صورت گرفته است و برای مقایسه روش پیشنهادی با روشهای الگوریتم ژنتیک و مورچگان برخی از مسائل فروشنده دوره گرد موجود در سایت TSP حل شده است . نتایج بدست آمده نشان می دهد که روش ترکیبی پیشنهادی در اغلب مسائل قادر است جواب بهتری بدست

عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان

اختصاصی از فایلکو عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان دانلود با لینک مستقیم و پر سرعت .

عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان

قالب بندی : PDF, Matlab

قیمت : 10000

شرح مختصر : فایل پروژه از دو فایل اصلی تشکیل شده است : یکی ACO_feature_selection.m و ExteractFeatureZernik_DWT.m و یک پایگاه داده که ۴۰۰ تصویر از ۴۰ شخص در ۱۰ حالت متفاوت گرفته شده است. مراحل اجرای پروژه به صورت زیر است :

ابتدا با استفاده از اجرای فایل ExteractFeatureZernik_Dw ویژگی های زرنیک و DWT که مربوط به ویولت هست را از ۴۰۰ تصویر بیرون کشیده و در یک ماتریس با ۴۰۰ ردیف ذخیره می کنیم. تعداد ویژگی های استخراجی برای DWT برابر ۱۶۸ ویژگی است. که با توجه به مقاله ی شماره ۲(شکل۴ مقاله) که در فایل پروژه هست پیاده سازی شده است. تصاویر پایگاه داده ۹۲×۱۱۲ می باشد سه سطح رزولوشن آن باستفاده از تبدیل وارون ویولت کم می شود سطح اول ۴۶×۵۶ ، سطح دوم ۲۳×۲۸ و سطح سوم و آخر ۱۲×۱۴ می شود. در این مرحله تصویر با ابعاد سطح سوم را به صورت برداری تک ردیف ارائه می کنیم و اینکار با کنار هم و بهم پیوست ستون ها انجام می دهیم. که برای هر تصویر بردار ویژگی DWT برداری با طول ۱۶۸ خواهد بود زیرا ۱۲×۱۴=۱۶۸ خواهد شد. پس از استخراج ویژگی های آنها را در ماتریس Feature_DWT.mat با ابعاد ۴۰۰×۱۶۸ برای استفاده ی الگوریتم ACO ذخیره می کنیم. به منظور استخراج ویژگی-های زرنیک نیز از به جای استفاده مستقیم از تصاویر پایگاه داده از تصاویر کاهش یافته ی ۶۴×۶۴ استفاده شده است. که فقط ۲۰ مرتبه ی اول ویزگی های زرنیک محاسبه می شود. و دراین حالت نیز ماتریس با نام Zernike_Moment_features.mat با ابعاد ۴۰۰×۲۰ را به منظور استفاده ACO ذخیره می کنیم.

فهرست :

توضیحات اجرای پروژه

مقاله زبان اصلی

فایل سورس پروژه