هر قدر در نوشتن برنامه عجله کنیم، بیشتر وقت صرف خواهیم کرد و دیرتر به برنامه ای خوب خواهیم رسید.
برعکس، اگر در جزئیات راه حل مسئله و بیان آن به صورت الگوریتم بیشتر دقت کنیم، نوشتن برنامه چیزی نخواهد بود جز یک ترجمه سریع الگوریتم با استفاده از چند قالب خاص و تعدادی قواعد محدود.
برای دانلود کل پاورپوینت از لینک زیر استفاده کنید:
فرمت فایل :word (لینک دانلود پایین صفحه) تعداد صفحات 11 صفحه
چکیده :
الگوریتم [1]PSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینه‌ی دسته به کار گرفته شد . در PSO، ذرات[2] در فضای جستجو جاری می‌شوند. تغییر مکان ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر توده[3] ذرات روی چگونگی جستجوی یک ذره اثر می‌گذارد . نتیجه‌ی مدل‌سازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل می‌کنند. ذرات از یکدیگر می‌آموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود می‌روند اساس کار PSO بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگی‌اش وجود دارد، تنظیم میکند.
مقاله درس هوش مصنوعی با عنوان الگوریتم کلونی زنبور عسل (ABC)
هوش جمعی شاخه ای از پژوهش بر اساس جمعیت است که مدل های جمعیتی از عوامل مورد تداخل یا ازدحام که می توانند خود سازماندهی کنند . کلونی مورچه، ازدحام پرندگان و یا زنبورها یک نمونه ساده ای از سیستم جمعیتی است. دیگر نمونه ای از هوش جمعی کلونی زنبور عسل در اطراف کندو است. هوش کلونی زنبور عسل (ABC) یک الگوریتم است که یک الگوریتم بهینه سازی بر اساس رفتار هوشمندانه جمعیت زنبور عسل است. در این مفاله، الگوریتم ABC برای بهینه سازی توابع چند متغیره مورد استفاده قرار می گیرد. و نتایج تولید شده توسط الگوریتم ABC مقایسه می شوند.
چندین الگوریتم اکتشافی جدید برای حل مسایل بهینه سازی عددی و توابع ترکیبی توسعه یافته اند. این الگوریتم ها می توانند به گروههای مختلف طبقه بندی شوند با توجه به ضوابطی که در نظر گرفته شده: مانند بر اساس جمعیت ، مبتنی بر تکرار شونده ، تصادفی ، قطعی ، و غیره. در حالی که الگوریتم با یک مجموعه راه حل هاکار میکند و در جهت بهبود آنها تلاش می کنند که مبتنی بر جمعیت نامیده می شوند ، یکی از کاربرد تکرار های چندگانه برای پیداکردن راه حل مطلوب که به عنوان الگوریتم تکرار شونده نام گذاری شده است. اگر یک الگوریتم یک قانون احتمالی را برای بهبود راه حل بکار بگیرد سپس آن را احتمال یا اتفاقی نامیده میشود. یکی دیگر از طبقه بندی را می توان بسته به ماهیت پدیده توسط الگوریتم شبیه سازی کرد.این نوع طبقه بندی ، عمدتا دارای دو گروه مهم از الگوریتم جمعیت هستند که براساس : الگوریتم های تکاملی (EA) و الگوریتم های مبتنی بر هوش جمعی. از محبوب ترین الگوریتم های تکاملی الگوریتم ژنتیک(GA) است. درGA تلاش شده است تکامل طبیعی یک پدیده شبیه سازی شود. در تکامل طبیعی ، هر گونه جستجو برای سازگاری سودمند در یک محیط در حال تغییر است. به عنوان یک گونه تکامل یافته ، ویژگی های جدیدی در کروموزوم های فردی کد گذاری می شوند. این اطلاعات توسط جهش تصادفی تغییرمی یابد ، اما بطورواقعی نیروی محرکه باعث توسعه تکاملی درترکیب و جایگزینی مواد کروموزومی در طول تولید مثل میشود. اگر چه تلاش های متعددی برای گنجاندن این اصول در روال بهینه سازی دراوایل دهه 1960انجام شده ، الگوریتم های ژنتیک برای اولین بار بر یک مبنای نظری صوتی ایجاد شده بودند. این اصطلاح جمعی در حالت کلی برای اشاره به هر مجموعه دار از تعامل افراد مورد استفاده قرار می گیرد. به عنوان یک مثال کلاسیک از ازدحام زنبورهایی که در اطراف کندوی خود تجمع کردند ، اما در استعاره به راحتی می توان به سیستم هایی معماری مشابهی دارند توسعه داد. در کلونی مورچه ها،مورچه ها می توانند به عنوان گروهی ازعوامل تصور شوند ، همچنین ازدحام پرندگان گروهی از پرندگان است. یک سیستم ایمنی ، گروهی از سلول ها ومولکول ها است در حالی که یک جمعیت شامل گروهی از مردم است. الگوریتم بهینه سازی ازدحام ذرات (PSO) شبیه سازی می کند رفتار اجتماعی پرندگان یا ماهی ها توسط ابرهارت و کندی در سال 1995 معرفی شده است. روش های گوناگونی به مدل رفتار هوشمند خاص ازدحام زنبور عسل پیشنهاد شده است و برای حل مسایل از نوع ترکیبی استفاده شده است.آنها یک ایده روبات بر رفتار جستجوی غذا از زنبورها را ایجاد کرده اند . معمولا ، همه این ربات از لحاظ فیزیکی و عملکرد یکسان هستند ، به طوری که هر ربات را می توان به طور تصادفی جایگزین دیگری کرد. ازدحام دارای تحمل قابل توجهی است ؛ شکست در یک عامل عملکرد کل سیستم را متوقف نمی کند. روبات های فردی ، مانند حشرات ، دارای قابلیت های محدود و دانش محدود از محیط زیست است. از سوی دیگر ، توسعه ازدحام هوش جمعی است. آزمایشات نشان داد که رباتها مانند حشرات مانند در انجام وظایف واقعی رباتیک موفق هستند.
و ...
در فرمت ورد
در 11 صفحه
قابل ویرایش
نام فارسی : یک مطالعه موردی بر روی استفاده از الگوریتم های تکاملی برای بهینه سازی برنامه ریزی تولید نانوایی
نام انگلیسی : A case study on using evolutionary algorithms to optimize bakery
production planning
زبان : انگلیسی
سال: 2013
مجله : Expert Systems with Applications
لینک پرداخت و دانلود در "پایین مطلب"
فرمت فایل: word (قابل ویرایش و آماده پرینت)
تعداد صفحات:5
بهینه سازی ترکیبی
الگوریتم های طبقه بندی شده
بهینه سازی کلنی زنبوری
الگوریتم بهینه سازی کلنی زنبور که ملهم شده توسط رفتار کلنی زنبور عسل در مجموعه های شهى می باشد.این دیدگاه ملهم شده بیولوزیکی اخیرا برای حل مسائل مستمر بهینه سازی ،شبکه های عصبی آموزشی ،
بهینه سازی اجزای طرح الکترونیکی ومکانیکی ،مسائل بهینه سازی ترکیبی مانند طراحی شغل مغازه ،مسئله
بهینه سازی سرویس دهی اینترنتی ،مسئله فروشندگان دوره گرد ،غیره مورد استفاده قرار می گیرد.
بهینه سازی کلنی زنبور در مسئله طراحی شغل مغازه داری
استراتزی موثر جستجو زنبور عسل می تواند در مسائل برنامه ریزی شغل مغازه داری مورد استفاده واقع شود.یک راه حل محتمل دردر مسئله برنامه ریزی شغل مغازه داری یک برنامه کامل از عملیات های اختصاص داده شده در مسئله می باشد.ما می توانیم به هر راه حل تحت عنوان یک راه از مرکز تجمع به منبع غذایی می باشد.شکل زیر چنین همانندی را شرح می دهد.
محدوده راه حل با سوددهی منبع غذا در زمینه فاصله وخوشمزه گی شهد قابل مقایسه است.از این رو، هر چقدر مدت زمان زمان تولید کوتاهتر باشد ،سوددهی راه حل بیشتر خواهد بود.ما بدین گونه کلنی از زنبورها را نگهداری می کنیم ،جایی که هر زنبور راه حل بالقوه ای را پیمایش می کند.هر بار که یک راه حل محتمل یافته می شود،هر زنبور برای اجرای رقص چرخشی به کندو باز می گردد.رقص چرخشی توسط لیستی از راه حل های Elite(Chong et al., 2006) ارایه می شود،از جایی که زنبورهای دیگر می توانند راه زنبور های دیگر را ادامه دهند.زنبورها ی با تولید بهتر دارای سوددهی بیشتری از افزودن راه خود به لیست الیت
خواهد داشت ،انحراف را به راه حل بهینه تغییر مسیر دادن.استفاده از طرح بالا استراتزی طبیعی سازمانی جستجوی زنبور عسل می تواند در مسئله طرح ریزی شغل مغازه د اری کاربرد داشته باشد.
الگوریتم چرخه یافتن فلوید
الگوریتم چرخه یافتن فلوید الگوریتمی است که می تواند چرخه را در مراحل قراردادی تعیین کند،حال در ساختارهای اطلاعات پایه یا تولید شده در پرواز(که به طور برجسته در برگیرنده آنهایی است که در شکل ها ومراحل عدد شبه تصادفی )در فضای 0(1) است .الگوریتم به نام Robert W. Floyd که آنرا در سال 1967 اختراع کرده است نام گذاری شده است.گاهی اوقات آنرا الگوریتم لاک پشت وخرگوش می نامند و نباید آنرا با الگوریتم راه های کوتاه فلوید-وارشال اشتباه گرفت .
متصور ساختن الگوریتم
بهترین راه برای متصور ساختن این الگوریتم ایجاد دیاگرامی از مرحله است که مانند لغت یونانی p
می باشد .مرحله در پایین دنباله آغاز می شود،و به سمت بالا ودر جهت غقربه های ساعت به دور حلقه
می گردد.با دنبال کردن الگوریتم ،دو مثال مرحله در a6 بعد از 6 بار تکرار همدیگر را قطع می کنند.
اگر الگوریتم ادامه پیدا کند ،مراحل دوباره همدیگر رابعد از 6 بار تکرار در المان مشابه قبلی قطع خواهند کرد. از آنجایی که طول چرخه در واقع 6 می باشد ،نتیجه مشابه دوباره حاصل می شود.