دانلود کد متلب ارایه روشی بهبود یافته برای بهینه سازی، بر مبنای الگوریتم ازدحام ماهیهای مصنوعی (AFSA)

کد متلب ارایه روشی بهبود یافته برای بهینه سازی، بر مبنای الگوریتم ازدحام ماهیهای مصنوعی (AFSA)

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: .m
حجم فایل: 1 کیلوبایت
قیمت: 31500 تومان

توضیحات:
کد متلب ارایه روشی بهبود یافته برای بهینه سازی، بر مبنای الگوریتم ازدحام ماهیهای مصنوعی (AFSA).

این فایل حاوی کد برنامه متلب برای پیاده سازی  یک الگوریتم جدید و بهبود یافته الگوریتم ازدحام ماهیهای مصنوعی با هدف بهبود مدل های شبکه عصبی و مقایسه آن با الگوریتم(PSO) می باشد.

الگوریتم ازدحام ماهی های مصنوعی (artificalt fish-swarm algrithm) الگوریتمی از نوع تکاملی ، ابتکاری و بر گرفته از تئوریهای هوش جمعی می باشد که از رفتار های اجتماعی کلونی های ماهی در طبیعت الهام گرفته است . الگوریتم AFSA یک تکنیک توسعه یافته از الگوریتم ژنیک است و تا حدودی ساختار و مفاهیم پایه ای مشابه مانند کروموزوم،ژن، جمعیت، تکامل ، جهش و...در هر دوی آنها موجود است. ازویژگی ها و مزایای نسبی تکنیک AFSA میتوان به انعطاف پذیری و تحمل پذیری خطای بالا، عدم حساسیت به مقادیر اولیه و سرعت همگرایی بالا اشاره کرد. الگوریتم ازدحام ماهی ها، بطور ویژه ، در کاربردهای بهینه سازی، مانند آموزش شبکه های عصبی پیشرو ، بهینه سازی ترکیبی و تخمین پارامترها استفاده می شود.

این محصول، کد برنامه متلب برای پیاده سازی یک الگوریتم جدید و بهبود یافته الگوریتم ازدحام ماهیهای مصنوعی است و هدف آن بهبود مدل های شبکه عصبی، در مقایسه با الگوریتم بهینه سازی ازدحام ذرات ((PSO میباشد .ابتدا دو الگوریتم PSO و AFSA با شخصات اصلی زیر تعریف شده:
* برای دستیابی به مقاسیه ای منصفانه ، تعداد جمعیتها (20) و دوره های تکرار(200) برای هر دو الگوریتم یکسان در نظر گرفته شده .
* برای تولید ذرات وتعیین سرعت اولیه در هر دو الگوریتم از روش مقداردهی تصادفی استفاده شده، که در است که برای انجام مراحل بهینه سازی، تابع نمونه (f (x بهمراه متغیرها یی با مقادیر آزمایشی بعنوان ورودیهای شبکه ، تعریف شده. تابع و مقادیر متغیرهای ورودی با توجه به سناریو قابل تغییر است.). در نهایت ، کدنویسی برای شبیه سازی هر دو الگوریتم انجام گرفته.
چون در اینگونه الگوریتمها ، مقداردهی برای تولید ذرات اولیه بصورت random صورت میپذیرد،در هر بار اجرا نتایج بدست آمده با توجه به تغییر مقادیر پارامترهای ورودی ، تغییر خواهد کرد. لذا ، برای بررسی عملکرد ، باید برنامه را دفعات مشخصی اجرا کنیم ، در نهایت با روش شمارش نتایج شاخص fitness و یا معدل گیری از نتایج ، عملکرد را بررسی کنیم. مسلما" هر چه تعداد دفعات اجرا بیشتر شود، نتیجه حاصل شده ،از دقت بالاتری برخوردار خواهد بود.
برای نمونه ، برنامه 100 مرحله متوالی اجرا شد و نتایج بدست آمده برای شاخص شایستگی بررسی شد. عملکرد الگوریتم ازدحام ماهی مصنوعی پیشنهادی ، به روش شمارش نتایج نهایی ، در 61 مورد از 100 مورد اجرا، بهتر از الگوریتم استاندارد بهینه سازی ازدحام ذرات (pso) بدست آمد. تلاش شده برنامه دارای ساختاری روان و انعطاف پذیر داشته و وابستگیها سلسله مراتبی تعریف شود تا توسعه ساده آن برای سناریوهای مختلف بهینه سازی ، خصوصا" ارتقای عملکرد انواع مدلهای شبکه های عصبی با اعمال کمترین تغییرات ،فراهم شود. کدهای اصلی دارای کامنت انگلیسی میباشد.

برای اجرای برنامه، پس از خارج کردن فایل فشرده دانلودی از حالت فشرده، پوشه حاوی کدهای برنامه که شامل سه mfile میباشد را به current folder نرم افزار متلب کپی کنید و فایل با نام main.m را Run نمایید. نتایج محاسباتی در command window و نتایج گرافیکی مقایسه دو الگوریتم pso و AFSA است بصورت منحنی در پنجره فیگور نمایش داده میشود.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود تحقیق توسعه الگوریتم بهینه سازی اجتماعی و بررسی کارایی آن

تحقیق توسعه الگوریتم بهینه سازی اجتماعی و بررسی کارایی آن

فرمت فایل دانلودی: .pdf
فرمت فایل اصلی: pdf
تعداد صفحات: 103
حجم فایل: 5187 کیلوبایت
قیمت: رایگان

توضیحات:

پایان نامه کارشناسی ارشد توسعه الگوریتم بهینه سازی اجتماعی و بررسی کارایی آن، در قالب فایل pdf  و در حجم 103 صفحه. 

چکیده:

الگوریتم های بهینه سازی الهام گرفته از طبیعت به عنوان روشهای هوشمند بهینه سازی در کنار روش های کلاسیک موفقیت خوبی از خود نشان داد هاند. از جمله این روش ها می توان به الگوریتم های ژنتیک) الهام گرفته از تکامل بیولوژیکی انسان و سایر موجودات(، بهینه سازی کلونی مورچه ها (بر مبنای حرکت بهینه مورچه ها و روش بازپخت شبی هسازی شده ( با الهام گیری از فرایند تبرید فلزات) اشاره نمود. این روش ها در حل بسیاری از مسائل بهین هسازی در حوزه های مختلفی چون تعیین مسیر بهینه عامل های خودکار، طراحی بهینه کنترل کننده برای پروسه های صنعتی، حل مسائل عمده مهندسی صنایع همانند طراحی چیدمان بهینه برای واحدهای صنعتی، حل مسائل صف و نیز در طراحی عاملهای هوشمند استفاده شده اند.

الگوریتم های بهینه سازی معرفی شده، به طور عمده الهام گرفته از فرایند های طبیعی می باشند و در ارائه این الگوریتم ها به سایر نمودهای تکامل انسانی توجهی نشده است. در این نوشتار الگوریتم جدیدی برای بهینه سازی مطرح می شود که نه از یک پدیده طبیعی، بلکه از یک پدیده اجتماعی – انسانی الهام گرفته است.

 بطور ویژه این الگوریتم به فرایند استعمار، به عنوان مرحله ای از تکامل اجتماعی – سیاسی بشر نگریسته و با مد لسازی ریاضی این پدیده تاریخی، از آن به عنوان منشأ الهام یک الگوریتم قدرتمند در زمینه بهین هسازی بهره می گیرد. در مدت کوتاهی که از معرفی این الگوریتم می گذرد، از آن برای حل مسائل بسیاری در حوزه بهینه سازی استفاده شده است. طراحی چیدمان بهینه برای واحد های صنعتی، آنتن های مخابراتی هوشمند، سیستم های پیشنهاددهنده هوشمند و نیز طراحی کنترل کننده بهینه برای سیستم های صنعتی شیمیایی تعدادی معدود از کاربردهای گسترده این الگوریتم در حل مسائل بهینه سازی می باشد. 

فهرست مطالب:

1-مقدمه

 هدف و اهمیت مسئله

الگوریتم توسعه داده شده

مزایای الگوریتم توسعه داده شده

ساختار پایان نامه

2- بهینه سازی و روشهای موجود

انواع مسائل بهینه سازی

روش های بهینه سازی کمینه جو

بهینه سازی تحلیلی

جستجوی خط

روش های نیوتونی

روش کاهشی نلدر-مید با اشکال غیر مرکب

الگوریتم ژنتیک

الگوریتم بازپخت شبیه سازی شده

بهینه سازی گروه ذرات

کلونی مورچه ها

برنامه ریزی ژنتیک

3- استراتژی بهینه سازی مبتنی بر تکامل اجتماعی  سیاسی

مقدمه

مروری تاریخی بر پدیده استعمار

هند

مالزی

هندوچین فرانسه

هند شرقی (اندونزی)

الگوریتم پیشنهادی

شکل دهی امپراطوری های اولیه

مدل سازی سیاست جذب: حرکت مستعمره ها به سمت امپریالیست

جابجایی موقعیت مستعمره و امپریالیست

قدرت کل یک امپراطوری

رقابت استعماری

سقوط امپراطوری های ضعیف

همگرایی

مثال کاربردی

نتیجه گیری

توابع هزینه مورد استفاده

4- پیاده سازی های انجام شده

....

الگوریتم رقابت استعماری؛ ابزاری برای یافتن نقطه تعادل نش

یک بازی غیر خطی استاتیک ساده

یک بازی با پیچیدگی بیشتر

طراحی بهینه آنتهای آرایه ای

استفاده از الگوریتم رقابت استعماری برای شناسایی ویژگی مواد از آزمون فرورفتگی

مقدمه

توصیف مسئله معکوس

حل مسئله معکوس توسط الگوریتم رقابت استعماری

نتیجه گیری

کنترل فازی اتومبیل

مدل اتومبیل

نتایج

5-خلاصه، نتیجه گیری و پیشنهادات

6-مراجع

پیوستها

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه