تحقیق درباره بررسی و ارزیابی الگوریتم کلونی زنبور عسل

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

فرمت فایل: word (قابل ویرایش) تعداد صفحات :   20  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.

بهینه سازی توسط الگوریتم کلونی زنبورهای عسل

اختصاصی از فایلکو بهینه سازی توسط الگوریتم کلونی زنبورهای عسل دانلود با لینک مستقیم و پر سرعت .

بهینه سازی  توسط الگوریتم کلونی زنبورهای عسل

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

تحقیق درباره بررسی و ارزیابی الگوریتم کلونی زنبور عسل

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

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 20 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.

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 :

ادامه...

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