دانلود با لینک مستقیم و پر سرعت .
فهرست:
چکیده
ACO
PSO
Financial
GA
Fuzzy
Matlab
متن اصلی:
مقدمه بخش1 :
بخش 2: تحلیل الگوریتم های پیشنهاد شده
بخش 3: محیط کاربرد ها و توصیف اطلاعات مالی
بخش 4: شبیه سازی
بخش 5:کارهای مشابه
بخش 6:مقایسه کار خود با دیگران
بخش 7: نتایج
بخش 8: تحقیقات آینده
-----------------------
تصمیمات مالی اغلب بر اساس روش های طبقه بندی هستند که برای تعیین مجموعه ای از مشاهدات در گروه هایی که از قبل تعیین شده اند استفاده میشوند. یک گام مهم در مورد توسعه مدل های طبقه بندی صحیح
انتخاب متغیر های مستقل مناسب را در بر می گیرد که به مشکل موجود مربوط می شود .این مساله به عنوان مشکل انتخاب ترکیب دررشته استخراج اطلاعات/ یادگیری دستگاهی شناخته شده است.
این تحقیق برای رفع این مشکل از دو روشی که از طبیعت الهام گرفته اند یعنی بهینه سازی اجتماعات مورچه ای و گروه کوچک زنبوری استفاده می کند.این بافت مدل سازی شده توسعه داده شده است وعملکرد روش ها
در دو حوزه ی کارهای طبقه بندی مالی مورد آزمایش قرار گرفته است که ارزیابی ریسک اعتبار را در بر می گیرد وکمیت ها را بررسی می کند.
هوش جمعی (Swarm Intelligence):
نوعی روش هوش مصنوعی است که مبتنی بر رفتارهای جمعی در سامانه‌های نامتمرکز و خودسامانده بنیان شده است. این سامانه‌ها معمولاً از جمعیتی از کنشگران ساده تشکیل شده است که بطور محلی با یکدیگر و با
محیط خود در تعامل هستند. با وجود اینکه معمولاً هیچ کنترل تمرکزیافته‌ای، چگونگی رفتار کنشگران را به آنها تحمیل نمی‌کند، تعاملات محلی آنها به پیدایش رفتاری عمومی می‌انجامد. مثال‌هایی از چنین سیستم‌های را
میتوان در طبیعت مشاهده کرد؛ گروههای مورچه‌ها، دستهٔ پرندگان، گله‌های حیوانات، تجمعات باکتری‌ها و دسته‌های ماهی‌ها.
روش‌های هوش ازدحامی
از موارد روش‌های فرااکتشافی میتوان به موارد زیر اشاره کرد:
ACO
PSO
روش شبیه‌سازی کوره‌ای
روش جستجوی مبتنی بر منع
روش محاسبات تکاملی
دو روش اول موفق‌ترین روش‌های هوش مصنوعی ازدحامی که تاکنون اند.
(Ant colony optimization (ACO:
استفاده از الگوریتم‌های ابتکاری در حل مسئله بهینه‌سازی امری ضروری و اجتناب‌ناپذیر است. این روش از توانایی مورچه‌ها در پیدا کردن کوتاهترین مسیر بین لانه و یک منبع غذایی الهام گرفته است. وقتی مورچه‌ها در
محیط اطراف حرکت می‌نمایند، اثری شیمیایی به نام فرومون از خود بجای می‌گذارند. وقتی جمعیتی از مورچه‌ها از چند مسیر بین لانه و یک منبع غذایی حرکت می‌کنند، پس از مدت زمان معینی مشاهده می‌شود که در
مسیرهای متفاوت، فرومونهای برجای گذاشته شده متفاوت میباشد. این امر ناشی از این واقعیت است که مورچه‌هایی که در مسیر کوتاه حرکت می‌کنند، به علت کوتاه‌تر بودن مسیر در یک مدت زمان معین‌تردد بیشتری
داشته‌اند چون مورچه‌ها، مسیر کوتاه‌تر را انتخاب کرده‌اند. با استفاده از روش مورچه‌ها، روش جستجوئی پیاده‌سازی می‌شود که در هر مرحله‌ای از اطلاعات مراحل قبلی برای رسیدن به هدف استفاده میگردد.
تاریخچه الگوریتم مورچگان:
به‌کارگیری سیستم مورچگان اولین بار (الگوریتم مورچگان) توسط Dorgio و همکاران و خود او به عنوان یک نگرش با چندین عامل برای حل مسائل بهینه‌سازی ترکیبی یا راه‌حل چندعامله (multi Agent) مشکل،
مانند مسئله فروشنده دوره گرد یا (TSP) (Traveling Sales Person) و مسئله تخصیص منابع یا QAP پیشنهاد و ارائه شد.
خصوصیات مورچه‌ها:
1 - اجتماعی بودن: مطالعات نشان داده است که مورچه‌ها حشراتی اجتماعی هستند که در کلونی‌ها زندگی می‌کنند و رفتار آنها بیشتر در جهت بقاء کلونی است تا در جهت بقاء یک جزء از آن.
2. هوشمندی توده‌ای: مورچه‌ها با وجود کور و کم‌هوش بودن کوتاهترین مسیر رفت و برگشت از خانه تا غذا را پیدا می‌کنند. این یکی از مهمترین و جالبترین رفتار مورچه‌ها میباشد که این نوع رفتار مورچه‌ها دارای
نوعی هوشمندی توده‌ای است که عناصر رفتاری تصادفی(احتمال) دارند و بین آنها (همدیگر) هیچ نوع ارتباط مستقیمی وجود ندارد و آنها تنها بصورت غیرمستقیم و با استفاده از نشانه‌ها با یکدیگر در تماس هستند.
مورچه‌ها چگونه کوتاهترین مسیر را انتخاب می‌کنند؟ :
مورچه‌ها هنگام راه رفتن از خود ردی از ماده شیمیایی فرومون (pheromone) بجای می‌گذارند که البته این ماده بزودی تبخیر می‌شود ولی در کوتاه مدت بعنوان رد مورچه بر سطح زمین باقی می‌ماند
یک رفتار پایه‌ای ساده در مورچه‌ها وجود دارد:
آنها هنگام انتخاب بین دو مسیر بصورت احتمالاتی (statistical) مسیری را انتخاب می‌کنند که فرومون بیشتری داشته باشد یا بعبارت دیگر مورچه‌های بیشتری قبلاً از آن جا عبور کرده باشند.
ویژگیهای الگوریتم مورچگان:
الگوریتم مورچگان:
1-چندمنظوره میباشد، به عبارت دیگر می‌تواند برای انواع مشابه یک مسأله به کار رود.
2-قوی میباشد، یعین با کمترین تغییرات برای دیگر مسائل بهینه‌سازی ترکیبی به کار برده می‌شود.
3-یک روش مبتنی بر جمعیت میباشد.
مزیتهای ACO:
-ایجاد انعطاف در حل هرگونه مسئله بهینه‌سازی
-پسخورد مثبت (پسخورد مثبت، منجر به کشف سریع جوابهاب خوب می‌شود)
-محاسبات توزیع شده (محاسبات توزیع شده از همگرایی زودرس و بی‌موقع جلوگیری می‌کند)
-هیوریستیک آزمند سازنده (به کشف جوابهای قابل قبول در مراحل اولیه جستجو کمک می‌کند).
-تبخیر شدن فرومون و احتمال - تصادف به مورچه ها امکان پیدا کردن کوتاهترین مسیر را می دهند. این دو ویژگی باعث ایجاد انعطاف در حل هرگونه مسئله بهینه سازی می شوند.
-کاربردهای الگوریتم مورچگان:
از کاربردهای الگوریتم (ACO) میتوان به بهینه کردن هر مسئله‌ای که نیاز به یافتن کوتاهترین مسیر دارد استفاده می شود:
1- مسیریابی داخل شهری و بین شهری
2- مسیریابی بین پست‌های شبکه‌های توزیع برق ولتاژ بالا
3- مسیریابی شبکه‌های کامپیوتری
4-مسیر یابی تامین مواد اولیه جهت تولید به هنگام
شامل 125 اسلاید powerpoint
