پاورپوینت آموزش کامل الگوریتم بهینه سازی PSO در 72 اسلاید

اختصاصی از هایدی پاورپوینت آموزش کامل الگوریتم بهینه سازی PSO در 72 اسلاید دانلود با لینک مستقیم و پر سرعت .

روش PSO یا به لاتین (Particle swarm optimization) یک روش سراسری کمینه‌سازی است که با استفاده از آن می‌توان با مسائلی که جواب آنها یک نقطه یا سطح در فضای n بعدی می‌باشد، برخورد نمود. در اینچنین فضایی، فرضیاتی مطرح می‌شود و یک سرعت ابتدایی به آنها اختصاص داده می‌شود، همچنین کانال‌های ارتباطی بین ذرات درنظر گرفته می‌شود. سپس این ذرات در فضای پاسخ حرکت می‌کنند، و نتایج حاصله بر مبنای یک «ملاک شایستگی» پس از هر بازهٔ زمانی محاسبه می‌شود. با گذشت زمان، ذرات به سمت ذراتی که دارای ملاک شایستگی بالاتری هستند و در گروه ارتباطی یکسانی قرار دارند، شتاب می‌گیرند. علی‌رغم اینکه هر روش در محدوده‌ای از مسائل به خوبی کار می‌کند، این روش در حل مسائل بهینه‌سازی پیوسته موفقیت بسیاری از خود نشان داده است.

فهرست مطالب:

مقدمه

تعریف موضوع

تاریخچه

توضیح الگوریتم PSO

روشهای بهینه سازی جمعیتی

چند تعریف

ایده پایه

ویژگی ها و کاربردها

روایط ریاضی

چگئنگی حرکات ذرات

و...

شبیه سازی مقاله با استفاده از الگوریتم فاخته و PSO

اختصاصی از هایدی شبیه سازی مقاله با استفاده از الگوریتم فاخته و PSO دانلود با لینک مستقیم و پر سرعت .

این فایل شامل کدهای شبیه سازی یک مقاله با استفاده ازالگوریتم فاخته و PSO به همراه فایل ورد توضیحات و توضیحات خط به خط کدها است .

همچنین به راحتی قابلیت انطباق با داده های ورودی مورد نظر شما را دارند.

جزوه آموزشی الگوریتم ژنتیک در دوازده قدم

اختصاصی از هایدی جزوه آموزشی الگوریتم ژنتیک در دوازده قدم دانلود با لینک مستقیم و پر سرعت .

این فایل حاوی جزوه آموزشی الگوریتم ژنتیک در دوازده قدم می باشد که به صورت فرمت PDF در 15 صفحه در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.

فهرست
بدست آوردن تابع هدف با n متغیر
تعیین طول کروموزوم
تولید جمعیت اولیه
تبدیل هر ژن از کروموزوم به اعدادی در بازه دامنه همان متغیر
تعیین تعداد کروموزوم شرکت کننده در عمل پیوند
انتخاب کروموزومهایی که در عمل پیوند شرکت میکنند
پیوند
جهش
حفظ بهترین کروموزوم

تصویر محیط برنامه

دانلود تحقیق روشی جدید برای الگوریتم زمانبندی CPU :با گردش بنوبت ژنتیکی

اختصاصی از هایدی دانلود تحقیق روشی جدید برای الگوریتم زمانبندی CPU :با گردش بنوبت ژنتیکی دانلود با لینک مستقیم و پر سرعت .

مقدمه
یک موضوع جالب در سیستم عامل, زمانبندی CPU است.این زمانبندی به تخصیص CPU مربوط است که فراینده ها را در سیستمی کامپیوتری اجرا میکند.زمانبندی CPU وظیفه ی اصلی سیستم عامل است[1].زمانبندی باید بدرستی برای نگه داشتن بیطرفی و جلوگیری از فرایندهایی که هرگز CPU را تخصیص نمیدهد انجام شود(فرایند گرسنگی).زمانبندی CPU ضروری است , بخصوص در سیستم شبکه ی کامپیوتری که از گروهی از ایستگاههای کاری و سرویس دهندهها تشکیل میشود.سپس,در این سیستم عامل جدید ,کامپیوتر چند وظیفه ای ,یک هدف است و این به الگوریتم برای زمانبندی CPU متکی است.بهمین دلیل CPU بخش موثر یا مهم یک کامپیوتر است.[1].علاوه بر این ,در این عصر به کمک VLSL (در مقیاس بسیار بزرگ مدار مجتمع)ممکن است پردازنده هایی با قدرت بالا تولید کنند.این قدرت شگفت انگیز بایداستفاده شود تا بی فایده نباشد.همزمان با قدرت محاسبه ی پردازنده, در برنامه های کاربردی افزایش وجود دارد که آن قدرت را استفاده میکند. یک معیار که باید بوسیله ی برنامه انجام شود ,به حداقل رساندن میانگین زمان انتظار برای همه ی فرایندها در بدست آوردن تخصیص CPU است.الگوریتمهای مختلفی برای زمانبندی CPU وجود دارد:یکی از آنها گردش بنوبت(RR) است.مفهوم اساسی در RR استفاده از اشتراک گذاری زمان است[3].هر فرایند همان زمان CPU را بدست می آورد یعنی زمان کوانتومی, که بعنوان محدودیت در زمان پردازش ,بطور کلی در محدوده ی 1-100 میلی ثانیه عمل میکند.بعد از اینکه زمان کوانتومی برای فرایندی بپایان رسید,فرایند از اجرای آن متوقف میشود و در صف آماده گذارده میشوند.سپس ,فرایند بعدی انتخاب میشودتا اجرا شود.این مراحل چندین بار اجرا خواهند شد تا زمانیکه همه ی فرایندها بطور کامل بوسیله ی CPU بکار روند.اگر چه محدوده ی مقدار برای زمان کوانتومی وجود دارد,هنوز هیچ استانداردی وجود ندارد. ضمنا اگر زمان کوانتومی بسیار زیاد باشد,زمان مورد نیاز برای پاسخ / انتظار (چقدر زمان مورد نیاز است که آن بکار گرفته شود) کاملا زیاد است.علاوه براین, اگر خیلی کم باشد برای CPU مخارج کلی بوجود می آورد.جستجو برای بهترین زمان کوانتومی هدف دارد که به حداقل رساندن میانگین زمان انتظار برای گروهی از فرایندهاست.امیدواریم که هر فرایند بتواند کارش را در زمان معقول انجام دهد.تسریع کننده  یک فرایند اثرات کارش را در بسیاری از فرایندها بپایان میرساند که میتواند بوسیله ی CPU بکار گرفته شود.این کار به توان عملیاتی بهتری از CPU میرسد برای اینکه همیشه مشغول است و هرگز غیرفعال نیست.براساس مقدمه ی بالا فکر میکنیم برای پیدا کردن بهترین کوانتوم برای بدست آوردن میانگین بهتری از زمان انتظار,مدت زمان صرف شده و حداقل تعویض بستر لازم است.الگوریتم ژنتیکی را پیشنهاد میکنیم که با گردش بنوبت سنتی ترکیب میشود.

به زبان ساده تر
   محدوده کاری الگوریتم ژنتیک  بسیار وسیع می باشد و هر روز با پیشرفت روزافزون علوم و تکنولوژی استفاده از این روش در بهینه سازی و حل مسائل بسیار گسترش یافته است. الگوریتم ژنتیک   یکی از زیر مجموعه های محاسبات تکامل یافته می باشد که رابطه مستقیمی با مبحث هوش مصنوعی دارد در واقع الگوریتم ژنتیک  یکی از زیر مجموعه های هوش مصنوعی می باشد.  الگوریتم ژنتیک را می¬توان یک روش جستجوی کلی نامید که از قوانین تکامل بیولوژیک طبیعی تقلید می¬کند .الگوریتم ژنتیک برروی یکسری از جواب¬های مساله به امید بدست آوردن جوابهای بهتر قانون بقای بهترین را اعمال می کند. درهر نسل به کمک فرآیند انتخابی متناسب با ارزش جواب¬ها و تولید مثل جواب-های انتخاب شده به کمک عملگرهایی که از ژنتیک طبیعی تقلید شده¬اند ,تقریب¬های بهتری از جواب نهایی بدست می¬آید. این فرایند باعث می-شود که نسلهای جدید با شرایط مساله سازگارتر باشد.

فصل اول

تاریخچه
   حساب تکاملی ,برای اولین بار در سال 1960 توسط آقای ریچنبرگ ارائه شد که تحقیق وی در مورد استراتژی تکامل بود.بعدها نظریه او توسط محققان زیادی مورد بررسی قرار گرفت تا اینکه الگوریتم ژنتیک  (GA  ) توسط جان هولند(John Holland ) و در سال 1975 در دانشگاه میشیگان ,ارائه شد.
در سال 1992 نیز جان کوزا (John Koza ) از الگوریتم ژنتیک  (GA  ) برای حل و بهینه سازی مسائل مهندسی پیشرفته استفاده کرد و توانست برای اولین بار روند الگوریتم ژنتیک  (GA  )  را به زبان کامپیوتر در آورد و برای آن یک زبان برنامه نویسی ابداع کندکه به این روش برنامه نویسی ,برنامه نویسی ژنتیک (GP ) گویندو نرم افزاری که توسط وی ابداع گردید به نرم افزار LISP مشهور است که هم اکنون نیز این نرم افزار کاربرد زیادی در حل و بهینه سازی مسائل مهندسی پیدا کرده است .

فهرست مطالب
مقدمه ....................................................................................................1
فصل اول
چکیده....................................................................................................2
تاریخچه الگوریتمژنتیک...................................................................................3
اهداف ..........................................................................................3
ساختار الگوریتم‏های ژنتیکی...........................................................................4

عملگرهای الگوریتم  ژنتیک.....................................................................5
روند کلی الگوریتم‏های ژنتیکی............................................9
روند کلی بهینه سازی و حل مسائل در الگوریتم ژنتیک :.....................................11
شرط پایان الگوریتم........................................12
    فصل دوم
توضیح الگوریتم ژنتیک  در 12 قدم...................................................................................18
قدم اول :  بدست آوردن تابع هدف (Cost Function) با n متغیر………………………...18

قدم دوم : تعیین طول کروموزوم. ................................20

قدم سوم : تولید جمعیت اولیه. ..........................................21
قدم چهارم: تبدیل هر ژن   از کروموزوم به اعدادی در بازه دامنه همان متغیر.......................23
قدم پنجم :.........................................................................................25
قدم ششم : :.........................................................................................26
قدم هفتم : تعیین تعداد کروموزوم شرکت کننده در عمل پیوند .:.......................27
قدم هشتم : انتخاب کروموزومهایی که در عمل پیوند شرکت می کنند ..................................27
قدم نهم :  پیوند (crossover) . ...............................................................31
قدم دهم : جهش (mutation)   ........................................................................................36
قدم یازدهم : حفظ بهترین کروموزوم 36……………………………………..
قدم دوازدهم : 37……………………………

فصل سوم
روش پژوهش..................................40
نتایج و بحث:...............................41
نتیجه گیری و کارهای آینده................................................50
نتیجه گیری‌ کلی.............................................................51
منابع...................................43

فهرست تصاویر

فصل اول
تصویر 1-1...........................................................................................6
تصویر 1-2...........................................................................................7

تصویر 1-3...........................................................................................8

تصویر 1-4...........................................................................................8

تصویر 1-5...........................................................................................9
تصویر 1-6...........................................................................................10

تصویر 1-7...........................................................................................11

تصویر 1-8...........................................................................................12

فصل دوم
تصویر 2-1...........................................................................................................................................................30
فصل سوم
تصویر 3-1.........................................................................................................................................................42
تصویر 3-2.........................................................................................................................................................43
تصویر 3-3........................................................................................................................................................44
تصویر 3-4.........................................................................................................................................................45
تصویر 3-5.........................................................................................................................................................46
تصویر 3-7.........................................................................................................................................................47
تصویر 3-8.........................................................................................................................................................48
تصویر 3-9.........................................................................................................................................................48
تصویر 3-10.........................................................................................................................................................49
تصویر 3-11.........................................................................................................................................................49
تصویر 3-12.........................................................................................................................................................50
تصویر 3-13.........................................................................................................................................................51
تصویر 3-14.........................................................................................................................................................51
تصویر 3-15.........................................................................................................................................................52

شامل 67 صفحه word و 60 صفحه pdf و 53 صفحه powerpoint

تحلیل الگوریتم شاخه و قید موازی آسنکرون

اختصاصی از هایدی تحلیل الگوریتم شاخه و قید موازی آسنکرون دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word(قابل ویرایش)تعداد صفحات32

- خلاصه:
در این مقاله توضیحی درباره کامپیوترهای موازی می‌دهیم و بعد الگوریتمهای موازی را بررسی می‌کنیم. ویژگیهای الگوریتم branch & bound را بیان می‌کنیم و الگوریتمهای b&b موازی را ارائه می‌دهیم و دسته‌ای از الگوریتمهای b&b آسنکرون برای اجرا روی سیستم MIMD را توسعه می‌دهیم. سپس این الگوریتم را که توسط عناصر پردازشی ناهمگن اجرا شده است بررسی می‌کنیم.
نمادهای perfect parallel و achieved effiency را که بطور تجربی معیار مناسبی برای موازی‌سازی است معرفی می‌کنیم زیرا نمادهای قبلی speed up (تسریع) و efficiency (کارایی) توانایی کامل را برای اجرای واقعی الگوریتم موازی آسنکرون نداشتند. و نیز شرایی را فراهم کردیم که از آنومالیهایی که به جهت موازی‌سازی و آسنکرون بودن و یا عدم قطعیت باعث کاهش کارایی الگوریتم شده بود، جلوگیری کند.
2- معرفی:
همیشه نیاز به کامپیوترهای قدرتمند وجود داشته است. در مدل سنتی محاسبات، یک عنصر پردازشی منحصر تمام taskها را بصورت خطی (Seqventia) انجام میدهد. به جهت اجرای یک دستورالعمل داده بایستی از محل یک کامپیوتر به محل دیگری منتقل می‌شد، لذا نیاز هب کامپیوترهای قدرتمند اهمیت روز افزون پیدا کرد. یک مدل جدید از محاسبات توسعه داده شد، که در این مدل جدید چندین عنصر پردازشی در اجرای یک task واحد با هم همکاری می‌کنند. ایده اصل این مدل بر اساس تقسیم یک task به subtask‌های مستقل از یکدیگر است که می‌توانند هر کدام بصورت parallel (موازی) اجرا شوند. این نوع از کامپیوتر را کامپیوتر موازی گویند.
تا زمانیکه این امکان وجود داشته باشد که یک task را به زیر taskهایی تقسیم کنیم که اندازه بزرگترین زیر task همچنان به گونه‌ای باشد که باز هم بتوان آنرا کاهش داد و البته تا زمانیکه عناصر پردازشی کافی برای اجرای این sub task ها بطور موازی وجود داشته باشد، قدرت محاسبه یک کامپیوتر موازی نامحدود است. اما در عمل این دو شرط بطور کامل برقرار نمی‌شوند:
اولاً: این امکان وجود ندارد که هر taskی را بطور دلخواه به تعدادی زیر task‌های مستقل تقسیم کنیم. چون همواره تعدادی زیر task های وابسته وجود دارد که بایستی بطور خطی اجرا شوند. از اینرو زمان مورد نیاز برای اجرای یک task بطور موازی یک حد پایین دارد.
دوماً: هر کامپیوتر موازی که عملاً ساخته می‌شود شامل تعداد معینی عناصر پردازشی (Processing element) است. به محض آنکه تعداد taskها فراتر از تعداد عناصر پردازشی برود، بعضی از sub task ها بایستی بصورت خطی اجرا شوند و بعنوان یک فاکتور ثابت در تسریع کامپیوتر موازی تصور می‌شود.