فایلود نیو

دانلود جزوه و تحقیقات آموزشی دانشجویی

فایلود نیو

دانلود جزوه و تحقیقات آموزشی دانشجویی

بررسی الگوریتمهای تکاملی


	بررسی الگوریتمهای تکاملی


مقدمه:
همان طور که تاریخ الگوریتم های تکاملی نشان می دهد، گونه های زیادی از الگوریتم‌های تکاملی وجود دارند. ولی ایده همه آنها یکی است: با داشتن جمعیتی از گونه‌ها  فشار محیطی باعث انتخاب می شود (القاء بهترین) و این افزایش شایستگی جمعیت را نتیجه می دهد. با داشتن یک تابع کیفیتی که می خواهیم بیشینه شود، می توان مجموعه ای از جواب های کاندید را به طور تصادفی تولید کرد و تابع کیفیت را به عنوان معیاری برای محاسبه شایستگی به کاربرد (هر چه بیشتر، بهتر) بر اساس این شایستگی، بعضی از کاندیدهای بهتر انتخاب می شوند، تا به عنوان هسته ای برای تولید نسل بعد به کار روند. بر روی این کاندیدها ترکیب و یا جهش اعمال می شود. ترکیب بر روی دو یا بیشتر کاندید اعمال می شود (والدین) و نتیجه آن تولید فرزند (فرزندانی) است.
اعمال ترکیب و جهش باعث تولید مجموعه جدیدی می شود که با مجموعه قبلی (والدین) رقابت می کنند تا در نهایت برنده ها در نسل بعدی ظاهر شوند. این کار می تواند ادامه پیدا کند تا یک کاندید با ویژگی های کافی (جواب) به دست بیاید و یا اینکه محدودیت‌هایی که از قبل برای مسئله تعریف کرده ایم، ارضا شوند.

فهرست مطالب:
مقدمه
بخش اول: تعریف الگوریتم های تکاملی
علت استفاده از الگوریتم های تکاملی
انواع الگوریتم های تکاملی
روشهای الگوریتم تکاملی
استراتژی های تکاملی
برنامه ریزی تکاملی
بخش دوم: الگوریتم ژنتیک
ژنتیک در طبیعت
ایده اصلی الگوریتم ژنتیک
روشهای نمایش الگوریتم ژنتیک
روشهای انتخاب الگوریتم ژنتیک
عملگرهای الگوریتم ژنتیک
الگوریتم ژنتیک استاندارد
بخش سوم: الگوریتم کلونی زنبور عسل
شرح الگوریتم کلونی زنبور عسل
جستجوی غذا در طبیعت
کاربردهای الگوریتم زنبور عسل
بخش چهارم: الگوریتم مورچگان (ACO)
مزیتهای ACO
کاربردهای ACO
انواع مختلف الگوریتم های بهینه سازی مورچگان
بخش پنجم: الگوریتم رقابت استعماری
شکل دهی امپراطوری های اولیه
حرکت مستعمره ها به سمت امپریالیست
انقلاب؛تغییرات ناگهانی در موقعیت یک کشور
جابجایی موقعیت مستعمره و امپریالیست
رقابت استعماری
سقوط امپراطوری های ضعیف
شبه کد
کاربردها
نسخه های دیگر
بخش ششم: الگوریتم گورخر گوگل
معنی و مفهموم فروشگاه های اینترنتی
استانداردهای مورد تایید الگوریتم گورخر
قرار گرفتن در لیست فروشگاه های مورد تایید گوگل
مکان فیزیکی فروشگاه های اینترنتی
داشتن پشتیبانی آنلاین
داشتن سیاست شفاف در فروشگاه
همسو بودن تبلیغات فروشگاه با مسیر تبلیغات
بخش هفتم: الگوریتم پاندای گوگل
نحوه انتخاب اسم الگوریتم
حفظ رتبه سایت
بخش هشتم: الگوریتم تکاملی سیمبیوتیک (SEA)
عملگر ترکیب سیمبیوتیک
ایده کلی SEA
بخش نهم: الگوریتم پنگوئن گوگل
آپدیدت پنگوئن
دلایل و روشهای آپدیت پنگوئئن

