مقالات و تحقیق آماده
ارائه محصولات فایلی و دانلودی برای شما عزیزان
مقالات و تحقیق آماده
ارائه محصولات فایلی و دانلودی برای شما عزیزاندانلود ترکیب الگوریتم بهینه‌سازی تعادل و الگوریتم بهنه‌سازی کپک مخاطی
ترکیب الگوریتم بهینه‌سازی تعادل و الگوریتم بهنه‌سازی کپک مخاطی
فرمت فایل دانلودی: .rarفرمت فایل اصلی: pdf, m
حجم فایل: 11956 کیلوبایت
قیمت: 71000 تومان
در این تحقیق یک مدل ترکیبی برمبنای الگوریتم بهینه‌سازی تعادل(Equilibrium Optimizer) و الگوریتم بهنه‌سازی کپک مخاطی(Slime Mould Algorithm) برای حل مسائل بهینه‌سازی پیوسته پیشنهاد شده است. قابلیت جستجوی الگوریتم کپک مخاطی(SMA) با ترکیب الگوریتم بهینه‌سازی تعادل افزایش می‌یابد. استخر تعادل در بهینه‌سازی تعادل(EO) به کاوش بهترین راه حل‌ها از فضای جستجو کمک می‌کند. فایل شبیه‌سازی این تحقیق فقط برای توابع پیوسته بررسی شده است. ارزیابی مدل ترکیبی در این تحقیق برروی 23 تابع استاندارد IEEE CEC 2014 در محیط متلب 2018 انجام شده است. نتایج مدل ترکیبی با الگوریتم بهنه‌سازی کپک مخاطی مقایسه شده است.
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
دانلود سایر پروژه
دانلود ترکیب الگوریتم جستجوی سنجاب با الگوریتم تکامل تفاضلی
ترکیب الگوریتم جستجوی سنجاب با الگوریتم تکامل تفاضلی
فرمت فایل دانلودی: .rarفرمت فایل اصلی: pdf, m
حجم فایل: 2466 کیلوبایت
قیمت: 71000 تومان
در این تحقیق، یک مدل ترکیبی با استفاده از الگوریتم جستجوی سنجاب(squirrel search algorithm) و تکامل تفاضلی(Differential Evolution) برای حل مسائل بهینه‌سازی پیوسته پیشنهاد شده است. هدف اصلی این تحقیق، اضافه کردن عملگر ادغام الگوریتم تکامل تفاضلی(DE) به الگوریتم جستجوی سنجاب(SSA) برای بهبود قابلیت اکتشاف و اصلاح قانون به‌روزرسانی سنجاب در طول جستجو برای بهبود بهره‌برداری است. فایل شبیه‌سازی این تحقیق فقط برای توابع پیوسته بررسی شده است. آزمایش‌های شبیه‌سازی در محیط متلب 2018 برروی 23 تابع استاندارد CEC2005 انجام شده است. نتایج نشان داد که مدل ترکیبی از الگوریتم بهینه‌سازی جستجوی سنجاب بهتر عمل کرده است.
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
دانلود سایر پروژه
دانلود ترکیب الگوریتم بهینه‌سازی پروانه با الگوریتم بهینه‌سازی اجتماع ذرات
ترکیب الگوریتم بهینه‌سازی پروانه با الگوریتم بهینه‌سازی اجتماع ذرات
فرمت فایل دانلودی: .rarفرمت فایل اصلی: pdf, m
حجم فایل: 2368 کیلوبایت
قیمت: 81000 تومان
در این تحقیق، یک مدل ترکیبی با استفاده از الگوریتم بهینه‌سازی پروانه(butterfly optimization algorithm) و بهینه‌سازی اجتماع ذرات (particle swarm optimization) مبتنی بر نگاشت آشوب کیوبیک برای حل مسائل بهینه‌سازی پیوسته پیشنهاد شده است. هدف از ترکیب الگوریتم بهینه‌سازی اجتماع ذرات(PSO) با الگوریتم بهینه‌سازی پروانه(BOA) این است که مشکل همگرایی کند الگوریتم بهینه‌سازی پروانه برای بهینه‌سازی سراسری بهبود یابد. فایل شبیه‌سازی این تحقیق فقط برای توابع پیوسته بررسی شده است. آزمایش‌های شبیه‌سازی در محیط متلب 2018 برروی 26 تابع استاندارد IEEE CEC انجام شده است. نتایج با الگوریتم بهینه‌سازی پروانه، الگوریتم بهینه‌سازی اجتماع ذرات و ترکیب PSOBOA مقایسه شده است.
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
دانلود سایر پروژه
دانلود ترکیب الگوریتم بهینه‌سازی آکویلا و الگوریتم بهینه‌سازی کرکس آفریقایی
ترکیب الگوریتم بهینه‌سازی آکویلا و الگوریتم بهینه‌سازی کرکس آفریقایی
فرمت فایل دانلودی: .rarفرمت فایل اصلی: pdf, m
حجم فایل: 6282 کیلوبایت
قیمت: 81000 تومان
در این تحقیق، یک مدل ترکیبی با استفاده از الگوریتم بهینه‌سازی آکویلا(Aquila Optimizer) و الگوریتم بهینه‌سازی کرکس آفریقایی(African Vultures Optimization) برای حل مسائل بهینه‌سازی پیوسته پیشنهاد شده است. مرحله اکتشاف(exploration) الگوریتم بهینه‌سازی آکویلا و مرحله بهره‌برداری(exploitation) از الگوریتم بهینه‌سازی کرکس آفریقایی ترکیب می‌شوند تا جستجوی عامل‌ها تقویت شود. لذا کاستی‌ها الگوریتم بهینه‌سازی کرکس آفریقایی توسط الگوریتم بهینه‌سازی آکویلا برطرف می‌شود. سپس، یادگیری مبتنی بر مخالفت برای افزایش تنوع جمعیت و کمک به فرار مدل ترکیبی از بهینه محلی طراحی شده است. آزمایش‌های شبیه‌سازی در محیط متلب 2018 برروی 23 تابع استاندارد IEEE CEC2019 انجام شده است. نتایج با الگوریتم بهینه‌سازی آکویلا و الگوریتم بهینه‌سازی کرکس آفریقایی مقایسه شده است.
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
دانلود سایر پروژه
دانلود انتخاب ویژگی با استفاده از الگوریتم بهینه‌سازی ملخ باینری
انتخاب ویژگی با استفاده از الگوریتم بهینه‌سازی ملخ باینری
فرمت فایل دانلودی: .rarفرمت فایل اصلی: pdf, m
حجم فایل: 5421 کیلوبایت
قیمت: 71000 تومان
در این تحقیق یک مدل باینری(دودویی) از الگوریتم بهینه‌سازی ملخ(GOA) برای انتخاب ویژگی پیشنهاد شده است. برای تبدیل حالت پیوسته به دودویی از تابع انتقال S شکل(سیگموئید) استفاده شده است. برای طبقه‌بندی نمونه‌ها از الگوریتم k نزدیکترین همسایه(KNN) استفاده شده است. شبیه‌سازی الگوریتم بهینه‌سازی ملخ باینری در محیط متلب 2018 برروی هفت مجموعه داده استاندارد UCI انجام شده است. نتایج الگوریتم بهینه‌سازی ملخ باینری با الگوریتم تبرید شبیه‌سازی شده(Simulated Annealing) مقایسه شده است. مقایسه‌ها برمبنای درصد صحت، تعداد ویژگی‌های انتخاب شده و تابع برازندگی انجام شده است.
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
دانلود سایر پروژه