دانلود تحقیق ترکیب الگوریتم بهینه‌سازی گرگ خاکستری با یادگیری مبتنی بر مخالفت

تحقیق ترکیب الگوریتم بهینه‌سازی گرگ خاکستری با یادگیری مبتنی بر مخالفت

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: docx, m
تعداد صفحات: 3
حجم فایل: 8389 کیلوبایت
قیمت: 81000 تومان

توضیحات:

تحقیق ترکیب الگوریتم بهینه‌سازی گرگ خاکستری با یادگیری مبتنی بر مخالفت، در قالب فایل Word در 3 صفحه، به همراه فایل شبیه سازی شده با متلب.

در این تحقیق، ترکیب الگوریتم بهینه‌سازی گرگ خاکستری(GWO) با یادگیری مبتنی بر مخالفت (OBL) بررسی می‌شود. مقاله اصلی این تحقیق در سال 2020 در ژورنال Expert Systems with Applications چاپ شده است. هدف این تحقیق، تقویت رفتار اکتشافی گرگ‌ها برای افزایش نرخ همگرایی سریع است. روش یادگیری مبتنی بر مخالفت فقط برروی چند بُعد از گرگ‌های ضعیف اعمال می‌شود. مدل پیشنهادی بر روی 23 تابع بهینه‌سازی پیوسته تست شده است. شبیه‌سازی مدل پیشنهادی در محیط متلب 2014 به بالا انجام شده است. مدل پیشنهادی با الگوریتم‌های PSO و GWO پایه مقایسه شده است. نتایج نشان می‌دهد که مدل پیشنهادی دارای بهترین برازندگی بوده است.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود مدل بهبودیافته الگوریتم کپک مخاطی با استفاده از یادگیری مبتنی بر مخالفت

مدل بهبودیافته الگوریتم کپک مخاطی با استفاده از یادگیری مبتنی بر مخالفت

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: pdf, m
حجم فایل: 5470 کیلوبایت
قیمت: 71000 تومان

در این تحقیق یک مدل بهبودیافته از الگوریتم کپک مخاطی(slime mould algorithm) با استفاده از یادگیری مبتنی بر مخالفت(opposition-based learning) برای حل مسائل بهینه‌سازی پیوسته پیشنهاد شده است. استفاده از یادگیری مبتنی بر مخالفت(OBL) تلاشی برای تقویت مرحله اکتشاف در الگوریتم کپک مخاطی(SMA) است. فایل شبیه‌سازی این تحقیق فقط برای توابع پیوسته بررسی شده است. آزمایش‌های شبیه‌سازی در محیط متلب 2018 برروی 23 تابع استاندارد IEEE CEC 2014 انجام شده است. نتایج نشان داد که مدل بهبودیافته در مقایسه با الگوریتم کپک مخاطی و بهینه‌سازی اجتماع ذرات بهتر عمل کرده است.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود مدل بهبودیافته الگوریتم بهینه‌سازی کرکس آفریقایی توسط یادگیری مبتنی بر مخالفت

مدل بهبودیافته الگوریتم بهینه‌سازی کرکس آفریقایی توسط یادگیری مبتنی بر مخالفت

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: pdf, m
حجم فایل: 26988 کیلوبایت
قیمت: 81000 تومان

در این تحقیق، یک مدل بهبودیافته از الگوریتم بهینه‌سازی کرکس آفریقایی(African vulture optimization algorithm) توسط یادگیری مبتنی بر مخالفت(Opposition-based Learning) برای حل مسائل بهینه‌سازی پیوسته پیشنهاد شده است. هدف از این تحقیق نحوه ترکیب الگوریتم‌ها برای حل مسائل مختلف است. استفاده از یادگیری مبتنی بر مخالفت(OBL) تلاشی برای تقویت مرحله اکتشاف در الگوریتم بهینه‌سازی کرکس آفریقایی(AVOA) است. فایل شبیه‌سازی این تحقیق فقط برای توابع پیوسته بررسی شده است. آزمایش‌های شبیه‌سازی در محیط متلب 2018 برروی 23 تابع استاندارد IEEE CEC انجام شده است. نتایج با الگوریتم بهینه‌سازی کرکس آفریقایی و الگوریتم بهینه‌سازی اجتماع ذرات(PSO) مقایسه شده است.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود تحقیق الگوریتم بهینه‌سازی اسکی آلپاین

تحقیق الگوریتم بهینه‌سازی اسکی آلپاین

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: docx
تعداد صفحات: 10
حجم فایل: 5271 کیلوبایت
قیمت: 61000 تومان

توضیحات:

تحقیق الگوریتم بهینه‌سازی اسکی آلپاین، در قالب فایل Word.

الگوریتم بهینه‌سازی اسکی آلپاین (ASO) یک الگوریتم جدید بهینه‌سازی مبتنی بر هوش ازدحامی است که درسال 2022 در ژورنال معتبر Advances in Engineering Software چاپ شده است. این الگوریتم از رفتارهای اسکی بازانی که برای قهرمانی رقابت می‌کنند الهام گرفته شده است. 

فهرست این تحقیق شامل موارد زیر است:

چکیده

مقدمه

الگوریتم بهینه‌سازی اسکی آلپاین

فرموله‌سازی الگوریتم بهینه‌سازی اسکی آلپاین

عملگرهای اکتشاف و بهره‌برداری

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود تحقیق ترکیب الگوریتم بهینه‌سازی گرگ خاکستری با یادگیری مبتنی بر مخالفت

تحقیق ترکیب الگوریتم بهینه‌سازی گرگ خاکستری با یادگیری مبتنی بر مخالفت

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: docx, m
تعداد صفحات: 3
حجم فایل: 8389 کیلوبایت
قیمت: 81000 تومان

توضیحات:

تحقیق ترکیب الگوریتم بهینه‌سازی گرگ خاکستری با یادگیری مبتنی بر مخالفت، در قالب فایل Word در 3 صفحه، به همراه فایل شبیه سازی شده با متلب.

در این تحقیق، ترکیب الگوریتم بهینه‌سازی گرگ خاکستری(GWO) با یادگیری مبتنی بر مخالفت (OBL) بررسی می‌شود. مقاله اصلی این تحقیق در سال 2020 در ژورنال Expert Systems with Applications چاپ شده است. هدف این تحقیق، تقویت رفتار اکتشافی گرگ‌ها برای افزایش نرخ همگرایی سریع است. روش یادگیری مبتنی بر مخالفت فقط برروی چند بُعد از گرگ‌های ضعیف اعمال می‌شود. مدل پیشنهادی بر روی 23 تابع بهینه‌سازی پیوسته تست شده است. شبیه‌سازی مدل پیشنهادی در محیط متلب 2014 به بالا انجام شده است. مدل پیشنهادی با الگوریتم‌های PSO و GWO پایه مقایسه شده است. نتایج نشان می‌دهد که مدل پیشنهادی دارای بهترین برازندگی بوده است.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه