به وبلاگ ما خوش آمدید - لطفا صفحه را تا پایان مشاهده کنید
دانلود مقاله پیش بینی دما با استفاده از روش های هوشمند

دانلود مقاله پیش بینی دما با استفاده از روش های هوشمند



رشته ::: کامپیوتر !!!!! فرمت فایل doc حجم فایل 1431 کیلو بایت تعداد صفحات فایل 110

پایان نامه پیش بینی دما با استفاده از روش های هوشمند 110 ص

 

مقدمه

تابش های مستقیم و غیر مستقیم منشا اصلی انرژی حرارتی کره ی زمین است بازتاب آن ها توسط زمین موجب گرم شدن هوا می گردد. اندازه گیری دما در محیط باز نشان دهنده ی دمای هوا ، دمای ناشی از تابش های اجسام مجاور و تابش های مستقیم خورشید است به همین دلیل دماسنج ها را در پناهگاههای هواشناسی قرار می دهند به طوریکه مخزن آن ها از سطح زمین در ارتفاع مشخصی در حدود 135 سانتی متری قرارداشته باشند. به این ترتیب دمای هوای بدست آمده در نقاط مختلف با یکدیگر قابل مقایسه هستند و تحت تاثیر تابش های مستقیم یا غیر مستقیم نمی باشند. از جمله عوامل موثر در دمای یک منطقه عرض جغرافیایی، ارتفاع، جریان های دریایی، فاصله از دریا، باد، جهت و پوشش ابری می باشند.

حال با توجه به عوامل ذکر شده برای پیش بینی دما روش های گوناگونی به کاربرده شده است طوری که در پی سالیان متمادی تحقیق و پژوهش، روشهای گوناگونی در زمینه پیش بینی پیشنهاد گردیدند که می‌توان آنها را در دو گروه روش های کلاسیک و اکتشافی مدرن طبقه بندی کرد روشهای کلاسیک بر پایه ی احتمالات و مدل ریاضی عمل می‌کنند ولی روش های اکتشافی هوشمند، از سیستم های مبتنی بر شبکه های عصبی، منطق فازی، الگوریتم های تکاملی و ترکیبی از روشهای هوش مصنوعی تشکیل شده است. مزیت اصلی روش های اکتشافی مدرن در این است که به طراح در دستیابی به سیستمی دینامیک و غیر خطی کمک می کنند، و همچون متد های کلاسیک نیازی به پیشنهاد یک الگو ندارند و هیچ فرضی درباره ماهیت توزیع داده های مشاهده شده در آنها به چشم نمی خورد. حتی در مواقعی که با مشکل داده های مفقود شده مواجه می شویم، بر خلاف روش های کلاسیک، در متد های اکتشافی مدرن می توان این نقیصه را تا حدودی برطرف نمود. اما شاید مهمترین برتری اکتشافی مدرن در این باشد که عناصر ذهنی و انسانی را در طراحی راه حل مسئله کنار می گذارد، امری که در روش های کلاسیک یکی از ارکان اصلی در پیاده سازی سیستم محسوب می‌گردد. در حالی که روش های اکتشافی مدرن بدون داشتن هیچ فرضی از مسئله، با کمک داده های مشاهده شده و ساختار های هوشمند نظیر شبکه های عصبی، و یا بر اساس دانش انسان خبره در سیستم های مبتنی بر منطق فازی سعی در مدل کردن مسئله در یک بلاک بسته دارند.

 

مقدمه

فصل یکم -  منطق فازی و ریاضیات فازی

1-1- منطق فازی

1-1-1-    تاریخچه مختصری از منطق فازی

1-1-2-  آشنایی با منطق فازی

1-1-3-  سیستم های فازی

1-1-4-  نتیجه گیری

1-2-  ریاضیات فازی

1-2-1- مجموعه های فازی

1-2-2- مفاهیم مجموعه های فازی

1-2-3- عملیات روی مجموعه های فازی

1-2-4- انطباق مجموعه های فازی  

1-2-5- معیار های امکان و ضرورت

1-2-6- روابط فازی

1-2-6-1- رابطه ی هم ارزی فازی

1-2-6-2- ترکیب روابط فازی

1-2-7- منطق فازی

1-2-7-1- عملیات منطقی و مقادیر درستی فازی

1-2-7-2- کاربرد مقادیر درستی فازی

1-2-8- نتیجه گیری

فصل دوم-  الگوریتم ژنتیک

2-1-  چکیده

2-2- مقدمه

2-3- الگوریتم ژنتیک چیست؟

2-4-  ایده اصلی الگوریتم ژنتیک

2-5-  الگوریتم ژنتیک

2-6- سود و کد الگوریتم

2-7- روش های نمایش

2-8- روش های انتخاب

2-9-  روش های تغییر

2-10-  نقاط قوت الگوریتم های ژنتیک

2-11-  محدودیت های GA ها

2-12-  چند نمونه از کاربردهای الگوریتم های ژنتیک

2-13- نسل اول

2-14-  نسل بعدی

2-14-1- انتخاب

2-14-2- تغییر از یک نسل به نسل بعدی(crossover)

2-14-3- جهش (mutation)

2-15- هایپر هیوریستیک

فصل سوم-  بررسی مقالات

3-1- یک روش رویه‌‌‌ای پیش بینی دمای هوای شبانه  برای پیش بینی یخبندان

3-1-1- چکیده

3-1-2- مقدمه

3-1-3- روش شناسی

3-1-3-1- مجموعه اصطلاحات

3-1-3-2-نگاه کلی

3-1-3-3-  یادگیری

3-1-3-4- تولید پارامتر های ساختاری

3-1-3-5- پیش بینی

3-1-3-6- متناسب سازی ضعیف، متوسط و دقیق

3-1-4- نتایج

3-1-4-1- واقعه ی یخبندان شپارتون

3-1-4-2- بحث

3-1-5- نتیجه گیری

3-2- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک

3-2-1-  چکیده

3-2-2- مقدمه

3-2-3- سری های زمانی فازی و روابط منطق فازی

3-2-4- مفاهیم اساسی و الگوریتم های ژنتیک 

3-2-5- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک

3-2-6- نتیجه گیری

3-3-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده

3-3-1- چکیده

3-3-2- مقدمه

3-3-3- داده و روش بررسی

3-3-4- نتایج

3-3-5- نتیجه گیری

دانلود 
پایان نامه پیش بینی دما با استفاده از روش های هوشمند 110 ص

ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1394/3/19 و در ساعت : 06:11 - نویسنده : dlfreejozve
مقاله پروسه ارزیابی یک الگوریتم ژنتیک برای بهبود شبکه پس انتشار خطا bpn

مقاله پروسه ارزیابی یک الگوریتم ژنتیک برای بهبود شبکه پس انتشار خطا bpn



رشته ::: کامپیوتر !!!!! فرمت فایل doc حجم فایل 5260 کیلو بایت تعداد صفحات فایل 100

چکیده:

بسیاری از بررسی ها یك رشته بیت را با استفاده از الگوریتم  ژنتیك به منظور بیان ساختار شبکه نگاشت داده اند تا كارایی شبكه های پس انتشار خطا را بهبود بخشند. زیرا محدودیت ها در تكنیك های جستجوی گرادیان كه برای مسائل بهینه سازی غیر خطی پیچیده استفاده می شدند،اغلب كارایی متناقض و غیر قابل پیش بینی را نتیجه داده اند.این مقاله برروی چگونگی جمع آوری و ارزیابی مجدد ماتریس های وزن bpn تمركز دارد، در حالیكه عملگرهای الگوریتم ژنتیك در هر نسل به منظور بهینه سازی ماتریس های وزن پردازش می شوند. در این روش over fitting، یك اشكال از bpn هاست كه معمولا در طول مرحله بعد ازآموزش  شبكه عصبی با نزول خطای آموزش و افزایش خطای پیش بینی اتفاق می افتد ، قابل حذف شدن می باشد .این مقاله هم چنین، پارامترها و توپولوژی شبكه عصبی را در جهت افزایش امكان پذیری اجرای فضای جواب برای مسائل غیرخطی پیچیده  توسعه می دهد.

 

مقدمه:

مدل های شبكه عصبی مصنوعی (ANN ) به طور گسترده در كاربردهای متفاوتی استفاده شده اند. شبكه های پس انتشار خطا ، پركاربردترین مورد استفاده در شبكه های عصبی مصنوعی،برای حل تعداد زیادی از مسائل واقعی بكار گرفته شده است.

در سال های اخیر بسیاری از الگوریتم های  یادگیری به طور گسترده ای به منظور آموزش شبكه های عصبی برای حل مسائل پیچیده غیر خطی طراحی شده و توسعه یافته اند. یكی از نقص ها ی اساسی در شبكه های عصبی جاری این است كه تحقیق و پژوهش وابسته به طراحی شبكه عصبی می باشد.طراحی یك شبكه عصبی شامل انتخاب یك مجموعه بهینه از پارامتر ها ی طراحی می باشدنحقخ تا همگرایی سریع را در طول آموزش و دقت مورد نیاز را هنگام فراخوانی بدست آورد.

محققان به طور معمول شبكه های عصبی با BPN را بسیار آموزش داده اند.

دقت هر تقریب آموزش بستگی به انتخاب وزن های مناسب برای شبكه عصبی دارد.متاسفانه bp یك الگوریتم جستجوی محلی است. بنابراین موجب واقع شدن در تله می نیمم محلی می شود .اگر وزن های اولیه در یك شیب محلی واقع شود ، الگوریتم احتمالا در یك بهینه محلی قرار خواهد گرفت .محققان از روش های متفاوتی استفاده می كنند تا این ویژگی ها یbp  را تنظیم كنند.

دانلود 
پروسه ارزیابی یک الگوریتم ژنتیک برای بهبود شبکه پس انتشار خطا bpn

ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1394/3/9 و در ساعت : 20:42 - نویسنده : dlfreejozve
دانلود پایان نامه الگوریتم ژنتیک
دانلود پایان نامه الگوریتم ژنتیک


مقاله رشته :::مهندسی کامپیوتر !!!فرمت فایلdocxحجم فایل472 کیلو بایتتعداد صفحات فایل149


فهرست مطالب 

 فصل اول------------------------------------------------------- 1

1-1- مقدمه------------------------------------------------------------ 2

1-2- به دنبال تکامل...----------------------------------------------------- 3

1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک---------------------------------------- 4

1-4- درباره علم ژنتیک----------------------------------------------------- 6

1-5- تاریخچۀ علم ژنتیک--------------------------------------------------- 6

1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین)------------------------------------ 7

1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی--------------------------------- 10

1-8- الگوریتم---------------------------------------------------------- 11

1-8-1- الگوریتم‌های جستجوی ناآگاهانه--------------------------------------- 12

1-8-1-الف- جستجوی لیست-------------------------------------------- 12

1-8-1-ب- جستجوی درختی-------------------------------------------- 13

1-8-1-پ- جستجوی گراف--------------------------------------------- 14

1-8-2- الگوریتم‌های جستجوی آگاهانه---------------------------------------- 14

1-8-2-الف- جستجوی خصمانه------------------------------------------ 15

1-9- مسائل NP-Hard---------------------------------------------------- 15

1-10- هیوریستیک------------------------------------------------------- 17

1-10-1- انواع الگوریتم‌های هیوریستیک--------------------------------------- 19

 فصل دوم------------------------------------------------------- 21

2-1- مقدمه------------------------------------------------------------ 22

2-2- الگوریتم ژنتیک------------------------------------------------------ 23

2-3- مكانیزم الگوریتم ژنتیك------------------------------------------------- 25

2-4- عملگرهای الگوریتم ژنتیك---------------------------------------------- 28

2-4-1- کدگذاری------------------------------------------------------ 28

2-4-2- ارزیابی------------------------------------------------------- 29

2-4-3- ترکیب-------------------------------------------------------- 29

2-4-4- جهش-------------------------------------------------------- 29

2-4-5- رمزگشایی----------------------------------------------------- 30

2-5- چارت الگوریتم به همراه شبه كد آن----------------------------------------- 30

2-5-1- شبه كد و توضیح آن----------------------------------------------- 31

2-5-2- چارت الگوریتم ژنتیک--------------------------------------------- 33

2-6- تابع هدف--------------------------------------------------------- 34

2-7- روش‌های کد کردن--------------------------------------------------- 34

2-7-1- کدینگ باینری--------------------------------------------------- 35

2-7-2- کدینگ جایگشتی------------------------------------------------- 36

2-7-3- کد گذاری مقدار------------------------------------------------- 37

2-7-4- کدینگ درخت-------------------------------------------------- 38

2-8- نمایش رشته‌ها------------------------------------------------------- 39

2-9- انواع روش‌های تشکیل رشته--------------------------------------------- 41

2-10- باز گرداندن رشته‌ها به مجموعه متغیرها-------------------------------------- 42

2-10-1- تعداد بیت‌های متناظر با هر متغیر-------------------------------------- 43

2-11- جمعیت---------------------------------------------------------- 44

2-11-1- ایجادجمعیت اولیه----------------------------------------------- 44

2-11-2- اندازه جمعیت-------------------------------------------------- 45

2-12- محاسبه برازندگی (تابع ارزش)------------------------------------------- 46

2-13- انواع روش‌های انتخاب------------------------------------------------ 48

2-13-1- انتخاب چرخ رولت---------------------------------------------- 49

2-13-2- انتخاب حالت پایدار---------------------------------------------- 51

2-13-3- انتخاب نخبه گرایی----------------------------------------------- 51

2-13-4- انتخاب رقابتی-------------------------------------------------- 52

2-13-5- انتخاب قطع سر------------------------------------------------- 52

2-13-6- انتخاب قطعی بریندل---------------------------------------------- 53

2-13-7- انتخاب جایگزینی نسلی اصلاح شده------------------------------------ 53

2-13-8- انتخاب مسابقه-------------------------------------------------- 54

2-13-9- انتخاب مسابقه تصادفی-------------------------------------------- 54

2-14- انواع روش‌های ترکیب------------------------------------------------ 54

2-14-1- جابه‌جایی دودوئی----------------------------------------------- 55

2-14-2- جابه‌جایی حقیقی------------------------------------------------ 58

2-14-3- ترکیب تک‌نقطه‌ای----------------------------------------------- 59

2-14-4- ترکیب دو نقطه‌ای----------------------------------------------- 60

2-14-5- ترکیب n نقطه‌ای------------------------------------------------ 60

2-14-6- ترکیب یکنواخت------------------------------------------------ 61

2-14-7- ترکیب حسابی-------------------------------------------------- 62

2-14-8- ترتیب------------------------------------------------------- 62

2-14-9- چرخه------------------------------------------------------- 63

2-14-10- محدّب------------------------------------------------------ 64

2-14-11- بخش_نگاشته------------------------------------------------- 64

2-15- احتمال تركیب------------------------------------------------------ 65

2-16- تحلیل مكانیزم جابجایی------------------------------------------------ 66

2-17- جهش----------------------------------------------------------- 66

2-17-1- جهش باینری--------------------------------------------------- 69

2-17-2- جهش حقیقی--------------------------------------------------- 69

2-17-3- وارونه سازی بیت------------------------------------------------ 70

2-17-4- تغییر ترتیب قرارگیری--------------------------------------------- 70

2-17-5- وارون سازی--------------------------------------------------- 71

2-17-6- تغییر مقدار---------------------------------------------------- 71

2-18- محک اختتام اجرای الگوریتم ژنتیک---------------------------------------- 72

2-19- انواع الگوریتم‌های ژنتیکی---------------------------------------------- 72

2-19-1- الگوریتم ژنتیکی سری--------------------------------------------- 73

2-19-2- الگوریتم ژنتیکی موازی-------------------------------------------- 74

2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی----------------------------------- 75

