الگوریتم بهینه سازی فاخته مبتنی بر آشوب

با سلام دوستان عزیز

مقاله ای که امروز برای شما قرار داده ایم مقاله ای با عنوان

الگوریتم بهینه سازی فاخته مبتنی بر آشوب می باشد

که به صورت فایل pdf و در 9 صفحه می باشد .

سال انتشار: ۱۳۹۱محل انتشار:یازدهمین کنفرانس سراسری سیستم های هوشمندکد COI مقاله: ICS11_108زبان مقاله: فارسیحجم فایل: ۵۹۰.۷۴ کلیوبایت (این مقاله دارای فول تکست است و می توانید فایل آن را دریافت نمایید)مشخصات نویسندگان مقاله الگوریتم بهینه سازی فاخته مبتنی بر آشوبسمانه تقوی زاده فروتن - دانشگاه آزاد اسلامی واحد مشهد
مهدی یعقوبی - دانشگاه آزاد اسلامی واحد مشهد
صغری ناظمی - دانشگاه آزاد اسلامی واحد مشهد
چکیده مقاله:بهینه سازی یعنی یافتن راهی برای انجام دادن امری به بهترین وجه ممکن، اصولا منظور از بهینه سازی این است که با تغییر دادن یک سری معلومات اولیه و استفاده از اطلاعات مسوله به جواب هایی مناسب تر دست یابیم. الگوریتم بهینه سازی فاخته، الگوریتم بهینه سازی متا اکتشافی است که برای مسایل بهینه سازی غیر خطی پیوسته کارایی دارد. به منظور بالا بردن دقت و سرعت در یافتن بهینه عمومی و افزایش نرخ همگرایی الگوریتم، رویکردی جدید از نگاشت های آشوبی بر روی ویژگی بی نظمی فاخته ارائه می شود که به وسیله تولیدکننده اعدادآشوبی در عوض اعدادتصادفی در الگوریتم کلاسیک ایجا می شود. الگوریتم حاصل، الگوریتم بهینه سازی فاخته آشوبی نامیده می شود. نتایج حاصل ازارزیابی ترکیب های جدید بر روی توابع ارزیابی، نشان دهنده کارایی این روش در یافتن جواب های نزدیک به بهینه عمومی با دقت و سرعت بالاتر استکلیدواژه‌ها:الگوریتم بهینه سازی فاخته، الگوریتم بهینه سازی فاخته آشوبی، تئوری آشوبدر داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (تقوی زاده فروتن, سمانه؛ مهدی یعقوبی و صغری ناظمی، ۱۳۹۱)
برای بار دوم به بعد: (تقوی زاده فروتن؛ یعقوبی و ناظمی، ۱۳۹۱)

<!-- Start Code Banner By https://telegram.me/daryacoffe -->

<!-- End Code Banner By https://telegram.me/daryacoffe -->

هوش جمعی و کاربردهای آن و الگوریتم بهینه سازی انبوه ذرات و الگوریتم مورچه و الگوریتم ژنتیک (96 صفحه فایل ورد و قابل ویرایش)

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.