تعداد مشاهده: 2624 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 45

حجم فایل:703 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب برای دانشجویان رشته مهندسی کامپیوتر

  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش
    به همراه اشکال و نمودارها

پروژه برنامه ریزی وظایف در محیط رایانش ابری بر پایه الگوریتم ژنتیک اصلاح شده


	پروژه برنامه ریزی وظایف در محیط رایانش ابری بر پایه الگوریتم ژنتیک اصلاح شده


چکیده:
رایانش ابری عبارت است از توسعه محاسبات توزیع یافته، موازی و شبکه یا به صورت اجرای این مفاهیم علوم کامپیوتر در محیط تجاری و بازرگانی تعریف می شود. یکی از مبانی پایه در این محیط با برنامه ریزی وظایف در ارتباط است. برنامه ریزی وظایف ابری یک مسئله بهینه سازی از نوع ان پی سخت است و الگوریتمهای فرایابنده بسیاری جهت حل آن پیشنهاد داده شده اند. یک برنامه ریز وظایف مناسب، استراتژی برنامه ریزی خود را با تغییر محیط و تغییر نوع وظایف همساز می نماید. لذا در این جا الگوریتم ژنتیکی برای برنامه ریزی وظایف پیشنهاد داده شده است و نتایج مطلوبی را به ارمغان آورده است. به عنوان یک نقیصه، الگوریتم ژنتیک  زمان زیادی را برای حل مسئله طلب می نماید.در این مقاله الگوریتم ژنتیک اصلاح شده  پیشنهاد گردید و نتایج مطلوبی را به همراه داشت و موجب کاهش زمان اجرای الگوریتم ژنتیک گردید.

فهرست مطالب:
چکیده
فصل اول: رایانش ابری  
مقدمه     
1.1 تاریخچه    
1.2تعریف رایانش ابری    
1.3مدلهای پیاده سازی    
1.3.1 ابر عمومی    
1.3.2 ابر گروهی    
1.3.3 ابر امیخته    
1.3.4 ابر خصوصی    
1.4 مدلهای سرویس     
1.4.1 زیر ساخت     
1.4.2 پلت فرم    
1.4.3 نرم افزار    
1.5 لایه ها      
1.5.1 کاربر     
1.5.3 بستر    
1.5.5 سرور    
1.6 ویژگی ها    
1.7 مزایا و نقاط قوت    
1.8چالش ها  و نقاط ضعف    
1.9 چه کسانی باید از رایانش ابری استفاده کنند    
1.10 چه کسانی نباید از رایانش ابری استفاده کنند    
1.11 راهکار فناوری به ابر     
1.12 گرایش جهانی,سرمایه گذاری در ابر     
1.13 نگاهی به اینده    
فصل دوم: مروری بر الگوریتم ژنتیک
2.1 مقدمه    
2.2 الگوریتم ژنتیک چیست    
2.3 ساختار الگوریتم ژنتیک    
2.4 عملگرهای ژنتیکی     
2.4.1 عملگر انتخاب     
2.4.2 عملگر امیزش    
2.4.3 عملگر جهش    
2.5 روند کلی الگوریتم ژنتیک    
2.6 اشنایی با روش های انتخاب در الگوریتم ژنتیک    
2.7 روشهای  نمایش     
2.8 شرایط خاتمه الگوریتم ژنتیک    
فصل سوم: برنامه ریزی وظایف در محیط رایانش ابری بر پایه الگوریتم ژنتیک اصلاح شده
3.1 مقدمه    
3.2 مروری بر تحقیقات مرتبط     
3.3 مدلهای هزینه محیطهای برنامه ریزی    
3.3.1 محیط مدل برنامه ریزی    
3.3.2 مدل هزینه     
3.4 روش برنامه ریزی اصلاح شده    
3.4.1 راه حل اولیه هوشمند    
3.4.2 الگوریتم ژننتیک اصلاح شده    
3.5 نتایج اماری     
3.6 نتیجه گیری    
منابع و ماخذ

تعداد مشاهده: 1473 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 64

حجم فایل:659 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب برای کلیه محققین حوزه ابری و دانشجویان گرایش های مختلف کامپیوتر و فناوری اطلاعات


  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش
    به همراه شکل، نمودار، جدول، پاورقی، فهرست شکل ها، منابع

بررسی بهینه سازی تصاویر با استفاده از الگوریتم‏ ها


	بررسی بهینه سازی تصاویر با استفاده از الگوریتم‏ ها


چکیده:
در فرآیند نقل و انتقال اطلاعات در ارسال سریع و ذخیره حجم بالایی از تصاویر ، کاهش حجم و فشرده سازی آنها نقشی تعیین کننده ای دارد. می‏توان از الگوریتم‏ها جهت بهینه سازی تصاویر استفاده نمود. اجتماع حشرات متشکل از مورچه‏ها، پرندگان، زنبورها و سایر کلونیها، نمایانگر توانایی مقابله با مشکلات و پیدا نمودن راه حلها، به صورت دسته جمعی می‏باشد. محققان در شاخه هوش محاسباتی از مزایا و فوایدی که در زندگی گروهی حشرات وجود دارد، جهت حل مسائل منتج به بهینه سازی استفاده می‏کنند. طبق بررسی تحقیقات صورت گرفته قطعه‏بندی از مراحل پردازش تصاویر است که این عمل را می‏توان با الگوریتم‏های تکاملی انجام داد.

فهرست مطالب:
چکیده
مقدمه
1- قطعه بندی
2- الگوریتم‏های تکاملی (EAs)
2-1- تکنیک‏های تکاملی
2-1-1- Genetic Programming (GP)
2-1-2- برنامه ریزی تکاملی
2-1-3- استراتژی تکاملی
2-1-4- الگوریتم ژنتیک
2-2- الگوریتم ژنتیک
2-2-1- فرایند الگوریتم ژنتیک در حل یک مساله
2-2-2- عملگرهای الگوریتم ژنتیک
2-2-2-1- حل Representation
2-2-2-2-   تابع Fitness
2-2-2-3- انتخاب selection
2-2-2-4- Crossover
2-2-2-5- جهش
2-3- سیستم کلونی مورچه ‏ها
2-3-1- الگوریتم بهینه سازی کلونی مورچه ‏ها
2-3-2- الگوریتم ساده شده مورچه‏ ها
2-3-3- الگوریتم مورچه‏ ها
2-4- حرکت دسته جمعی پرندگان
2-4-1- توپولوژی‏های همسایگی PSO
2-4-2- ساختار الگوریتم PSO
2-4-3- بهبود همگرایی الگوریتم PSO
2-5- الگوریتم توسعه داده شده (استعماری)
3- بهینه سازی
3-1- بهینه سازی مبتنی بر تقطیع تصویر توسط ژنتیک الگوریتم
3-2- کاربرد‏های الگوریتم کلونی مورچه‏ ها در سگمنتیشن تصویر
3-2-1- تقطیع تصویر مبتنی بر MRF با استفاده از سیستم کلونی مورچه
3-2-2- سیستم Ant Colony برای تقسیم بندی و طبقه بندی Microcalcification در ماموگرام
3-2-3- استفاده از الگوریتم ACO در تقطیع تصویر برای آستانه سازی مطلوب
3-3- الگوریتم استعماری
منابع
فهرست اشکال

تعداد مشاهده: 530 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 44

حجم فایل:511 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب جهت استفاده دانشجویان رشته کامپیوتر، فناوری اطلاعات و برق


  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش