تغییر الگوریتم بهینه سازی فاخته جهت استفاده در محیط های پویا

تعداد صفحات : 102 فرمت پروژه : ورد چکیده محیط­های پویا محیط­هایی هستند که قابلیت تغییرات در طول زمان را به خود اختصاص می­دهند.

دسته بندی: فنی و مهندسی » کامپیوتر و IT

تعداد مشاهده: 2830 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: doc

تعداد صفحات: 102

حجم فایل:2,083 کیلوبایت

  پرداخت و دانلود  قیمت: 25,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.
1 0 گزارش
  • تعداد صفحات : 102

    فرمت پروژه : ورد

    چکیده

    محیط­های پویا محیط­هایی هستند که قابلیت تغییرات در طول زمان را به خود اختصاص می­دهند. این تغییرات می­تواند به طرق مختلف از جمله تغییر در پارامترها، توابع هدف یا محدودیت­های مسئله اتفاق افتد. در این راستا حوزه­ی وسیعی از علوم مختلف مانند مدیریت، اقتصاد، رایانه، ریاضیات و غیره با این تغییرات روبرو بوده که هم در بخش تئوری و هم به صورت عملی در جهان واقعی مطرح می­شوند. به همین دلیل حل مسائل مربوط به محیط­های پویا که به حل مسائل بهینه­سازی پویا معروفند از چند دهه­ی گذشته تا به امروز مطرح بوده­اند. مهمترین چالش در حل این گونه مسائل مربوط به نحوه­ی سازگاری با محیط تغییر یافته­ی جدید می­باشد. بنابراین نیاز به ردیابی و دنبال کردن نقطه­ی (نقاط) بهینه­ی­ جدید در فضای مسئله احساس می­شود. برای برخورد با این چالش محققان بر آن شدند تا از الگوریتم­های تکاملی که الهام گرفته از فرآیندهای تکاملی­اند و افزودن یکسری مکانیزم­های خاص بهره­گیرند. چالش دیگری که این مسائل با آن روبرو می­شوند، یافتن بهینه(ها) به طور هر چه دقیق­تر می­باشد که برای این امر بایستی حتی الامکان از الگوریتم­هایی با سرعت هم­گرایی و توانایی جستجوی محلی بالا استفاده کرد. الگوریتم بهینه­سازی فاخته یکی از الگوریتم­های تکاملی است که در محیط­های ایستا سرعت هم­گرایی و توانایی جستجوی محلی بالایی از خود نشان داده است. از سویی پویاسازی این الگوریتم تاکنون بررسی نشده است. لذا هدف از این پژوهش پویاسازی و ارائه­ی نسخه­ی جدیدی از این الگوریتم می­باشد. برای تحقق این موضوع ابتدا تغییراتی در ساختار اصلی الگوریتم استاندارد ایجاد شده و با بهره­گیری از یک مکانیزم
    خود-تطبیقی در شعاع تخم­گذاری فاخته­ها، تلاش در افزایش سرعت هم­گرایی و توانایی جستجوی محلی صورت گرفته است. سپس جهت ردیابی بهینه(ها) بعد از تغییرات محیطی، از یک الگوریتم چند-دسته­ای، مکانیزم ایجاد دسته­­ی آزادو نیز مکانیزم­ انحصار بهره گرفته می­شود. همچنین جهت رویارویی با چالش­های مربوط به از دست دادن تنوع و حافظه­­ی­ نامعتبر در دسته­های هم­گرا شده، فاخته­های هر دسته در شعاعی (که بر اساس طول گام حرکتی قله­ها تعیین می­گردد) اطراف بهترین فاخته­ی آن دسته پخش و مورد ارزیابی قرار می­گیرند. در دسته­های غیر هم­گرا نیز تنها شایستگی موقعیت فاخته­های آن دسته مجدداًمحاسبه می­شود. مکانیزم غیرفعال­سازی از دیگر مکانیزم­هایی است که جهت افزایش کارآیی الگوریتم در محیط­های پویا مطرح شده است. در نهایت بر اساس نتایج به دست آمده، الگوریتم پیشنهادی در مقایسه با اکثر الگوریتم­ها کارآیی بهتری از خود نشان داده است.

    واژه‌های كلیدی:مسائل بهینه­ سازی پویا، الگوریتم­ های تکاملی و الگوریتم بهینه­ سازی فاخته

    فهرست مطالب

    عنوان

    صفحه

    فصل اول: مقدمه

    فصل دوم: شرح مسئله

    2-1 محیط­های پویا و مسائل بهینه­سازی پویا

    2-2 تغییرات پیوسته و ناپیوسته

    2-3 تغییرات سراسری و مقطعی

    2-4 اهدف

    2-5 خلاصه­ی فصل

    فصل سوم: مفاهیم پایه‌ای

    3-1 الگوریتم بهینه­سازی فاخته

    3-1-1 روش زندگی و تخم­گذاری فاخته­ها

    3-1-2 جزئیات الگوریتم بهینه­سازی فاخته

    3-2 تابع محک قله­های متحرک

    3-3 معیار کارآیی

    3-4 خلاصه­ی فصل

    فصل چهارم: راه‌کارهای پیشین

    4-1 ایجاد تنوع

    4-1-1 اعمال مهاجران تصادفی، مهاجران بر پایه­ی نخبه و ابر جهش به راه اندازی شده در الگوریتم ژنتیک در محیط پویا

    4-1-2 به کارگیری الگوریتم ممتیک بر اساس جستجوی محلی تپه­نوردی در محیط پویا

    4-1-3 استفاده از الگوریتم ایمنی مصنوعی بر پایه­ی خودکار یادگیرنده در محیط پویا

    4-1-4 اعمال مکانیزم خود-سازگار در نرخ جابجایی روی الگوریتم­های تکاملی در محیط پویا

    4-1-5 چگونگی به کارگیری خودکار سلولی در الگوریتم­های تکاملی در محیط­های پویا

    4-2 به کارگیری حافظه

    4-2-1 حافظه­ی ضمنی

    4-2-2 حافظه­ی صریح

    4-3 روش چند-جمعیتی بودن

    4-3-1 به کارگیری الگوریتم بهینه­سازی چند-جمعیتی ذرات سریع درمحیط پویا

    4-3-2 الگوریتم بهینه­سازی تجمعی ذرات با رویکرد افزودن گروه فرزند در محیط پویا

    4-3-3 به کارگیری الگوریتم بهینه­سازی تجمعی ذرات با رویکرد وزن تطبیقی و خوشه­بندی فازی در محیط پویا

    4-3-4 به کارگیری الگوریتم گروه ماهی‌های مصنوعی با رویکرد چند-جمعیتی در محیط پویا

    4-3-5 به کارگیری الگوریتم کرم شب­تاب با رویکرد ایجاد گروه در محیط پویا

    4-4 خلاصه­ی فصل

    فصل پنجم: راه­کار پیشنهادی و ارزیابی نتایج

    5-1 الگوریتم MCOA

    5-1-1 مکانیزم خود-تطبیقی شعاع تخم­گذاری

    5-2 الگوریتم پیشنهادی MMCOAجهت بهینه­سازی در محیط­های پویا

    5-2-1 بررسی هم­گرایی دسته­ها

    5-2-2 مکانیزم انحصار

    5-2-3 کشف تغییرات محیط

    5-2-4 رفع مشکل حافظه­ی نامعتبر و تنوع از دست رفته

    5-2-5 مکانیزم غیرفعال­سازی

    5-3 تحلیل و ارزیابی نتایج

    5-3-1 تحلیل نتایج الگوریتم MMCOAدر فرکانس تغییرات و تعداد قله­های مختلف و مقایسه با دیگر الگوریتم­ها

    5-3-2 تحلیل نتایج الگوریتم MMCOAدر طول گام حرکتی مختلف قله­ها و مقایسه با دیگر الگوریتم­ها

    5-3-3 تحلیل نتایج الگوریتم MMCOAبا تعداد ابعاد مختلف مسئله و مقایسه با دیگر الگوریتم­ها

    5-4 جمع­بندی نتایج

    5-5 خلاصه­ی فصل

    فصل ششم: نتیجه‌گیری و راه­کارهای آتی

    6-1 نتیجه‌گیری

    6-2 راه‌کارهای آتی

    مراجع

    واژه ­نامه



    برچسب ها: افزایش دقت شناسایی چهره با انتخاب زیر مجموعه بهینه از ویژگی های چهره با بکارگیری الگوریتم فاخته پردازش تصویر علوم کامپیوتر پایاین نامه علوم کامپیوتر پایان نامه پردازش تصویر مقالات ارشد علوم کامپیوتر
  • zip
  

به ما اعتماد کنید

تمامي كالاها و خدمات اين فروشگاه، حسب مورد داراي مجوزهاي لازم از مراجع مربوطه مي‌باشند و فعاليت‌هاي اين سايت تابع قوانين و مقررات جمهوري اسلامي ايران است.
این سایت در ستاد سازماندهی ثبت شده است.

درباره ما


در صــورت بروز هر گونه مشکل در خرید تماس ، پیامک پاسخگوی شما هستیم
09359579348
تمام حقوق سایت sabzfile.ir محفوظ می باشد و هرگونه کپی برداری پیگرد قانونی دارد. طراحی سایت