دانلود ترجمه مقاله الگوریتم های تکاملی برای بهینه سازی چند موردی *

اختصاصی از هایدی دانلود ترجمه مقاله الگوریتم های تکاملی برای بهینه سازی چند موردی * دانلود با لینک مستقیم و پر سرعت .

دانلود ترجمه مقاله الگوریتم های تکاملی برای بهینه سازی چند موردی ؛ یک مقاله ترجمه شده خوب برای رشته های مهندسی کامپیوتر نرم افزار و فناوری اطلاعات است که در 29 صفحه ترجمه شده و برای دانلود مهیا گردیده است.

 

چکیده :

این مقاله به بررسی برخی از الگوریتم های تکاملی معروف و مقایسه ی نظام مند آنها پرداخته است‎.‎‏ ‏سپس مسائل بهینه سازی و چند هدف را نشان داده و اهمیت آنها را بررسی می کنند‎.‎‏ پس از آن بر روی ‏الگوریتم های چند هدفه تمرکز کرده که در حال حاضر توسط بسیاری محققان انجام می شود و محاسن و ‏معایب این الگوریتم تکاملی را بررسی کرده است ‏‎(MDEAS)‎‏ در نهایت روند آن در آینده و برخی ‏از مسیر های ممکن تحقیقات را ارائه نموده است. ‏

 

 

کلیدواژه ها:

‎الگوریتم های تکاملی

بهینه های چند معیاری

راه حل پارتو تحت سلطه و غیر تحت سلطه

 

 

مقدمه :

تکنیک های تکاملی به منظور بهینه سازی تک هدفه بیش از سه دهه است که مورد استفاده قرار می ‏گیرد اما کشف کردن که مشکلات دنیای واقعی به طور طبیعی به صورت چند هدف می باشد. در حال ‏حاضر بهینه سازی چند هدفه به یک موضوع بسیار محبوب بین محققین در آمده است. اما هنوز هم ‏بسیاری از سوالات بی پاسخ در این حوزه وجود دارد. در واقع حتی یک مورد پذیرش بین المللی در ‏رابطه با تعریف مطلوب از هدف بهینه سازی وجود ندارد, که باعث می شود حتی آن قابل مقایسه با روش ‏های دیگر شود. چرا که به طور معمول تصمیم گیری در مورد آنچه که بهترین پاسخ را به اصطلاح انسان ‏در تصمیم گیری دارد. 

 

از آنجایی که بهینه سازی چند معیار دارد و ممکن است این معیار ها با هم ‏تفاضل داشته باشند معمولا برای ارائه راه حل برای آنها و ارائه یک معیار واحد مشکلاتی وجود دارد. اما در ‏نهایت راه حل این مشکل معمولا با تنظیم پارامترهای مختلف توسط کاربر میسر است. علاوه بر این از ‏آنجا که معمولا از روش های بهینه سازی کلاسیک استفاده می شود تنها یک راه حل (پارتو) می تواند به ‏یک نتیجه نهایی برسد. بنابر این در جهت پیداکردن چند راه حل پارتو،الگوریتم های تکاملی بهترین ‏انتخاب می باشد. این الگوریتم اجازه می دهد تا یک مجموعه مکمل از راه حل های پارتو در یک ‏الگوریتم تعیین شود. علاوه بر این الگوریتم های تکاملی در روش پارتو از یک پیوستگی برخودار ‏هستند.‏

 

 

 

فهرست مطالب :

چکیده :‏ ‏2‏

کلید واژه :‏ ‏3‏

‎1-‎ مقدمه:‏ ‏3‏

‏2-الگوریتم های تکاملی :‏ ‏4‏

‏2-1 الگوریتم ژنتیکی :‏ ‏5‏

‏2-3 برنامه نویسی تکاملی :‏ ‏5‏

‏2-4 برنامه نویسی ژنتیکی:‏ ‏6‏

‏3-الگوریتم های تکاملی چند هدفه :‏ ‏7‏

مجموعه بهینه پارتو:‏ ‏8‏

تفاوت بین مجموعه غیر سلطه ای و مجموعه بهینه پارتو:‏ ‏8‏

‏4- روشهای مختلف ‏MOEA‏ :‏ ‏9‏

‏4-1 روش مجموع وزنی :‏ ‏10‏

الگوریتم :‏ ‏10‏

‏1- تولید جمعیت اولیه به صورت تصادفی :‏ ‏10‏

‏1- تابع تناسب برای هرفرد ‏11‏

مزایا و معایب :‏ ‏11‏

مدل فونسکا و فیلیمینگ:‏ ‏13‏

‏1-روش انتساب تناسب براسس رتبه ‏14‏

‏2-روش نیچ ‏14‏

مزایا و معایب:‏ ‏14‏

‏4-4 مدل هورن ناف پولیتس و گولد برگز ‏‎(NPGA)‎‏:‏ ‏14‏

تورنومنت سلطه پارتو:‏ ‏15‏

‏5-4 : روش پارتو با مدل زیتزلر و تیل ‏16‏

رتبه بندی افراد بر اساس سطح غیر سلطه :‏ ‏18‏

انتصاب تناسب :‏ ‏18‏

‏1-محاسبه و اندازه گیری از راه دور بایکی از راه های غیر تحت سلطه ‏19‏

فرمول ‏19‏

‏4-7 استراتژی تکامل برداری ‏‎(VOES)‎‏:‏ ‏20‏

‏4-8 الگوریتم ژنتیک براساس وزن‎(WBGA)‎‏:‏ ‏21‏

فرمول الگوریتم ‏22‏

روش برداریک ‏23‏

‏4-9 استراتژی تکامل شکار-طعمه‎(PPES)‎‏:‏ ‏23‏

‏4-10 الگوریتمژنتیکی ترمودینامیکال ‏‎(TDGM)‎‏:‏ ‏24‏

‏4-11 استراتژی تکاملی پارتو‎(PAES)‎‏:‏ ‏25‏

‏4-12 الگوریتم تکاملی نخبه گرایی رودلف:‏ ‏26‏

‏4-13 الگوریتم ژنتیکی نخبه گرایی غیر تحت سلطه‎(ENSGA)‎‏ :‏ ‏26‏

‏4-14 الگوریتم ژنتیک پارتو براساس فاصله ‏‎(DBPGA)‎‏ :‏ ‏27‏

مقاله درموردتاریخچه و سیر تکاملی درجنگهای شیمیایی دنیا

اختصاصی از هایدی مقاله درموردتاریخچه و سیر تکاملی درجنگهای شیمیایی دنیا دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)


تعداد صفحه:23

فهرست

تاریخچه و سیر تکاملی درجنگهای شیمیایی دنیا

جنگ جهانی اول و نخستین حملات شیمیایی

نخستین حمله موفق آلمان ها و تلفات سنگین با گاز کلر

ورود گاز خردل به میدان جنگ

آسیب غیر نظامیان

تلفات گازهای شیمیایی در جنگ جهانی اول

استفاده ازعوامل شیمیایی بین دو جنگ جهانی

ورود گاز خردل به میدان جنگ

آسیب غیر نظامیان

تلفات گازهای شیمیایی درجنگ جهانی اول

تاریخچه و سیر تکاملی درجنگهای شیمیایی دنیا

جنگ شیمیایی با جنگ جهانی اول در اوایل قرن بیستم آغاز شد و با جنگ شیمیایی عراق علیه ایران در اواخر قرن بیستم به اتمام رسید. اگر چه در تاریخ، تا قبل از شروع جنگ اول جهانی مواردی از بکار گیری اسلحه شیمیایی ذکر شده است ولی انجام جدی حملات شیمیایی به جنگ اول باز می گردد.

جنگ جهانی اول و نخستین حملات شیمیایی

از اوایل جنگ جهانی گازهای شیمیایی وارد میدان شدند. دراگوست 1914 فرانسویها گازهای اشک آور مختلفی ر ااستفاده نمودند. در ژانویه 1915آلمانها در لهستان علیه روسها از گاز کلر استفاده نمودند که بی نتیجه بود.

نخستین حمله موفق آلمان ها و تلفات سنگین با گاز کلر

در بعد از ظهر 27 آوریل 1915 آلمانها در نزدیکی شهری به نام ‎YP RES در بلژیک علیه متفقین (که بیشتر سربازان انگلیسی و بلژیکی بودند) گاز کلرین را بکار بردند که نخستین حمله وسیع گازی در تاریخ دنیا محسوب می شود. در این حمله حدود 6000 سیلندر حاوی کلرین مایع را در طول یک خط 6کیلومتری مستقر نموده، 180 تن کلرین را آزاد نمودند که بخاطر جو مناسب بصورت ابر سبز رنگی خط مقدم متفقین را پوشانید. چون متفقین هیچگونه آمادگی نداشتند، شدیدا آسیب دیدند بطوری که تلفاتشان به 5000 کشته و 15000 مصدوم رسید. این حادثه نقطه عطفی در تاریخ جنگهای دنیا بشمار رفت زیرا بر تمامی کشورها روشن شد که اکنون یک عامل جدید وارد میدان شده است که محاسبات روشهای مقابله با آن پرداختند. پس از حمله شمیمیایی 27 آوریل، در ظرف چند روز هزاران ماسک توسط زنهای انگلیسی ساخته شد و در اختیار سربازان قرار گرفت. این ماسکها عبارت بودند از یک پدنخی که با محلولی از هیپوسولفیت سدیم، گلیسیرین و بیاکر بنات سدیم آغشته شده بود. در نتیجه در حمله بعد با گاز کلرین که چند روز بعد در ماه (می) انجام شد فقط 1200 مصدوم شیمیایی از متفقین بجای ماند. در ماههای بعد نیز همچنان حملات با گاز کلر توسط آلمانها ادامه یافت. نتیجه تحقیق انگلیسها روی گاز های جنگی سرانجام در 25 سپتامبر 1915 بصورت نخستین حمله آنها با گاز کلر علیه آلمانها نمایان شد.

الگوریتم های بهینه سازی تکاملی

اختصاصی از هایدی الگوریتم های بهینه سازی تکاملی دانلود با لینک مستقیم و پر سرعت .

چکیده:

موضوع اصلی این نوشتار، معرفی و بررسی روش هایی است که با نام هوش جمعی از آن ها یاد می شود. البته روش های هوش جمعی نیز از طبیعت الهام گرفته شده اند و در فصل های بعدی، به صورت جداگانه مطرح خواهند شد. در الگوریتم ژنتیک و همچنین الگوریتم بازپخت، که در بخش های بعدی معرفی می شوند، جواب های متعددی که در مجموعه جواب های الگوریتم وجود دارند، همگی به صورت جداگانه و توسط خود الگوریتم بررسی می شوند و هیچ گونه ارتباط مستقیم و یا غیرمستقیمی بین جواب های مختلف وجود ندارد. به عنوان مثال، در الگوریتم ژنتیک، هیچ کدام از کروموزوم ها از بهترین کروموزوم موجود در جمعیت اطلاع ندارند. مثلا نمی دانند که مقدار ژن دوم در آن کروموزوم چند است. و یا اینکه، از مقدار تابع هدف به ازای کروموزوم نخبه بی خبر هستند.

در روش هایی که در گروه هوش جمعی جای می گیرند، ارتباط مستقیم یا غیرمستقیم بین جواب های مختلف الگوریتم وجود دارد. در واقع، در این روش ها، جواب ها که موجوداتی کم هوش و ساده هستند، برای پیدا شدن و یا تبدیل شدن به جواب بهینه، همکاری می کنند. این روش ها از رفتارهای جمعی حیوانات و موجودات زنده در طبیعت الهام گرفته شده اند.

مقدمه:

بهینه سازی فرایندی است که برای بهتر کردن چیزی دنبال می شود. فکر، ایده و یا طرحی که توسط یک دانشمند یا یک مهندس مطرح می شود، طی روند بهینه سازی بهتر می شود. در هنگام بهینه سازی، شرایط اولیه با روش های مختلف مورد بررسی قرار می گیرد و اطلاعات به دست آمده، برای بهبود بخشیدن به یک فکر یا روش مورد استفاده قرار می گیرند. بهینه سازی ابزاری ریاضی است، که برای یافتن پاسخ بسیاری از پرسش ها در خصوص چگونگی راه حل مسائل مختلف، به کار می رود.

در بهینه سازی از یافتن بهترین جواب برای یک مسأله صحبت به میان می آید. لفظ بهترین به طور ضمنی بیان می کند که بیش از یک جواب برای مسأله مورد نظر وجود دارد که البته دارای ارزش یکسانی نیستند. تعریف بهترین جواب، به مسأله مورد بررسی، روش حل و همچنین میزان خطای مجاز وابسته است. بنابراین نحوه فرمول بندی مسأله نیز بر چگونگی تعریف بهترین جواب تاثیر مستقیم دارد. برخی از مسائل جواب های مشخصی دارند. بهترین بازیکن یک رشته ورزشی، طولانی ترین روز سال و پاسخ یک معادله دیفرانسیل معمولی درجه اول، از مثال هایی هستند که می توان از آنها به عنوان مساله ساده نام برد.

فصل 1

کلیات

1-1- هدف

بهینه سازی فرایندی است که برای بهتر کردن چیزی دنبال می شود. فکر، ایده و یا طرحی که توسط یک دانشمند یا یک مهندس مطرح می شود، طی روند بهینه سازی بهتر می شود. در هنگام بهینه سازی، شرایط اولیه با روش های مختلف مورد بررسی قرار می گیرد و اطلاعات به دست آمده، برای بهبود بخشیدن به یک فکر یا روش مورد استفاده قرار می گیرند. بهینه سازی ابزاری ریاضی است که برای یافتن پاسخ بسیاری از پرسش ها در خصوص چگونگی راه حل مسائل مختلف به کار می رود.

در بهینه سازی از یافتن بهترین جواب برای یک مسأله صحبت به میان می آید. لفظ بهترین به طور ضمنی بیان می کند که بیش از یک جواب برای مسأله مورد نظر وجود دارد که البته دارای ارزش یکسانی نیستند. تعریف بهترین جواب، به مسأله مورد بررسی، روش حل و همچنین میزان خطای مجاز وابسته است. بنابراین نحوه فرمول بندی مسأله نیز بر چگونگی تعریف بهترین جواب تاثیر مستقیم دارد. برخی از مسائل جواب های مشخصی دارند. بهترین بازیکن یک رشته ورزشی، طولانی ترین روز سال و پاسخ یک معادله دیفرانسیل معمولی درجه اول، از مثال هایی هستند که می توان از آنها به عنوان مسائل ساده نام برد. در مقابل، برخی از مسائل دارای جواب های بیشینه یا کمینه متعددی هستند، که به نام نقاط بهینه یا اکسترمم شناخته می شوند، و احتمالا بهترین جواب یک مفهوم نسبی خواهد بود. بهترین اثر هنری، زیباترین منظره و گوش نوازترین قطعه موسیقی از مثال هایی هستند که می توان برای این گونه مسائل بیان کرد.

تعداد صفحه : 78