داک فارسی بانک جامع تحقیق آماده و مقالات جهت استفاده عموم الخصوص دانش آموزان و دانشجویان

محبوبترین محصولات

تماس با مدیر 09393453403 50درصد تخفیف ویژه داک فارسی ها عضویت در کانال تلگرام منابع تحقیق از کتب مرجع و معتبر علمی هستند

اطلاعیه فروشگاه

برای ارتباط با مدیر می توانید از شماره 09393453403 و یا ایمیل docfarsi1@gmail.com استفاده نمایید . برای دریافت فایل در تلگرام هم می توانید به شماره 09393453403 پیام ارسال کنید .

مقاله آماده در مورد مقایسه روش بهینه سازی گروه ذرات و الگوریتم ژنتیکی

مقایسه روش بهینه سازی گروه ذرات و الگوریتم ژنتیکی

 عنوان : مقایسه روش بهینه سازی گروه ذرات و الگوریتم ژنتیکی 

 فرمت : doc - ورد 2003 ( قابل ویرایش و اجرا در کلیه آفیس ها ) 

 تعداد صفحات : 17 صفحه - صفحه آرایی شده آماده چاپ ، صحافی و ارائه 

 فونت های استفاده شده : b titr و  b trafic (دانلود فونت های مورد نیاز) 

 پشتیبانی  :   09393453403 - 24 ساعته پاسخگو شما عزیزان هستیم - محمدی 

  ★  مقاله دارای نتیجه گیری است .

چکیده :

روش بهینه سازی گروه ذرات (PSO) یک روش جستجوی ابتکاری نسبتاً تازه می باشد که مکانیک آن به واسطه رفتار گروهی یا مشترک جوامع زیستی تشویق شده است.PSO از این لحاظ شبیه الگوریتم ژنتیکی (GA) عمل می کند که دو روش ابتکاری تکاملی ، روشهای جستجوی بر مبنای جمعیت تلقی می گردند. به عبارت دیگر، PSO و GA در یک تکرار ، از یک سری نقطه (جمعیت) به یک سری نقاط دیگر رفته و با استفاده از قوانین قطعی و احتمالی ارتقاء می یابند.GA و بسیاری از ورژنهای آن به خاطر درک آن ، سهولت اجرا، و توانایی حل موثر مسائل بهینه سازی صحیح آمیخته ، غیر خطی که نمونه ای از سیستم های مهندسی پیچیده به شمار می روند، در آکادمی و صنعت شهرت زیادی کسب کرده اند.اشکال GA هزینه محاسباتی بسیار بالای آن می باشد.این مقاله تلاش می کند ادعای مطرح شده را بررسی نماید مبنی براینکه اثربخشی روش PSO همانند GA می باشد (یافتن راه حل بهینه کل) با این تفاوت که راندمان محاسباتی آن (ارزیابی کمتر تابع) با اجرای تحلیل آماری و تست فرضیه رسمی بهتر می باشد. مقایسه عملکرد GA و PSO با استفاده از مجموعه مسائل تست ملاک و دو مسئله بهینه سازی طراحی سیستم های فضا یعنی پیکره بندی آرایه تلسکوپ و طرح مبتنی بر پایایی فضاپیما انجام گرفته است.

مقدمه :

روش بهینه سازی گروه ذرات (PSO) در اواسط دهه 1990 توسط کندی و ابرهارت اختراع گردید در این روش ، حرکت گروه پرندگان به عنوان بخشی از مطالعه اجتماعی شناختی که به پژوهش در مورد تصور هوش جمعی در جوامع زیستی می پردازد، شبیه سازی می گردد. در روش PSO ، مجموعه راه حل های تصادفاً انتخاب شده ( گروه اولیه) در فضای طراحی در جهت نیل به راه حل بهینه در میان تعدادی تکرار(حرکت) بر اساس مقدار زیاد اطلاعات موجود در مورد فضای طراحی منتشر می شود که باهم تلفیق شده و کلیه اعضای گروه از آن بهره می برند. روش PSO از توانایی دسته های پرندگان، دسته ماهیها و گله جانوران برای سازش با محیط، یافتن منابع سرشار غذایی و دوری از شکارچیان (صیادان) با اجرای شیوه تقسیم اطلاعات الهام گرفته و یک حسن تکاملی دارا می باشد. مراجع 1 و 2 تاریخچه کاملی از توسعه الگوریتم PSO را شرح داده و برای شیوه بهینه سازی ابتکاری نقش شبیه ساز حرکت را ایفا می کنند. در اواسط دهه 1970 ، جان هولند و همکاران و دانشجویانش در دانشگاه میشیگان الگوریتم ژنتیکی (GA) را معرفی کردند. GA از اصول ژنتیک و تکامل الهام گرفته و از رفتار تولید مثل مشاهده شده در جوامع زیستی تقلید می کند. GA از اصل بقای تناسب در پروسه جستجو برای انتخاب و تولید افرادی استفاده می کند (راه حل های طرح) که با محیط خود (اهداف/ محدودیت های طرح)سازگاری حاصل کرده اند. بنابراین، در میان تعداد نسل ها (تکرار) ، صفات مطلوب (ویژگی های طرح) تکامل یافته و در ترکیب ژنوم جمعیت (مجموعه راه حل های طرح تولید کننده هر تکرار) در میان صفاتی با ویژگیهای نامطلوب ضعیف تر باقی می مانند. برای حل مسائل بهینه سازی پیچیده از روش GA استفاده شده است زیرا به متغیرهای پیوسته و گسسته و توابه محدودیت و هدف غیر خطی بدون نیاز به اطلاعات گرادیان رسیدگی می کند. هدف اصلی این مقاله مقایسه اثربخشی محاسباتی و راندمان GA و PSO با استفاده از شیوه تست فرضیه رسمی می باشد. انگیزه لازم ، اعتبار یابی فرضیه مطرح شده می باشد مبنی براینکه اثر بخشی PSO به اندازه GA (میزان موفقیت در یافتن راه حل های بهینه کل) ، اما راندمان محاسباتی آن بهتر می باشد. نتایج این تست در توسعه آتی PSO نقش بسزایی ایفا می کند. رئوس بخشهای دیگر این مقاله به شرح ذیل می باشد. اولاً ورژنهای PSO و GA به کار رفته در مطالعه مقایسه ای جمع بندی شده و روش تست فرضیه فرمول بندی می گردد. ثانیاً، سه مسئله ملاک معروف مطرح می گردد که برای مقایسه عملکرد GA و PSO از آنها استفاده شده است. سوم اینکه دو مسئله بهینه سازی سیستم های دو فضایی به کار رفته برای تست عملکرد هر دو الگوریتم با توجه به کاربردهای واقعی مطرح شده است. در دو بخش آخر نیز نتایج کار ارائه شده است.

لینک دانلود را پس از پرداخت دریافت می کنید .

پرداخت توسط کلیه کارت های عضو شتاب امکان پذیر است .


اشتراک بگذارید:


پرداخت اینترنتی - دانلود سریع - اطمینان از خرید

پرداخت هزینه و دریافت فایل

مبلغ قابل پرداخت 8,900 تومان
کدتخفیف:
بسم الله الرحمن الرحیم . تحقیق ها و مقالات موجود در سایت همگی در قالب فایل ورد صفحه آرایی شده و آماده چاپ و ارائه می باشند.متن و محتوا برگرفته از اینترنت و سایت های اینترنتی معتبر می باشد . که دارای منبع و رفرس موثق نیز هستند که با کمی جستجو در اینترنت بطور رایگان قابل دسترسی اند لاکن محصولات سایت مخصوص کسانس هستند که وقت جستجو و ویرایش و صفحه آرایی را ندارند یا از دانش لازم برای اینکار برخوردار نیستند . لذا شرایط و مطالب گفته شده را قبل از خرید حتما لحاظ نمایید . با تشکر.

درصورتیکه برای خرید اینترنتی نیاز به راهنمایی دارید اینجا کلیک کنید


فایل هایی که پس از پرداخت می توانید دانلود کنید

نام فایلحجم فایل
mghaysh_rvsh_bhynh_sazy_grvh_zrat_v_algvrytm_zhnty_1770369_7914.zip99.1k





نظرسنجی

از کیفیت محصولات سایت راضی هستید ؟