no-img
ام ای پدیا

دانلود سمینار الگوریتم فرا ابتکاری پیشنهادی


ام ای پدیا

ادامه مطلب

DOC
دانلود سمینار الگوریتم فرا ابتکاری پیشنهادی
doc
اسفند ۲۷, ۱۳۹۵
هر صفحه 107 تومان
تعداد صفحات: 33 صفحه
۳,۵۰۰ تومان
۳,۵۰۰ تومان – خرید

دانلود سمینار الگوریتم فرا ابتکاری پیشنهادی


دانلود سمینار الگوریتم فرا ابتکاری پیشنهادی

فرمت قابل ویرایش ورد word

  تعداد صفحات: ۳۳ صفحه

 خلاصه ای از فایل

مقدمه ای بر مسائل بهینه سازی

محاسبه راه حل های بهینه[۱] برای اکثر مسائل بهینه سازی که در خیلی از زمینه های کاربردی و عملی مشاهده می شوند، کاری بس دشوار و سخت است. در عمل، معمولا به اره حل های “خوب” که از الگوریتم های هیوریستیک (ابتکاری)[۲] و متاهیوریستیک (فراابتکاری)[۳] به دست می آید، اکتفا می گردد. متا هیوریستیک ها مجموعه ای از فنون بهینه سازی تقریبی[۴] را که عمدتا در طول دو دهه گذشته شهرت پیدا کرده اند، در بر می گیرد. روش های فراابتکاری راه حل های “قابل قبول” در زمان معقول را برای مسائل پیچیده و سخت، در زمینه های مهندسی و علوم ارائه می دهند. برخلاف الگوریتم های بهینه سازی دقیق[۵]، متاهیورستیک ها بهینه بودن جواب های بدست آمده را ضمانت نمی نمایند.

کلمه هیوریستیک از کلمه یونانی “heuriskein” به معنای “هنر کشف قواعد جدید برای حل مسائل” گرفته شده است. پیشوند “متا” نیز از یک کلمه یونانی به معنای “متدولوژی سطح بالا” گرفته شده است. واژه “متاهیوریستیک” اولین بار توسط گلوور[۶] در سال ۱۹۸۶ ارائه گردید. روش جستجوی متاهیوریستیک را می توان به صورت “متدولوژی عمومی سطح بالایی که می توانند به عنوان یک استراتژی راهنما در طراحی هیوریستیک خای اختصاصی برای حل مسائل بهینه سازی تخصصی به کار روند”، تعریف کرد]۲[.

تئوری پیچیدگی

برای حل یک الگوریتم، نیاز به دو منبع مهم شامل زمان (چقدر زمان برای حل کردن مساله لازم است) و فضا (چقدر حافظه مورد نیاز است) می باشد. پیچیدگی زمانی یک الگوریتم، تعداد مراحلی است که باید طی شود تا یک مساله به اندازه n حل گردد. معمولا در بررسی پیچیدگی، تحلیل بدترین حالت، مورد استفاده قرار می گیرد. در تحلیل بدترین حالت، بدترین حالتی را که ممکن است برای یک مساله اتفاق بیفتد، در نظر گرفته و سپس مساله مورد تحلیل قرار می گیرد. درواقع هدف از تعیین پیچیدگی محاسباتی یک الگوریتم، بدست آوردن یک حد مجانبی روی شمارنده مراحل محاسباتی الگوریتم است. برای مقایسه نمودن و مشخص کردن درجه سختی الگوریتم ها، باید چندمعیار، برای اندازه گیری کارایی الگوریتم ها وجود داشته باشد که این کار توسط تئوری پیچیدگی[۷] انجام می شود.

نظریه پیچیدگی به این سوال پاسخ می دهد که درجه سختی مساله چقدر است. بطور کلی، با توجه به نظریه پیچیدگی، زمان و فضای استفاده شده توسط یک الگوریتم، دو اندازه گیری مهم برای سنجش کارایی یک الگوریتم است. برای سادگی کار، مساله‌ها به کلاس‌هایی تقسیم می‌شوند. مساله‌های یک کلاس از حیث زمان یا فضای مورد نیاز با هم شباهت دارند. این کلاس‌ها در اصطلاح کلاس‌های پیچیدگی نامیده می‌شوند. متداول ترین کلاس‌های پیچیدگی، کلاس های  [۸]P و [۹]NP  هستند که مساله‌ها را از نظر زمان مورد نیاز، تقسیم ‌بندی می‌کنند]۱[.

 

فهرست

۴-۱- مقدمه ای بر مسائل بهینه سازی.. ۱

۴-۱-۱- تئوری پیچیدگی.. ۱

۴-۱-۲- روش های بهینه سازی.. ۳

۴-۲- الگوریتم ژنتیک… ۶

۴-۲-۱- برخی از اصطلاحات الگوریتم ژنتیک… ۸

کروموزوم (فرد، رشته). ۱۰

رمزگشایی.. ۱۰

برازندگی.. ۱۰

جمعیت.. ۱۰

۴-۲-۲- روش های انتخاب کروموزوم. ۱۱

۴-۲-۳- تقاطع : ۱۲

۴-۲-۴- جهش : ۱۴

۴-۳- الگوریتم کلونی مورچگان. ۱۵

۴-۳-۱- مزیتهای روش کلونی مورچگان. ۲۱

۴-۳-۲- مراحل پیادهسازی الگوریتم کلونی مورچگان. ۲۲

۴-۴- الگوریتم مورچگان پیشنهادی.. ۲۲

۴-۴-۱- تبدیل مسئله به یک گراف جهتدار. ۲۲

۴-۴-۲- نحوهی ساختن پاسخ برای مسئله. ۲۲

۴-۴-۳-  بروزرسانی فرومون ها ۲۳

۴-۵- ارزیابی الگوریتم ها ۲۴

۴-۵-۱- مجموعه داده ها ۲۴

۴-۵-۲- مقایسه عملکرد الگوریتم ها برای مسائل با ابعاد کوچک… ۲۵

۴-۵-۳- مقایسه عملکرد الگوریتم ها برای مسائل با ابعاد متوسط تا بزرگ.. ۲۷

۴-۶- مطالعه موردی.. ۲۹

۴-۷- جمع بندی.. ۳۲

 



موضوعات :
مهندسی صنایع

دیدگاه ها


پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *