مقاله در مورد الگوریتم

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه23

 مقدمه

در سالهای اخیر آمارشناسان به طور زیاد روش‌های الگوریتم مونت کارلوی زنجیر مارکوفی (MCMC) را رسم کرده‌اند. الگوریتم نمونه‌گیری گیبر یکی از بهترین روش‌های شناخته شده است برای آشنایی با شرایط مسأله فرض کنید در بردار تصادفی () برای محاسبه چگالی کناری x ، با مشکل روبرو هستیم اما چگالی‌های شرطی   و   و … در دسترس می‌باشند. در روش نمونه‌گیری گیبس مشاهداتی به صورت غیرمستقیم ازx تولید می‌شود و به کمک آنها چگالی کناری x را بررسی می‌کنیم.

حالا توجه قابل ملاحظه‌ای به الگوریتم متروپولیس- هستینگس[1] تخصیص داده شده است که توسط متروپولیس و روسنبلوس[2]، تلر[3] (1953) گسترش و بعداً توسط هستینگس (1970) نظم داده شده است. الگوریتم M-H به طور زیاد در فیزیک کاربرد دارد و هنوز با وجود مقاله‌ای که توسط هستینگس ارائه شده است، به طور خیلی کم برای آمارشناسان شناخته شده است.

به دلیل سودمندی الگوریتم M-H ، کاربردهای آن به طور مداوم ظاهر می‌شود. برای مثال‌های جدید مولر[4] (1993)، چیب وگریبزگ[5]   (1994) و فیلیپس و اسمیت[6] (1994) را ببینید.

ما مقدمه‌ای را از این الگوریتم تهیه کرده‌ایم که از اصول اولیه آن مشتق شده است این مقاله به تنهایی مربوط به تئوری زنجیر مارکوف است. مطالب مربوط به این مقاله چنان که در پایین می‌آید به بحث گذاشته می‌شود. در بخش 2،‌ ما به طور خلاصه مشابه روش‌پذیرش- رد کردنی را مرور می‌کنیم. اگر چه MCMC نیست ولی بعضی از تفسیرهایی که در الگوریتم متروپولیس- هستینگس ظاهر می‌شود را به کار می‌برد و این مقدمه ای خو

[1] Metropolis-Hastings

[2] Rosenbluth

[3] Teller

[4]Muller

[5] chib and Greenberg

[6] Smith

دانلود پاورپوینت الگوریتم های ژنتیک

مشخصات این فایل
عنوان:  الگوریتم های ژنتیک
فرمت فایل :پاورپوینت (قابل ویرایش)
تعداد اسلایدها : 54

این پاورپوینت در مورد  الگوریتم های ژنتیک می باشد.

بخشی از تیترها به همراه مختصری از توضیحات هر تیتر از پاورپوینت الگوریتم های ژنتیک

الگوریتم های ژنتیک و تنازع بقا :
قانون انتخاب طبیعی : تنها گونه هایی از یک جمعیت ادامه نسل می دهند که بهترین خصوصیت را داشته باشند.
تکامل طبیعی : جستجوی کورکورانه (تصادف)+بقای قوی تر

مقایسه روش های کلاسیک ریاضیات با الگوریتم ژنتیک:
روش‌های کلاسیک ریاضیات دارای دو اشکال اساسی هستند:
اغلب این روش‌ها نقطه بهینه محلی(Local Optima) را بعنوان نقطه بهینه کلی در نظر می ‌گیرند.روش‌های ریاضی بهینه‌سازی اغلب منجر به یک فرمول یا دستورالعمل خاص برای حل هر مسئله می‌شوند. در حالی که روش‌های هوشمند دستورالعمل‌هایی هستند که به صورت کلی می‌توانند در حل هر مسئله‌ای به کار گرفته شوند. این نکته را پس از آشنایی با خود الگوریتم بیشتر و بهتر خواهید دید.

معرفی اجمالی GA:
از الگوریتم ژنتیک در مسائل جستجو و بهینه سازی استفاده می گردد.ابتدا یک نسل اولیه ایجاد می گردد(بصورت تصادفی) که در واقع کروموزوم های اولیه هستند. هر یک از این کروموزوم ها جوابی(به عبارت صحیح تر شبه جواب) برای مسئله هستند.اما جواب اصلی که ما به دنبال آن هستیم نیستند. سپس پدیده جهش(با احتمال خیلی کم) ممکن است رخ دهد. در نهایت کروموزموم ها از نظر امتیاز رتبه بندی می گردند(انتخاب تابعی مناسب برای تعیین امتیاز بسیار مهم است)...(ادامه دارد)

ارزیابی( Evaluatio) :
یکتا بودن تابع ارزیابی برای هر مسئله
بررسی هر کروموزوم
توجه به محدودیت‌های موجود در مسئله
نسبت دادن یک مقدار به هر کروموزوم با نام برازندگی (Fitness)
Fitness = میزان خوبی یک کروموزوم
Fitness = فاصله باقیمانده تا جواب نهایی

عملیات انتخاب ( Selection ) :
انتخاب یک جفت کروموزوم برای تولید‌مثل
تعداد دفعات انتخاب دلخواه
ایده همه روش‌های انتخاب = انتخاب بهترین کروموزوم‌ها
روش‌های موجود:
1) Roulette Wheel Selection
  2) Ranking Selection
3) Tournament Selection
و ...(ادامه دارد)

تبادل (Crossover):
از عملگرهای اساسی در الگوریتم‌های ژنتیک
مقداردهی پارامتر بعنوان احتمال انجام عمل تبادل
تولید یک عدد تصادفی بین صفر ویک
انجام عمل تبادل در صورتی که عدد تصادفی تولید شده بزرگتر از احتمال انجام تبادل باشد

جمع‌بندی :
کاربرد الگوریتم‌های ژنتیک برای جستجو در فضاهای خیلی بزرگ
کارایی نسبتاً خوب این الگوریتم‌ها در پیدا کردن Global Optima
بدست آوردن یک تابع خوب برای محاسبه برازندگی کروموزوم‌ها
دقت زیاد در مقداردهی پارامترهای کنترل....(ادامه دارد)

بخشی از فهرست پاورپوینت الگوریتم های ژنتیک

مقدمه و تاریخچه
روند الگوریتم‌های ژنتیک
مزایا و معایب الگوریتم‌های ژنتیک
پارامتر‌های کنترل
حل TSP با استفاده از GA
جمع‌بندی

Merge Sort

این پاورپوینت بسیار کامل در 54 اسلاید به شرح موارد زیر میپردازد:

lرائه دوالگوریتم برای ادغام دو لیست مرتبlالگوریتم غیر بازگشتی Merge Sortlالگوریتم بازگشتیlMerge Sort      یکی از روش های مرتب سازی داخلی است.lدر مرتب سازی به روش ادغام آرایه یا لیست مورد نظر طی چند مرحله به تعدادی آرایه یا لیست تک عضوی شکسته می شود.

     نکات:تعداد آرایه ها یا لیست های تک عضوی همان تعداد اولیه ی نودها یا اعضای آرایه هستند .                  

     طول لیست یا آرایه ی اولیه را Nدر نظر بگیرید.

     به جای آرایه لیست به کار می بریم .

Merge Sort

کتاب آموزش کامل الگوریتم نویسی و فلوچارت

کتاب آموزش کامل و جامع الگوریتم نویسی و رسم فلوچارت.

در این کتاب آموزش الگوریتم نویسی با روشی ساده و قابل درک برای افراد مبتدی تا حرفه ای بیان شده است.

الگوریتم نویسی مقدمه و لازمه ی برنامه نویسی است و برای برنامه نویس شدن ابتدا باید الگوریتم نویسی را یاد بگیرید.

الگوریتم نویسی در تمامی زبان های برنامه نویسی مشترک است و با یادگیریه اصولی و کامله الگوریتم نویسی و رسم فلوچارت برای همیشه در ذهنتان میماند و میتوانید برنامه نویس قابلی شوید.

آموزشی روان و کاربردی

یکبار برای همیشه الگوریتم نویسی و رسم فلوچارت را یاد بگیرید

227 صفحه با فرمت PDF

پروپوزال آماده برای پروژه کارشناسی ارشد در فرمت ورد با عنوان مکان یابی مراکز خدمت دهی با تنوع خدمت و در چارچوب صف

پروپوزال آماده برای پروژه کارشناسی ارشد رشته مهندسی صنایع در فرمت word و با قابلیت ویرایش با عنوان مدلسازی و حل مسئلۀ چندهدفۀ مکان یابی مراکز خدمت با تنوع خدمت و در چارچوب صف.

این فایل یک نمونه پروپوزال آماده و تکمیل شده در رشته صنایع می‌ باشد که طبق اصول و استانداردهای پروپوزال نویسی نگارش شده است.پروپوزال یا طرح تحقیق، پیش نویس پ‍ژوهشی است که شما می بایست برای اخذ مدرک تحصیلی خود انجام دهید. در پروپوزال، شما به معرفی موضوعی که برای پایان نامه خود انتخاب کرده اید، توضیح اهمیت آن موضوع، ذکر پ‍‍ژوهش هایی که در گذشته در این باره صورت گرفته، و نتایجی که فکر می کنید از تحقیق خواهید گرفت می پردازید. هم چنین روش یا روش هایی که در پژوهش از آن ها بهره خواهید گرفت را ذکر می کنید.

در زیر به بخش های از این پروپوزال اشاره شده است :

عنوان پایان نامه

جدول اطلاعات مربوط به اساتید راهنما و مشاور

اطلاعات مربوط به پایان نامه

تعریف مساله

بیان مساله

اهداف تحقیق

سوال های اصلی تحقیق

پیشینه تحقیق

ضروت انجام تحقیق

فرضیه های تحقیق

روش انجام تحقیق

منابع تحقیق

و ...

در زیر به بخشی از این پروپوزال اشاره شده است :

مسایل مکان­ یابی به یافتن مکان مناسب برای یک یا چند تسهیل می پردازند، به نحوی که مجموع هزینه های عملیاتی، حمل و نقل و انتظار حداقل شود. مراکز خدمت­ دهی در دنیای واقعی معمولا با تقاضاهای ثابت و متغیر روبه ­رو هستند.گرچه مراکز خدمت­ دهی توانایی مواجهه شدن با میانگین تقاضا را دارند، ولی تقاضا در برخی مواقع ممکن است به قدری سنگین شود که مراکز خدمت ­دهی توانایی پاسخ ­دهی به آن را نداشته باشند. در چنین مواقعی در سیستم صف تشکیل می شود و سیستم را ازدحامی می­ نامند.

در پروپوزال این پایان نامه به پرسش های زیر پرداخته شده است:

چگونه می ­توان مکان­ های چند مرکز خدمت ­دهی با چند خدمت­ دهنده با تنوع خدمت (تنوع خدمت یعنی ارایه چند نوع خدمت مستقل و متفاوت از هم) که تعداد آن­ها نامشخص است، را تعیین نمود؟ به نحوی که میزان پخش نامساوی و نامتعادل تقاضا در میان مراکز خدمت ­دهی، زمان سفر و انتظار مشتریان در مراکز و هزینه ­های احداث مراکز خدمت­دهی کمینه شود و مشتریان مراکز خدمت ­دهی را براساس علاقه و اطلاعات قبلی انتخاب کنند و این مدل را با روش‌های حل برنامه‌ریزی ریاضی چند هدفه و الگوریتم‌های ابتکاری یا فرا ابتکاری حل نمود؟

تهیه کننده: فضه پرتوی (کارشناس ارشد مهندس صنایع از دانشگاه آزاد قزوین و مدرس دانشگاه های علمی و کاربردی)

فرمت فایل 1: Word (با قابلیت ویرایش)

فرمت فایل 2: PDF

تعداد صفحه: 17 صفحه