برنامه حل مسئله 8 وزیر به روش الگوریتم ژنتیک ، به زبان سی شارپ و به همراه توضیحات فارسی کد ها و قابلیت تنظیم مقادیر اندازه جمعیت ، تعداد نسل ها ، ضریب ترکیب و ضریب جهش و نمایش خروجی به صورت ویژوال
چکیده
موضوع اصلی این پروژه، معرفی و بررسی روشهایی که با نام هوش جمعی از آنها یاد میشوند. در روشهایی که در گروه هوش جمعی جای میگیرند، ارتباط مستقیم یا غیر مستقیم بین جوابهای مختلف الگوریتم وجود دارند. در واقع، در این روشها، جوابها که موجوداتی کمهوش و ساده هستند، برای پیدا شدن و یا تبدیل شدن به جواب بهینه، همکاری میکنند. این روشها از رفتارهای جمعی حیوانات و موجودات زنده در طبیعت الهام گرفته شدهاند. الگوریتم مورچهها یکی از بارزترین نمونهها برای هوش جمعی است که از رفتار جمعی مورچه ها الهام گرفته شده است. یکی دیگر از مهمترین الگوریتمهایی که در گروه هوش جمعی جای میگیرد، الگوریتم بهینه سازی انبوه ذرات است. در الگوریتم بهینه سازی انبوه ذرات، اعضای جامعه، که ماهیها یا پرندگان میباشند، به صورت مستقیم با هم ارتباط دارند. و همچنین در این پروژه به الگوریتم ژنتیک و دیگر کاربردهای هوش جمعی میپردازیم.
مقدمه
ما در این پروژه به تعریف هوش جمعی می پردازیم که هوش جمعی یکی از شاخههای هوش مصنوعی میباشد.در واقع بیان می کنیم، هوش جمعی ویژگی از سیستم است که بر اساس آن رفتار گروهی عاملهای غیر پیچیده که به صورت محلی با محیطشان در ارتباط هستند منجر به وجود آمدن الگوهای یکپارچه و منسجم میشود. همچنین کاربردهای مهم هوش جمعی را ذکر خواهیم کرد، و اینکه هر کاربرد بیشتردرکجاها استفاده خواهد شد.
فهرست مطالب
عنوان صفحه
1- فصل اول: هوش مصنوعی و ارتباط آن با هوش جمعی.......
1- 1 مقدمه....
1- 2 تاریخچه هوش مصنوعی.....
1- 3 هوش چیست؟.
1- 4 فلسفه هوش مصنوعی.....
1-5 مدیریت پیچیدگی...
1-6 عاملهای هوشمند..
1- 7 سیستمهای خبره
1- 8 رابطه هوش جمعی با هوش مصنوعی....
2- فصل دوم: تعریف هوش جمعی...
2- 1 مقدمه..
2- 2 تعریف هوش جمعی.
2- 3 خصوصیات هوش جمعی.....
2- 4 اصول هوش جمعی...
2- 5 طبقه بندی هوش جمعی..
2- 5 -1 طبیعی در مقابل مصنوعی...
2- 5 – 2 علمی در مقابل مهندسی....
2- 6 تعامل دو دسته طبیعی/ مصنوعی و علمی/ مهندسی.....
3- فصل سوم: کاربردهای هوش جمعی....
3- 1 مقدمه.....
3- 2 تعریف بهینه سازی..
3- 3 الگوریتم بهینه سازی کلونی مورچهها.....
3- 3- 1 تعریف.
3- 3- 2 الگوریتم....
3- 3- 3 خواص عمومی کلونی مورجهها...
3- 3- 4 الگوریتم مورچه برای مسئله فروشنده دورهگرد...
3- 3- 5 کاربردهای الگوریتم مورچه.....
3- 3- 5- 1 مسیریابی خودرو.....
3- 3- 5- 2 الگوریتم S_ANTNET...
3- 3- 5- 3 هزارتوی چند مسیره.....
3- 3- 5- 4 مسیریابی در شبکههای مخابراتی.....
3- 4 الگوریتم بهینه سازی زنبور
3- 4- 1 تعریف...
3- 4- 2 جستجوی غذا در طبیعت....
3- 4- 3 الگوریتم زنبور..
3- 4- 4 بهینه سازی کلونی زنبورها....
3- 4- 5 سیستم فازی زنبورها.
3- 4- 6 کاربردهای الگوریتم بهینه سازی زنبورها....
3- 4- 6- 1 مسئلهRide_matching.
3- 4- 6- 2 حل مسئله RS بوسیله سیستم فازی زنبورها....
3- 4- 6- 3 کاربردهای الگوریتم زنبور در مهندسی
3- 5 الگوریتم بهینه سازی انبوه ذرات.
3- 5- 1 تعریف...
3- 5- 2 الگوریتم...
3- 5- 3 کاربردهای الگوریتم بهینه سازی انبوه ذرات.....
3- 6 الگوریتم ژنتیک.....
3- 6- 1 تعریف...
3- 6- 2 عملگرهای یک الگوریتم ژنتیک.....
3- 6- 3 عملکرد کلی الگوریتم ژنتیک....
3- 6- 4 مقایسه الگوریتم ژنتیک و دیگر شیوههای مرسوم بهینه سازی
3- 6- 5 الگوریتم ژنتیک و سیستمهای مهندسی...
3- 6- 6 کاربردهای الگوریتم ژنتیک.....
3- 7 شبکههای عصبی.....
3- 7- 1 تعریف..
3- 7- 2 تازیخچه شبکههای عصبی....
3- 7- 3 چرا از شبکههای عصبی استفاده میکنیم؟...
3- 7- 4 شبکههای عصبی در مقابل کامپیوترهای معمولی....
3- 7- 5 چگونه مغز انسان میآموزد؟...
3- 7- 6 از سلولهای عصبی انسانی تا سلولهای عصبی مصنوعی..
3- 7- 7 کاربردهای شبکههای عصبی....
3- 8 کاربردهای دیگر هوش جمعی.
3- 8- 1 تعریف.
3- 8- 2 اقتصاد.
3- 8- 3 شبکههای ادهاک.....
3- 8- 4 سیستمهای خودسازمانده....
4- فصل چهارم: نتیجه گیری.
بانک ها به منظور تعیین ریسک اعتباری و ارائه خدمات مالی به مشتریان خود نیازمند شتاسایی دقیق آنها هستند.مدل های اعتبار سنجی میتوانند در این زمینه به پشتیبانی از بانک ها بپردازند. درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی کاربرد زیادی در اعتبار سنجی مشتریان بانک ها و اعطای تسهیلات اعتباری به آنها دارند. مسئله اصلی .....
چکیده
بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005 پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد قوچان
امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.
داده کاوی یکی از مهمترین روش ها ی کشف دانش است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند.داده کاوی را تحلیل گران با اهداف گوناگونی از قبیل کلاس بندی, پیش بینی, خوشه بندی ,تخمین انجام می دهند. برای کلاس بندی, مدل هاو الگوریتم هایی مانند قاعده ی بیز, درخت تصمیم, شبکه ی عصبی, الگوریتم ژنتیک مطرح شده است.برای پیش بینی مدل رگرسیون خطی ومنطقی و برای خوشه بندی الگوریتم های سلسله مراتبی و تفکیکی, وبرای تخمین مدل های درخت تصمیم و شبکه ی عصبی مطرح می شود. در فصل دوم و سوم با الگوریتم ژنتیک که یکی از الگوریتم های داده کاوی و با شبکه ی عصبی که یکی از مدل های داده کاوی هستند آشنا می شویم .درفصل چهارم به محاسبات نرم و برخی از اجزای اصلی ان و نقش آنها در داده کاوی می پردازیم.
در فصل پنجم با ابزارهای داده کاوی آشنا می شویم . برای داده کاوی ابزارهای متنوعی وجود دارد. می توان ابزارداده کاوی را با تطبیق آن ابزار با داده های مسئله و با توجه به محیط داده ای که می خواهید از آن استفاده کنید، و امکاناتی که آن ابزار دارد انتخاب کنید.وسپس به داده کاوی با SQLSERVER2005 می پردازیم .ودرفصل ششم به داده کاوی با SQL SERVER2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان پرداختیم.
کلمات کلیدی ،کلاس بندی ، خوشه بندی ، پیش بینی ، تخمین
فرمت فایل: ورد (قابل ویرایش)
تعداد صفحات: 217
مقدمه
محاسبه راه حل های بهینه برای اکثر مسائل بهینه سازی که در خیلی از زمینه های کاربردی و عملی مشاهده میگردند، کاری دشوار و سخت است.در عمل، معمولا به راه حل های "خوب" که از الگوریتم های فرا ابتکاری( heuristic ) به دست می آید، اکتفا می گردد. روش های فرا ابتکاری راه حل های "قابل قبول" در زمان معقول را برای مسائل پیچیده و سخت، در زمینه های مهندسی و علوم ارایه مینمایند. بر خلاف بهینه سازی دقیق، الگوریتم های فراابتکاری بهینه بودن جواب های به دست آمده را ضمانت نمی نمایند.
این محصول توضیح کامل الگوریتم ژنتیک (تاریخچه، اجرای الگوریتم ژنتیک، نقاط قوت و محدودیت الگوریتم ژنتیک و مثال و حل به دوصورت دستی و با نرم افزار و غیره).
فرمت فایل: ورد (قابل ویرایش)
تعداد صفحات: 13