2-21- نقاط قوّت الگوریتم‌های ژنتیک------------------------------------------- 76

2-22- محدودیت‌های GAها------------------------------------------------- 78

2-23- استراتژی برخورد با محدودیت‌ها------------------------------------------ 79

2-23-1- استراتژی اصلاح عملگرهای ژنتیک------------------------------------ 79

2-23-2- استراتژی رَدّی-------------------------------------------------- 79

2-23-3- استراتژی اصلاحی----------------------------------------------- 80

2-23-4- استراتژی جریمه‌ای----------------------------------------------- 80

2-24- بهبود الگوریتم ژنتیک------------------------------------------------- 81

2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک---------------------------------- 81

 فصل سوم------------------------------------------------------ 86

3-1- مقدمه------------------------------------------------------------ 87

3-2- حلّ معمای هشت وزیر------------------------------------------------- 88

3-2-1- جمعیت آغازین-------------------------------------------------- 90

3-2-2- تابع برازندگی--------------------------------------------------- 94

3-2-3- آمیزش-------------------------------------------------------- 95

3-2-4- جهش ژنتیکی--------------------------------------------------- 96

3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد--------------------------------- 97

3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک--------------------------------- 99

3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP------------------------- 107

3-3-3- نتیجه گیری---------------------------------------------------- 108

3-4- حلّ مسأله معمای سودوکو----------------------------------------------- 109

3-4-1- حل مسأله----------------------------------------------------- 110

3-4-2- تعیین کروموزم-------------------------------------------------- 110

3-4-3- ساختن جمعیت آغازین یا نسل اول-------------------------------------- 111

3-4-4- ساختن تابع از ارزش----------------------------------------------- 112

3-4-5- تركیب نمونه‌ها و ساختن جواب جدید----------------------------------- 113

3-4-6- ارزشیابی مجموعه جواب-------------------------------------------- 118

3-4-7- ساختن نسل بعد-------------------------------------------------- 118

3-5- مرتب سازی به کمک GA----------------------------------------------- 119

3-5-1- صورت مسأله--------------------------------------------------- 119

3-5-2- جمعیت آغازین-------------------------------------------------- 119

3-5-3- تابع برازندگی--------------------------------------------------- 122

3-5-4- انتخاب------------------------------------------------------- 123

3-5-5- ترکیب-------------------------------------------------------- 123

3-5-6- جهش-------------------------------------------------------- 124

  فهرست منابع و مراجع----------------------------------------------- 126

   پیوست----------------------------------------------------------- 127

واژه‌نامه---------------------------------------------------------- 143

دانلود پایان نامه الگوریتم ژنتیک

ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1394/2/13 و در ساعت : 20:50 - نویسنده : dlfreejozve
دانلود پروژه پردازش متن فارسی (OCR)

دانلود پروژه پردازش متن فارسی (OCR)

پروژه-پردازش-متن-فارسی-(ocr) چکیده: نرم افزارهای پردازش متن برای تشخیص و بازیابی الفبا توسط کامپیوتر طراحی می شوند. برای ساخت و توسعه چنین نرم افزارهایی نیازمند تحقیقات در زمینه های سیستم های بیومتریک، پردازش تصویر، سامانه های هوشمند که بر گرفته از (سیستمهای خبره، الگوریتم ژنتیک و منطق فازی) می باشیم. در این تحقیق ابتدا نگاهیدانلود فایل

ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1394/2/13 و در ساعت : 09:11 - نویسنده : dlfreejozve
دانلود مقاله روش موازی موثر برای داده کاوی ژنتیکی - فازی
دانلود مقاله روش موازی موثر برای داده کاوی ژنتیکی - فازی

دسته بندی موضوعی : فناوری اطلاعات IT و داده کاوی !
عنوان انگلیسی مقاله: An effective parallel approach for genetic-fuzzy data mining
عنوان فارسی مقاله: روش موازی اثربخش برای داده کاوی ژنتیکی - فازی
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 23
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
مهم‌ترین کاربرد داده کاوی در تلاش‌هایی است که برای استنتاج قواعد وابستگی از داده‌های تراکنشی صورت می‌گیرد. در گذشته، از مفاهیم منطق فازی و الگوریتم‌های ژنتیکی برای کشف قواعد وابستگی فازی سودمند و توابع عضویت مناسب از مقادیر کمی استفاده می‌کردیم. با وجود این، ارزیابی مقادیر برازش نسبتاً زمان بر بود. به دلیل افزایش‌های شگرف در قدرت محاسباتی قابل دسترسی و کاهش همزمان در هزینه‌های محاسباتی در طول یک دهه‌ی گذشته، یادگیری یا داده کاوی با به کارگیری تکنیک‌های پردازشی موازی به عنوان روشی امکان پذیر برای غلبه بر مسئله‌ی یادگیری کند شناخته شده است. بنابراین، در این مقاله الگوریتم داده‌ کاوی موازی فازی – ژنتیکی را بر اساس معماری ارباب - برده  ارائه کرده‌ایم تا قواعد وابستگی و توابع عضویت را از تراکنش‌های کمی استخراج کنیم. پردازنده‌ی master مانند الگوریتم ژنتیک از جمعیت یگانه‌ای استفاده می‌کند، و وظایف ارزیابی برازش را بین پردازنده‌های slave توزیع می‌کند. اجرای الگوریتم پیشنهاد شده  در معماری ارباب – برده بسیار طبیعی و کارآمد است. پیچیدگی‌های زمانی برای الگوریتم‌های داده کاوی ژنتیکی – فازی موازی نیز مورد تحلیل قرار گرفته است. نتایج این تحلیل تأثیر قابل توجه الگوریتم پیشنهاد شده را نشان داده است. هنگامی که تعداد نسل‌ها زیاد باشد، افزایش سرعت الگوریتم ممکن است نسبتاً خطی باشد. نتایج تجربی تیز این نکته را تأیید می‌کنند. لذا به کارگیری معماری ارباب – برده برای افزایش سرعت الگوریتم داده‌ کاوی ژنتیکی – فازی   روشی امکان پذیر برای غلبه بر مشکل ارزیابی برازش کم سرعت الگوریتم‌ اصلی است.
کلمات کلیدی: داده کاوی، مجموعه های فازی، الگوریتم ژنتیک، پردازش موازی، قاعده اتحادیه
1- مقدمه
با پیشرفت روزافزون فن آوری اطلاعات (IT)، قابلیت ذخیره سازی و مدیریت داده‌ها در پایگاه‌های داده‌ اهمیت بیشتری پیدا می‌کند. به رغم اینکه گسترش IT پردازش داده‌ها را تسهیل و تقاضا برای رسانه‌های ذخیره سازی را برآورده می‌سازد، استخراج اطلاعات تلویحی قابل دسترسی به منظور کمک به تصمیم گیری مسئله‌ای جدید و چالش برانگیز است. از این رو، تلاش‌های زیادی معوف به طراحی مکانیسم‌های کارآمد برای کاوش اطلاعات و دانش از پایگاه داده‌های بزرگ شده است. در نتیجه، داده کاوی، که نخستین بار توسط آگراول، ایمیلنسکی و سوامی (1993) ارائه شد، به زمینه‌ی مطالعاتی مهمی در مباحث پایگاه داده‌ای و هوش مصنوعی مبدل شده است.
ادامه مطلب
برچسب ها : ,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1393/9/26 و در ساعت : 12:34 - نویسنده : dlfreejozve
پایان نامه کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر(CAPP)

پایان نامه کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر(CAPP)



پایان نامه جهت اخذ درجه کارشناسی
عنوان کامل: کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر(CAPP) در محیطهای صنعتی مختلف
دسته: کامپیوتر (گرایش نرم افزار)
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات: 96
________________________________________________________
بخشی از مقدمه:
در یک محیط صنعتی توزیع شده، کارخانه های مختلف و دارای ماشین ها و ابزارهای گوناگون در مکان های جغرافیایی مختلف غالبا به منظور رسیدن به بالاترین کارایی تولید ترکیب می شوند. در زمان تولید قطعات و محصولات مختلف ، طرح های فرایند مورد قبول توسط کارخانه های موجود تولید می شود. این طرحها شامل نوع ماشین، تجهیز و ابزار برای هر فرآیند عملیاتی لازم برای تولید قطعه است. طرح های فرایند ممکن است به دلیل تفاوت محدودیت های منابع متفاوت باشند. بنابراین به دست آوردن طرح فرایند بهینه یا نزدیک به بهینه مهم به نظر می رسد. به عبارت دیگر تعیین اینکه هر محصول درکدام کارخانه و با کدام ماشین آلات و ابزار تولید گردد امری لازم و ضروری می باشد. به همین منظور می بایست از بین طرحهای مختلف طرحی را انتخاب کرد که در عین ممکن بودن هزینه تولید محصولات را نیز کمینه سازد. در این تحقیق  یک الگوریتم ژنتیک معرفی می شود که بر طبق ضوابط از پیش تعیین شده مانند مینیمم سازی زمان فرایند می تواند به سرعت طرح فرایند بهینه را برای یک سیستم تولیدی واحد و همچنین یک سیستم تولیدی توزیع شده جستجو می کند. با استفاده از الگوریتم ژنتیک، برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) می تواند براساس معیار در نظر گرفته شده طرح های فرایند بهینه یا نزدیک به بهینه ایجاد کند، بررسی های موردی به طور آشکار امکان عملی شدن و استحکام روش را نشان می دهند. این کار با استفاده از الگوریتم ژنتیک در CAPP هم در سیستمهای تولیدی توزیع شده و هم واحد صورت می گیرد. بررسی های موردی نشان می دهد که این روش شبیه یا بهتر از برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) مرسوم تک کارخانه ای است
ادامه مطلب
برچسب ها : ,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1393/6/2 و در ساعت : 10:57 - نویسنده : dlfreejozve
آخرین مطالب نوشته شده
  • ذکر روز سه شنبه: یا ارحم الراحمین
  • طرح مدیریت کلید کارا برای شبکه‌ های حسگر بیسیم ذخیره‎ ساز داده‎ گرا
  • مدلی پیشرفته برای پیش بینی کارآمد حجم کار در ابر
  • آموزش قالب صحیفه نسخه 5.5.1
  • آموزش AHPبه صورت مرحله ای
  • مقاله تفاوت شبکه های حسگر بیسیم و موردی
  • بررسی شبکه های تعریف شده با نرم افزار (SDN)
  • مدل های پیش بینی تجربی برای تامین تطبیقی منابع در ابر
  • آموزش تصویریی اجرای شبکه عصبی وفازی در نرم افزار متلب
  • تکامل بازیابی ، به صورت مفهومی
  • مقاله ی تفاوت شبکه های حسگر بیسیم و موردی
  • آموزش اجرای شبکه عصبی و فازی در نرم افزار متلب
  • ترجمه مقاله پیشرفت های اخیر در زمینه خوشه بندی اسناد
  • ترجمه مقاله تحلیل تاثیر تکنیک های استخراج داده بر پایگاه داده ها
  • ترجمه مقاله مدیریت اطلاعات مالی برای دانشگاه ها با استفاده از نرم افزار open-sou
  • ترجمه مقاله بررسی تکنیکهای Document Clustering و مقایسه LDA و moVMF
  • گزارش کاراموزی رشته کامپیوتر پیرامون شبکه
  • ترجمه مقاله مقایسه و بررسی روش های خوشه بندی اسناد (داکیومنت)
  • ترجمه مقاله طراحی و پیاده سازی Document clustering توزيع شده بر پايه MapReduce
  • ترجمه مقاله الگوریتم های تکاملی برای بهینه سازی چند موردی
  • Copyright © 2010 by http://dlfreejozve.samenblog.com