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 ترکیب الگوریتم بهینه‌سازی آکویلا و الگوریتم بهینه‌سازی کرکس آفریقایی

ترکیب الگوریتم بهینه‌سازی آکویلا و الگوریتم بهینه‌سازی کرکس آفریقایی

فرمت فایل دانلودی: .rar
فرمت 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 ترکیب الگوریتم بهینه‌سازی آکویلا و بهینه‌سازی خرگوش مصنوعی

ترکیب الگوریتم بهینه‌سازی آکویلا و بهینه‌سازی خرگوش مصنوعی

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: pdf, m
حجم فایل: 7684 کیلوبایت
قیمت: 81000 تومان

در این تحقیق، یک مدل ترکیبی با استفاده از الگوریتم بهینه‌سازی آکویلا(Aquila Optimizer) و بهینه‌سازی خرگوش مصنوعی(Artificial Rabbits Optimization) مبتنی بر یادگیری مخالفت آشوبناک برای حل مسائل بهینه‌سازی پیوسته پیشنهاد شده است. مرحله اکتشاف(exploration) سراسری الگوریتم بهینه‌سازی آکویلا با مرحله بهره‌برداری(exploitation) محلی بهینه‌سازی خرگوش مصنوعی ترکیب می‌شود تا قابلیت‌های جستجو تقویت شود. برروی مدل ترکیبی، ده مدل مختلف از نگاشت آشوب تست 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 خرگوش مصنوعی مقایسه شده است.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه