الگوریتم رقابت استعماری

الگوریتم رقابت استعماری

الگوریتم PSO

عنوان پایان نامه  :  بررسی کاربرد الگوریتم PSO در شبکه های حسگر بیسیم

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر :   الگوریتمPSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. PSO روش محبوبی است که برای حل مشکلات مناسب سازی در شبکه های حسگر بی سیم به دلیل آسان بودنش، کیفیت بالای راه حل هایش، همگرایی سریع و ظرفیت، محاسبه ای نامشخص خود مورد استفاده قرار گرفته است. الگوریتم PSO مستلزم مقادیر زیادی حافظه است که ممکن است اجرای آن را برای ایستگاههای اصلی سرشار از منبع کاهش دهد. این متن کاربردهای شبکه حسگر بی سیم موفق فراوانی دارد که فواید PSO را مورد استفاده قرار می دهد. گردآوری اطلاعات نیازمند مناسب سازی توزیع شده مکرر و راه حل های سریع می باشد. بنابراین، PSOبه طور متوسط آن را مناسب می سازد. صف بندی ثابت، موقعیت یابی و خوشه بندی مشکلاتی هستند که فقط یکبار در ایستگاه مرکزی حل شده اند. PSO آنها را بسیار مناسب ساخته است .

فهرست :

فصل اول

معرفی شبکه های بی سیم حسگر

نگاهی به شبکه های بی سیم حسگر

توضیحات اولیه

ساختمان گره

ویژگی های عمومی یک شبکه حسگر

ساختار ارتباطی شبکه های حسگر

ساختار خودکار

ساختار نیمه خودکار

فاکتورهای طراحی

تحمل خرابی

قابلیت گسترش

هزینه تولید

محدودیت‌های سخت افزاری یک گره حسگر

توپولوژی شبکه

محیط کار

مصرف توان

کاربردهای شبکه های بی سیم حسگر

کاربردهای رهایی از سانحه

کنترل محیطی و نگاشت تنوع زیستی

سازه های هوشمند

مدیریت تاسیسات

نظارت ماشین آلات و نگهداری پیشگیرانه

کشاورزی دقیق

پزشکی و بهداشت

حمل و نقل

پردازش راه دور

پشته پروتکلی

انواع منبع­ها و چاهک­ها

شبکه های تک پرشی در مقابل شبکه های چند پرشی

انواع تحرک

پروتکل های مسیریابی برای شبکه های حسگر بی سیم

۱- پروتکل­هایی بر مبنای داده

مسیریابی به روش سیل آسا و خبردهی

پروتکل های حسگر برای اطلاعات از طریق مذاکره

انتشار جهت دار

مسیریابی پخشی

۲- پروتکل های سلسله مراتبی

LEACH

PEGASIS

TEEN and APTEEN

۳- پروتکل های بر مبنای مکان

MECN

GAF

عیب های شبکه حسگر

روش های امنیتی در شبکه‌های بی سیم

تئوری بهینه‌سازی

انواع مسائل بهینه سازی و تقسیم بندی آنها از دیدگاه های مختلف

بهینه سازی با سعی خطا، بهینه سازی با تابع

بهینه سازی تک بعدی و بهینه سازی چند بعدی

بهینه سازی پویا و بهینه سازی ایستا

بهینه سازی مقید و نا مقید

بهینه سازی پیوسته و یا گسسته

بهینه سازی تک معیاره و چند معیاره

برخی دیگر از روش های بهینه سازی

روش مبتنی بر گرادیان

روند کلی بهینه سازی گرادیانی

روش سیمپلکس

الگوریتم ژنتیک

ویژگی‌های الگوریتم ژنتیک

Ant colony

الگوریتم کلونی مورچه ها چیست؟

مزیتهای ACO

کاربردهای ACO

۵- الگوریتم رقابت استعماری

شکل دهی امپراطوری‌های اولیه

سیاست جذب: حرکت مستعمره‌ها به سمت امپریالیست

انقلاب؛ تغییرات ناگهانی در موقعیت یک کشور

جابجایی موقعیت مستعمره و امپریالیست

رقابت استعماری

سقوط امپراطوری‌های ضعیف

شبه کد

کاربردها

فصل سوم

مقدمه

(Particle Swarm Optimitation(PSO

توپولوژی های همسایگی الگوریتم PSO

تاریخچه خوشه بندی

تعریف خوشه بندی

تحلیل خوشه بندی

فرضیه موقعیت تصادفی

فرضیه برچسب تصادفی

فرضیه نمودارتصادفی

مراحل خوشه بندی

فرایندهای خوشه بندی

مطالعه تکنیک های خوشه بندی

کاربرد های ویژه الگوریتم PSO

تعریف کلاسیک خوشه بندی

معیار نزدیک بودن

کاربرد های خوشه بندی

تعداد خوشه ها

داده ها

تعداد ویژگی ها و مشخصات آنها

مقدار دهی اولیه برای Kmeans

Kmeans

Pso و کاربرد آن در خوشه بندی

رمز گذاری فضای سه بعدی در ذرات

کمی کردن کیفیت خوشه بندی

Pso و خوشه بندی(الگوریتم ۱)

Pso و خوشه بندی در ناحیه بندی تصویر

Pso و خوشه بندی(الگوریتم ۲)

ترکیب pso و kmeans برای خوشه بندی (الگوریتم هیبرید)

ترکیب Pso و GA

فصل چهارم

بهینه سازی wsn با استفاده از الگوریتم   بهینه سازی pso

نصب گره ها WSN بهینه

موقعیت یابی گره ثابت

موقعیت یابی گره متحرک

VFCPSO

موقعیت یابی ایستگاه اصلی

تعیین محل گره در WSNها (شبکه های حسگر بی سیم)

تعیین موقعیت های گره های هدف

۱) PSO تکراری

۲) PSO بدون علامت

۳) PSO با چهار علامت

خوشه بندی هشدار انرژی (EAC) در WSNها

خوشه بندی PSO

MST-PSO

جمع آوری اطلاعات در WSNها

تخصیص نیروی انتقال مناسب

تعیین آستانه های مکانی- مناسب

تشکیل حسگر مناسب

نتیجه گیری

مراجع فارسی

مراجع انگلیسی

الگوریتم رقابت استعماری

عنوان پایان نامه :  کاربرد الگوریتم زنبورعسل در بهینه سازی مسائل ریاضی

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر :  انسان هميشه براي الهام گرفتن به جهان زنده‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ی پيرامون خود نگريسته است. يکي ازبهترين طرح‌هاي شناخته شده، طرح پرواز انسان است که ابتدا لئورناردو داوينچي (1519-1452) طرحي از يک ماشين پرنده را براساس ساختمان بدن خفاش رسم نمود. چهارصد سال بعد کلمان آدر ماشين پرنده‌اي ساخت که داراي موتور بود و به جای بال از ملخ استفاده مي‌کرد. در دهه‌های اخیر، روش‌های تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه‌سازی در حوزه‌های مختلفی مانند علوم تجاری و مهندسی مورد استفاده قرار گرفته است. وسعت دامنه‌‌ی کاربرد، سهولت استفاده و قابلیت دست‌یابی به جواب نزدیک و بهینه‌ی مطلق از جمله دلایل موفقیت این روش‌ها می‌باشد. هوش دسته جمعی، زیر شاخه‌ای از هوش مصنوعی است که بر پایه‌ی رفتار جمعی سیستم‌های غیر متمرکز و خود‌‌‌ ‌سازمان‌‌ده بنا شده است. نمونه‌ای از هوش جمعی، کلونی زنبور عسل است. یکی از کاربردهای این الگوریتم، مسائل بهینه‌سازی چندتایی است برای همین برخی به آن الگوریتم بهینه‌سازی زنبورعسل می‌گویند. دراین مقاله، الگوریتم کلونی زنبورعسل مورد استفاده قرار می‌گیرد و نتایج تولید شده توسط الگوریتم مقایسه می‌شوند.  موضوع کلونی زنبور عسل خود به دو بخش جستجوی غذا و فرآیند جفت‌گیری زنبورها تقسیم می‌شود.

فهرست :

مقدمه

فصل اول الگوریتم‌های تکاملی

 هوش مصنوعی

 الگوریتم چیست؟

 الگوریتم‌های تکاملی

 کاربردها

 الگوریتم کلونی مورچه

 بهینه سازی مسائل به روش کلونی مورچه

مورچه‌ها چگونه مي‌توانند کوتاه‌ترين مسير را پيدا کنند؟

 الگوریتم

الگوریتم کلی حرکت

 شبه کد و فلوچارت الگوریتم

 مزیت‌ها

 کاربردها

 الگوریتم رقابت استعماری

 دهی امپراطوری‌های اولیه

 سیاست جذب

 انقلاب

 جابجایی موقعیت مستعمره و امپریالیست

 رقابت استعماری

 سقوط امپراطوری‌های ضعیف

 شبه کد

 مزیت‌ها

 کاربردها

الگوریتم ژنتیک

مکانیزم الگوریتم ژنتیک

عملگرهای الگوریتم ژنتیک

کدگذاری

ارزیابی

ترکیب

جهش

رمزگشایی

شبه کد

کاربردها

الگوریتم ازدحام ذرات

کاربردها

کدام الگوریتم بهتر است؟

فصل دوم الگوریتم زنبور عسل

 تعریف

 کلونی زنبورها

 جستجوی غذا در طبیعت

 الگوریتم کلونی زنبورهای مصنوعی

 بهینه‌سازی کلونی زنبورها

 معرفی کلونی زنبورهای مصنوعی

 شبه کد

 الگوریتم بهینه‌یابی جفت‌گیری زنبورهای عسل

مدل‌سازی جفت‌گیری زنبورهای عسل

فصل سوم کاربردهای الگوریتم زنبورعسل

 The Ride Matching problems

Numerical expriment

دنیای مجازی در تسخیر زنبور دیجیتال

 بهینه‌سازی سد

 ایده‌ی روباتی

 سایر کاربردها

فصل چهارم کاربرد الگوریتم زنبورعسل در بهینه‌سازی مسائل ریاضی

 بهینه‌سازی

 شاخه‌های اصلی

انواع مسائل بهینه‌سازی

یک مساله‌ی بهینه‌سازی

قضایا

وجود نقطه‌ی بهینه

 کاربرد الگوریتم در مثال‌های ریاضی

 تابع سینوسی نامقید

 تابع توانی مقید

 ارزیابی الگوریتم

تابع  Griewank

تابع Rastrigin

تابع Rosenbrock

تابع Ackley

تابع Schwefel

نتیجه‌گیری و پیشنهادات

پیوست کد برنامه‌ی مربوط به الگوریتم زنبور عسل به زبانC

فهرست منابع

فهرست شكل‌ها و جدول‌ها:

شمای گرافیکی مغز انسان

نمونه‌ای از تکامل در طول تاریخ

سختی در حمل غذا و لزوم یافتن کوتاه‌ترین مسیر

فرومون و چگونگی یافتن کوتاه‌ترین مسیر

عدم تاثیر موانع در یافتن کوتاه‌ترین مسیر

فلوچارت الگوریتم مورچه

استعمار

شکل‌دهی امپراطوری اولیه

نحوه‌ی تقسیم مستعمرات میان کشورهای استعمارگر

تغییرات ناگهانی و وقوع انقلاب

تعویض موقعیت مستعمره و استعمارگر

رقابت استعمارگران

سقوط یک امپراطوری

نمای گرافیکی ژن

ترکیب در الگوریتم ژنتیک

الگوریتم اجتماع ذرات

swarm  زنبور‌ها

کدام الگوریتم؟

هدیه‌ای از جانب خدا

تلاش برای یافتن قطعات گلدار

رقص چرخشی

نمودار احتمال انتخاب زنبور‌هاي نر بر حسب تغييرات سرعت

نمودار احتمال انتخاب زنبور‌هاي نر برحسب تغییرات مقدار تابع هدف

الگوریتم HBMO

جریان ماهیانه‌ی ورودی به مخزن و نیاز متوسط

میزان متوسط افت خالص ماهیانه

تغییرات تابع هدف در  بهترین پرواز جفت‌گیری

تغییرات حجم مخزن در هر پریود

تغییرات میزان رهاسازی از مخزن در هر پریود

رويه‌ي تابع سينوسي نامقيد

تغييرات مقدار تابع هدف در طول پروازهاي جفت‌گيري

تعداد تجمعی موفقیت توابع در طول پروازهای جفت‌گیری

تغييرات حداكثر مقدار تابع هدف در  اجرا و در دفعات ارزيابي تابع هدف

تغييرات متوسط مقدار تابع در  اجرا و در طول دفعات ارزيابي تابع هدف

رويه‌ي تابع تواني مقيد

تغييرات مقدار تابع هدف در طول پروازهاي جفت‌گيري

تعداد تجمعي موفقيت توابع در طول انجام پروازهاي جفت‌گيري

تغييرات متوسط مقادير تابع هدف در  اجرا و در طول تعداد دفعات ارزيابي

تغييرات حداقل مقادیر تابع هدف در  اجرا و در طول تعداد دفعات ارزيابی

جدول ـ مقادیر تابع هدف در  بار اجرا و  پرواز جفت‌گيري

جدول ـ پارامترهاي آماري تابع هدف در  بار اجرا و  پرواز جفت‌گيري

جدول ـ مقادير تابع هدف و دومتغير تصميم در  اجرا و درپايان  پروازجفت‌گيري

جدول  پارامترهاي آماري تابع هدف و دومتغير تصميم در  اجرا  پرواز جفت‌گيري

جدول  پارامترهاي آماري مقادير تابع هدف در  اجرا توسط الگوريتم ژنتيك با احتمالات مختلف

جدول  مقاديرتابع هدف و دو متغير تصميم در  اجرا و  پرواز جفت‌گيري

جدول  پارامترهاي آماري تابع هدف و دو متغير تصميم در  اجرا ودر  پرواز جفت‌گيري

جدول  پارامترهاي آماري مقادير تابع هدف در  بار اجرا توسط الگوريتم ژنتيك با احتمالات مختلف

الگوریتم رقابت استعماری

عنوان مقاله :  پاورپوینت شیوه ارائه پیرامون الگوریتم استعماری

قالب بندی :  پاورپوینت

قیمت :   رایگان

شرح مختصر :  الگوریتم رقابت استعماری روشی در حوزه محاسبات تکاملی است که به یافتن پاسخ بهینه مسائل مختلف بهینه سازی می‌پردازد. این الگوریتم با مدلسازی ریاضی فرایند تکامل اجتماعی – سیاسی، الگوریتمی برای حل مسائل ریاضی بهینه سازی ارائه می‌دهد. از لحاظ کاربرد، این الگوریتم در دسته الگوریتم های بهینه سازی تکاملی همچون الگوریتم های ژنتیک ، بهینه سازی انبوه ذرات، بهینه سازی کلونی مورچگان ، تبرید فلزات شبیه سازی شده، و … قرار می گیرد. همانند همه الگوریتم های قرار گرفته در این دسته، الگوریتم رقابت استعماری نیز مجموعه اولیه ای از جوابهای احتمالی را تشکیل می دهد. این جوابهای اولیه در الگوریتم ژنتیک با عنوان “کروموزوم”، در الگوریتم ازدحام ذرات با عنوان “ذره” و در الگوریتم رقابت استعماری نیز با عنوان “کشور” شناخته می شوند. الگوریتم رقابت استعماری با روند خاصی که در ادامه می آید، این جوابهای اولیه (کشور ها) را به تدریج بهبود داده و در نهایت جواب مناسب مسئله بهینه سازی (کشور مطلوب) را در اختیار می گذارد. پایه‌های اصلی این الگوریتم را سیاست همسان سازی، رقابت استعماری و انقلاب تشکیل می‌دهند. این الگوریتم با تقلید از روند تکامل اجتماعی، اقتصادی و سیاسی کشورها و با مدلسازی ریاضی بخشهایی از این فرایند، عملگرهایی را در قالب منظم به صورت الگوریتم ارائه می‌دهد که می‌توانند به حل مسائل پیچیده بهینه سازی کمک کنند. در واقع این الگوریتم جوابهای مسئله بهینه سازی را در قالب کشورها نگریسته و سعی می‌کند در طی فرایندی تکرار شونده این جواب‌ها را رفته رفته بهبود داده و در نهایت به جواب بهینه مسئله برساند.

فهرست :  

ایده اصلی الگوریتم ژنتیک

الگوریتم رقابت استعماری

شکل دهی امپراطوری های اولیه

سیاست همگون سازی

انقلاب

تعویض مستعمره و استعمارگر

قدرت کل امپراطوری

رقابت استعماری

سقوط امپراطوری

شبه کد

الگوریتم رقابت استعماری

عنوان مقاله : الگوریتم ژنتیک و حل مسئله TSP

قالب بندی : PDF

قیمت : رایگان

شرح مختصر : در اين مقاله ابتدا الگوريتمهای ژنتيک را معرفی کرده و مراحل انجام چنين الگوريتمهايی توضيح داده می شود. بعد از اينکه يک ديد کلی نسبت به الگوريتمهای ژنتيک پيدا کرديم به مساله TSP میپردازیم. ابتدا چند روشی که برای حل مسئله TSP ارائه شده است را بيان می کنيم و بعد سعی می کنيم الگوريتمهای ژنتيک مختلفی را برای اين مساله مطرح کنيم و  پس بررسی می کنيم که کدام يک از اين الگوريتمهای ژنتيک بهتر از بقيه روشها جواب می دهند. در پايان نيز مقايسه ای بين  الگوريتمهای ژنتيک و ديگر الگوريتمها انجام می دهيم.

کلمات کلیدی : الگوریتم ژنتیک، حل مسئله TSP ، الگوریتم های ژنتیکی، کروموزوم، اصول الگوریتم ژنتیک، روشهای مختلف الگوریتم ژنتیک، Traveling Salesman Problem،  الگوریتم، انواع الگوریتم، الگوریتم بهینه، الگوریتم رقابت استعماری، الگوریتم و فلوچارت، الگوریتم مورچگان، الگوریتم دایجسترا، ژنتیک، مسئله مازینگ، الگوریتم برتر، اصول الگوریتم ژنتیک