فی گوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فی گوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

پروژه الگوریتم ژنتیک

اختصاصی از فی گوو پروژه الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

پروژه الگوریتم ژنتیک


پروژه الگوریتم ژنتیک

 

با خرید از سایت یک کد تخفیف برای خریدهای دیگر خود از سایت ما دریافت کنید

 

کد تخفیف بلافاصله بعد از خرید برای شما ارسال می گردد

 

قسمتی از متن

 

تعداد اسلایدها : 186صفحه

 

فرمت فایل : wordورد

 

 فصل اول---------------------------------------------------------- 8

1-1- مقدمه--------------------------------------------------------------- 9

1-2- به دنبال تکامل... ------------------------------------------------------ 10

1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک--------------------------------------- 11

1-4- درباره علم ژنتیک------------------------------------------------------ 14

1-5- تاریخچۀ علم ژنتیک---------------------------------------------------- 14

1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین) --------------------------------- 16

1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی------------------------------ 18

1-8- الگوریتم------------------------------------------------------------- 20

1-8-1- الگوریتم‌های جستجوی ناآگاهانه---------------------------------------- 21

1-8-1-الف- جستجوی لیست------------------------------------------------- 22

1-8-1-ب- جستجوی درختی------------------------------------------------- 22

1-8-1-پ- جستجوی گراف-------------------------------------------------- 23

1-8-2- الگوریتم‌های جستجوی آگاهانه----------------------------------------- 23

1-8-2-الف- جستجوی خصمانه----------------------------------------------- 24

1-9- مسائل NP-Hard---------------------------------------------------- 24

1-10- هیوریستیک--------------------------------------------------------- 26

1-10-1- انواع الگوریتم‌های هیوریستیک---------------------------------------- 29

 فصل دوم---------------------------------------------------------- 31

2-1- مقدمه--------------------------------------------------------------- 32

2-2- الگوریتم ژنتیک------------------------------------------------------- 33

2-3- مکانیزم الگوریتم ژنتیک------------------------------------------------- 35

2-4- عملگرهای الگوریتم ژنتیک----------------------------------------------- 39

2-4-1- کدگذاری---------------------------------------------------------- 39

2-4-2- ارزیابی------------------------------------------------------------ 39

2-4-3- ترکیب------------------------------------------------------------ 40

2-4-4- جهش------------------------------------------------------------ 40

2-4-5- رمزگشایی--------------------------------------------------------- 40

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

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

2-5-2- چارت الگوریتم ژنتیک------------------------------------------------ 44

2-6- تابع هدف------------------------------------------------------------ 45

2-7- روش‌های کد کردن---------------------------------------------------- 36

2-7-1- کدینگ باینری------------------------------------------------------ 37

2-7-2- کدینگ جایگشتی--------------------------------------------------- 47

2-7-3- کد گذاری مقدار---------------------------------------------------- 39

2-7-4- کدینگ درخت------------------------------------------------------ 40

2-8- نمایش رشته‌ها-------------------------------------------------------- 41

2-9- انواع روش‌های تشکیل رشته--------------------------------------------- 52

2-10- باز گرداندن رشته‌ها به مجموعه متغیرها----------------------------------- 45

2-10-1- تعداد بیت‌های متناظر با هر متغیر-------------------------------------- 46

2-11- جمعیت------------------------------------------------------------ 47

2-11-1- ایجادجمعیت اولیه-------------------------------------------------- 47

2-11-2- اندازه جمعیت----------------------------------------------------- 48

2-12- محاسبه برازندگی (تابع ارزش)------------------------------------------- 49

2-13- انواع روش‌های انتخاب------------------------------------------------- 60

2-13-1- انتخاب چرخ رولت-------------------------------------------------- 61

2-13-2- انتخاب حالت پایدار------------------------------------------------- 64

2-13-3- انتخاب نخبه گرایی------------------------------------------------- 55

2-13-4- انتخاب رقابتی----------------------------------------------------- 55

2-13-5- انتخاب قطع سر---------------------------------------------------- 56

2-13-6- انتخاب قطعی بریندل------------------------------------------------ 56

2-13-7- انتخاب جایگزینی نسلی اصلاح شده------------------------------------ 57

2-13-8- انتخاب مسابقه----------------------------------------------------- 66

2-13-9- انتخاب مسابقه تصادفی---------------------------------------------- 57

2-14- انواع روش‌های ترکیب------------------------------------------------- 58

2-14-1- جابه‌جایی دودوئی-------------------------------------------------- 58

2-14-2- جابه‌جایی حقیقی-------------------------------------------------- 61

2-14-3- ترکیب تک نقطه‌ای------------------------------------------------- 72

2-14-4- ترکیب دو نقطه‌ای-------------------------------------------------- 64

2-14-5- ترکیب n نقطه‌ای-------------------------------------------------- 74

2-14-6- ترکیب یکنواخت--------------------------------------------------- 65

2-14-7- ترکیب حسابی----------------------------------------------------- 75

2-14-8- ترتیب----------------------------------------------------------- 76

2-14-9- چرخه----------------------------------------------------------- 76

2-14-10- محدّب---------------------------------------------------------- 77

2-14-11- بخش_نگاشته---------------------------------------------------- 78

2-15- احتمال ترکیب------------------------------------------------------- 79

2-16- تحلیل مکانیزم جابجایی------------------------------------------------ 80

2-17- جهش------------------------------------------------------------- 80

2-17-1- جهش باینری----------------------------------------------------- 83

2-17-2- جهش حقیقی----------------------------------------------------- 83

2-17-3- وارونه سازی بیت--------------------------------------------------- 84

2-17-4- تغییر ترتیب قرارگیری----------------------------------------------- 84

2-17-5- وارون سازی------------------------------------------------------ 85

2-17-6- تغییر مقدار------------------------------------------------------- 85

2-18- محک اختتام اجرای الگوریتم ژنتیک-------------------------------------- 86

2-19- انواع الگوریتم‌های ژنتیکی---------------------------------------------- 87

2-19-1- الگوریتم ژنتیکی سری----------------------------------------------- 87

2-19-2- الگوریتم ژنتیکی موازی---------------------------------------------- 88

2-20- مقایسه الگوریتم ژنتیک با سیستمهای طبیعی------------------------------- 90

2-21- نقاط قوّت الگوریتمهای ژنتیک------------------------------------------- 91

2-22- محدودیتهای GAها------------------------------------------------- 94

2-23- استراتژی برخورد با محدودیتها----------------------------------------- 94

2-23-1- استراتژی اصلاح عملگرهای ژنتیک------------------------------------- 95

2-23-2- استراتژی رَدّی----------------------------------------------------- 95

2-23-3- استراتژی اصلاحی-------------------------------------------------- 95

2-23-4- استراتژی جریمهای------------------------------------------------- 95

2-24- بهبود الگوریتم ژنتیک------------------------------------------------- 96

2-25- چند نمونه از کاربردهای الگوریتمهای ژنتیک------------------------------- 97

 فصل سوم---------------------------------------------------------- 102

3-1- مقدمه--------------------------------------------------------------- 103

3-2- حلّ معمای هشت وزیر-------------------------------------------------- 103

3-2-1- جمعیت آغازین----------------------------------------------------- 106

3-2-2- تابع برازندگی------------------------------------------------------- 110

3-2-3- آمیزش------------------------------------------------------------ 111

3-2-4- جهش ژنتیکی------------------------------------------------------ 112

3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد------------------------------ 114

3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک------------------------------- 116

3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP---------------------- 125

3-3-3- نتیجه گیری-------------------------------------------------------- 127

3-4- حلّ مسأله معمای سودوکو----------------------------------------------- 128

3-4-1- حل مسأله--------------------------------------------------------- 129

3-4-2- تعیین کروموزم------------------------------------------------------ 130

3-4-3- ساختن جمعیت آغازین یا نسل اول-------------------------------------- 131

3-4-4- ساختن تابع از ارزش------------------------------------------------- 131

3-4-5- ترکیب نمونه‌ها و ساختن جواب جدید------------------------------------ 133

3-4-6- ارزشیابی مجموعه جواب---------------------------------------------- 137

3-4-7- ساختن نسل بعد---------------------------------------------------- 137

3-5- مرتب سازی به کمک GA----------------------------------------------- 138

3-5-1- صورت مسأله------------------------------------------------------- 139

3-5-2- جمعیت آغازین----------------------------------------------------- 139

3-5-3- تابع برازندگی------------------------------------------------------- 142

3-5-4- انتخاب------------------------------------------------------------ 142

3-5-5- ترکیب------------------------------------------------------------ 143

3-5-6- جهش------------------------------------------------------------- 144

  فهرست منابع و مراجع------------------------------------------------ 183


دانلود با لینک مستقیم


پروژه الگوریتم ژنتیک

آموزش الگوریتم ها ، پیاده سازی و شبیه سازی و برنامه نویسی متلب

اختصاصی از فی گوو آموزش الگوریتم ها ، پیاده سازی و شبیه سازی و برنامه نویسی متلب دانلود با لینک مستقیم و پر سرعت .

آموزش الگوریتم ها ، پیاده سازی و شبیه سازی و برنامه نویسی متلب


آموزش الگوریتم ها ، پیاده سازی و شبیه سازی و برنامه نویسی متلب

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


دانلود با لینک مستقیم


آموزش الگوریتم ها ، پیاده سازی و شبیه سازی و برنامه نویسی متلب

دانلود تحقیق شبکه های عصبی و الگوریتم های ژنتیک در تجارت

اختصاصی از فی گوو دانلود تحقیق شبکه های عصبی و الگوریتم های ژنتیک در تجارت دانلود با لینک مستقیم و پر سرعت .

دانلود تحقیق شبکه های عصبی و الگوریتم های ژنتیک در تجارت


دانلود تحقیق  شبکه های عصبی و الگوریتم های ژنتیک در تجارت

 

تعداد صفحات : 18 صفحه      -    

قالب بندی :  word               

 

 

 

 شبکه های عصبی و الگوریتم های ژنتیک در تجارت   

چکیده:

در عصر حاضر در بسیاری از موارد ماشین ها جایگزین انسانها شده اند و بسیاری از کارهای فیزیکی که در گذشته توسط انسانها انجام می گرفت امروزه توسط ماشین ها صورت می گیرد . اگرچه قدرت کامپیوترها در ذخیره، بازیابی اطلاعات و اتوماسیون اداری ،.. غیر قابل انکار است، اما همچنان مواردی وجود دارد که انسان ناچار است خودش کارها را انجام دهد. اما به طور کلی ، موارد مرتبط با ماشین شامل سیستم هایی است که در آن به علت ارتباطات پیچیده بین اجزا، مغز انسان از درک ریاضی این ارتباطات قاصر است . مغز انسان به مرور زمان با مشاهده توالی رفتارهای سیستم و گاه آزمایش نتیجه ای که بر اثر دستکاری یکی از اجزای سیستم به دست می آید تا حدی می تواند عادتهای سیستم را شناسایی کند . این روند یادگیری بر اثر مشاهده مثالهای متنوع از سیستم ، به کسب تجربه منجر می شود. در چنین سیستم‌هایی مغز قادر به تجزیه و تحلیل داخلی سیستم نیست و تنها با توجه به رفتارهای خارجی، عملکرد داخلی سیستم را تخمین می زند و عکس العملهای آن را پیش بینی می کند.چگونگی اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصمیم گیری ، از موضوعات بحث برانگیز در عصرحاضر است. یکی از مسائل مهم تحقیقاتی در زمینه علوم کامپیوتر، پیاده سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه و تحلیل سیستم های مختلف بر اساس تجربه است .در این راستا شبکه های عصبی یکی از پویاترین حوزه‌های تحقیق در دوران معاصر هستند که افراد متعددی از رشته های گوناگون علمی را به خود جلب کرده است .استفاده از شبکه‌های عصبی و الگوریتم های ژنتیک در حل مسائل پیچیده کاربردی این روزها بیش از بیش رواج یافته است . در این مقاله پس از معرفی اجمالی شبکه های عصبی و الگوریتم های ژنتیک، ارتباط وسهم آن ها در تصمیم گیری در حوزه تجارت وکسب وکار مورد بررسی قرارگرفته است . 



مقدمه
توجه به کاربرد تکنیک های هوش مصنوعی و ابزارهای مدل سازی در حوزه کسب و کار به طور فزاینده ای در حال افزایش است. در این راستا سیستم های خبره جایگاه ویژه ای یافته اند. در چند دهه گذشته دو عنوان شبکه های عصبی و الگوریتم های ژنتیک از موضوعاتی بوده اند که توجه بسیاری از دانشگاهیان را به خود جلب کرده اند . این دو به عنوان ابزاری نیرومند در حل مسائلی که دیگر توسط متدلوژی ها و روش های سنتی گذشته قابل حل نبودند، شناخته شده و مورد استفاده قرارگرفته اند. این روزها استفاده از آنها به زندگی اجتماعی ما نیز تسری یافته تا جایی که کاربرد آنها در تصمیم گیری ها نقش حیاتی یافته است . این مقاله شواهدی را مبتنی برامکان استفاده اخلاقی از شبکه های عصبی و الگوریتم ها ی ژنتیک که به منجر به تصمیم گیریهای موفقیت آمیز در ارتباط با مسائل مرتبط با کسب و کار می شود ارائه می کند . برای این منظور لازم است که بررسی تطبیقی ای در رابطه با تلاشهای دیگر محققان در قالب ادبیات موضوع صورت گیرد . به همین دلیل ، در تحقیق ما بر نقش محققان عملیاتی در حوزه کاربرد شبکه های عصبی و الگوریتم های ژنتیک تأکید شده است . همچنین در کنار ایجاد چنین پایگاهی برای محققان ، به سوالات اساسی زیر نیز پاسخ داده شده است :   
-1 آیا کاربردهای سیستم های مبتنی بر هوش مصنوعی می تواند از فرایندهای تصمیم گیری شرکت شما پشتیبانی کند ؟     
-2 آیا اسناد ودلایل و مدارک معتبری برای اثبات این ادعا وجود دارد ؟   
-3 آیا اینها تنها یک تئوری و ایده دانشگاهی است یا دارای قابلیت کاربرد و تعمیم نیز هست؟
به عبارت دیگر ، با درنظر گرفتن مطالعات مشابه در رابطه با استفاده از سیستم های خبره در کسب و کار، نویسندگان و محققان در آرزوی دستیابی به فرصتی جهت بحث مقایسه ای در باره این سه متدلوژی هوشمند هستند (متاکسیوس و پساراس 2003 ) . یکی از مهم ترین و بحث‌برانگیزترین تحقیقات ، بررسی صورت گرفته توسط لایبوتز (2001) است که نتیجه آن تحت عنوان «سیستمهای خبره و کاربرد آنها» مطرح شد.ساختار این مقاله به صورت زیر است‌: در ابتدا مروری بر پایه و اساس شبکه های عصبی و الگوریتم های ژنتیک خواهیم داشت و سپس به بازنگری جامعی بر کاربرد شبکه های عصبی و الگوریتم های ژنتیک در حوزه کسب و کار خواهیم پرداخت و نهایتا آن را با نتایج و پیشنهاداتی برای تحقیقات کاربردی آینده به پایان خواهیم رساند .       
فناوری شبکه عصبی    
شبکه های عصبی یک تکنیک پردازش اطلاعات مبتنی بر روش سیستم های عصبی بیولوژیکی مانند مغز و پردازش اطلاعات است. مفهوم بنیادی شبکه های عصبی ، ساختار سیستم پردازش اطلاعات است که از تعداد زیادی واحدهای پردازشی (نورون‌) مرتبط با شبکه ها تشکیل شده اند‌. سلول عصبی بیولوژیکی یا نورون، واحد سازنده سیستم عصبی در انسان است. یک نورون ازبخشهای اصلی زیر تشکیل شده است :
1) بدنه سلولی که هسته در آن است و سایر قسمتهای سلولی از آن منشأ گرفته است.     
2) هسته       
3) آکسون که وظیفه آن انتقال اطلاعات از سلول عصبی است.    
4) دندریت که وظیفه آن انتقال اطلاعات از سلول های دیگر به سلول عصبی است
یک سیستم شبکه عصبی از تکنیک‌های مورد استفاده انسان در یادگیری از طریق استناد به مثالهایی از حل مسائل استفاده می‌کند (هایکین ،1994 ) . هر نورون ورودیهای متعددی را پذیراست که با یکدیگر به طریقی جمع می شوند . اگر در یک لحظه تعداد ورودی های فعال نرون به حد کفایت برسد نرون نیز فعال شده و آتش می کند . در غیر این‌صورت نورون به صورت غیر فعال و آرام باقی می ماند .فعالیت هر نورون از مجموعه ای از یک یا چند ورودی ، عملیات و وظیفه خروجی برای محاسبه خروجیهایش تشکیل شده است . عملکرد اساسی این مدل مبتنی بر جمع کردن ورودیها و به دنبال آن به وجود آمدن یک خروجی است . ورودیهای نورون از طریق دندریت ها که به خروجی نورون های دیگر از طریق سیناپس متصل شده اند وارد می شوند . بدنه سلولی کلیه این ورودیها را دریافت می کند و چنانچه جمع این مقادیراز مقداری که به آن آستانه گفته می شود بیشتر شود در اصطلاح بر انگیخته شده یا آتش می کند و درغیر این صورت خروجی نورون روشن یا خاموش خواهد شد. مدل پایه ای نورون به صورت شکل 1 تعریف می گردد .


 

 

 


دانلود با لینک مستقیم


دانلود تحقیق شبکه های عصبی و الگوریتم های ژنتیک در تجارت

پروژه کامپیوتر در باره الگوریتم های ژنتیک. doc

اختصاصی از فی گوو پروژه کامپیوتر در باره الگوریتم های ژنتیک. doc دانلود با لینک مستقیم و پر سرعت .

پروژه کامپیوتر در باره الگوریتم های ژنتیک. doc


پروژه کامپیوتر در باره الگوریتم های ژنتیک. doc

 

 

 

 

نوع فایل: word

قابل ویرایش 92 صفحه

 

مقدمه:

char les darvin تئوری سیر تکاملی طبیعی مبدا بشر را توضیح داد.در طبیعت یک فرد از جمعیت برای بدست آوردن منابعی مانند غذا، پناهگاه و چیزهای دیگر با دیگران رقابت می کند. همچنین افراد برای به دست آوردن و اختیار کردن همسر برای تولید مثل با هم رقابت می کنند و افراد شایسته یک جمعیت بزرگی از فرزندان را تولید می کنند.

در طول تولید نسل مشخصات خوب از هر جد می تواند فرزندان بهتری نسبت به والدین را تولید کند که fitness شان بزرگتر از ولدین است. در سال 1975 جان هالند توسعه داد این نظریه را او چگونگی بکارگیری اصول تکاملی طبیعی را برای  بهینه سازی مسائل و ساخت اولین الگوریتم ژنتیک توضیح داد.

تئوری هالند مجددا توسعه داده شد و اکنون الگوریتم های ژنتیک به عنوان یک ابزار قوی برای حل مسائل بهینه سازی و جستجو به کار می روند.الگوریتم های ژنتیک مبتنی بز قانون علم وراثت و تکامل هستند.

الگوریتم های ژنتیک یک نمونه از تکنولوژی ریاضات  هستند که با تقلید از سیر تکاملی یک چیز می توانند مسائل را حل کنند.

منشاء بشر بر مبنای حفظ گونه ها و تغییرات مطلوب و رد گونه های نا مطلوب بوده است. افراد زیادی  تولد یافته اند که می توانند زنده بمانند همچنین کشمکش های مداوم برای زندگی وجود دارد. افراد شانس بزرگی برای زنده ماندن دارند  آن هم بقای شایستگی است.

 

فهرست مطالب:

 

1 – مقدمه

 1-1 تاریخچه

1-1-1- سلول

 1-1-2- کروموزوم

 1- 2- الگوریتم ژنتیک چیست؟

1-2-1- فضای جستجو

1-2-2- الگوریتم ژنتیک و تکامل

1-3- مزایا و محدودیت های الگوریتم ژنتیک

1-4- کاربردهای الگوریتم ژنتیک

2- اصطلاحات و عملگرهای الگوریتم ژنتیک

 2-1- عناصر اصلی

 2-2- افراد

 2-3- ژن

 2-4-fitness (شایستگی)

 2-5- جمعیت

 2-6- کدگذاری

2-6-1- Binary Encoding (کدگذاری باینری)

2-6-2- Octal Encoding (کدگذاری مبنی 8)

2-6-3-Hexadecimal Encoding(کدگذاری مبنای 16)

2-6-4- کدگذاری جایگشتی (کدگذاری اعداد حقیقی)

 2-6-5- Value Encoding

2-6-6- Tree Encoding

2-7- (تولید نسل) Breeding

2-7-1- انتخاب (selection)

2-7-2- crossover

2-7-3- mutation

2-7-4-جایگذاری Replacement

2-7- ) Search Termination(Convergence Criteri) پایان جستجو (معیارهای همگرایی)

 2 -8- الگوریتم ژنتیک چگونه کار می کند

Building Block Hypothesis 2-8-1-

A Macro-Mutation Hypothesis2-8-2-

An Adaptive Mutation Hypothesis2-8-3-

The Schema Theorem 2 -8-4-

Implicit Parallelism 2 -8-5-

2-9- نمونه مثال هایی در باره الگوریتم ژنتیک

 2-9-1- ماکزیمم مقدار تابعX

 2-9-2- مسئله فروشنده دوره گرد (TSP)

3- دسته بندی الگوریتم ژنتیک

3-1- Simple Genetic Algorithm (SGA)

3-2- Parallel and Distributed Genetic Algorithm (PGA and DGA)40

3-2-1- Master-Slave Parallelization

3-2-2- Fine Grained Parallel GAs (Cellular GAs)

3-2-3- Multiple-Deme Parallel GAs (Distributed GAs or Coars Grained GAs)

3-2-4- Hierarchical Parallel Algorithms

3-3- Hybrid Genetic Algorithm (HGA)

3-4- Adaptive Genetic Algorithm (AGA)

3-5- Fast Messy Genetic Algorithm (FmGA)

4- پیاده سازی الگوریتم ژنتیک با استفاده از MATLAB

4-1- ساختمان داده

4-2- کروموزوم

4-3- کاربر گرافیکی الگوریتم ژنتیک مشترک با Toolbox

 5- کاربرد های الگوریتم ژنتیک

5-1- الگوریتم ژنتیک در دنیای کامپیوتر

5-2 نکات مهم در الگوریتم های ژنتیک

5-3 فناوری الگوریتم ژنتیک

5-4 مروری بر کاربردهای تجاری

5-5 بانکداری و حوزه های مالی

5-6 پیش بینی

5 -7 سایر حوزه های تجاری

6- منابعو مأخذ

 

منابع و مأخذ:

  1. Dawkins, R. (1989). The Selfish Gene - New Ed. Oxford University Press, Great Britain.
  2. Fraser, A. P. (1994). Genetic Programming in C++. Technical report 040, University of
  3. Salford.
  4. Goldberg, D. E. & Smith, R. E. (1987) Nonstationary Function Optimization using Genetic

Algorithms with Diploidy and Dominance. In J.J Grefenstette, editor, Proceedings of the Second

International Conference on Genetic Algorithms, 59–68. Lawrence Erlbaum Associates.

  1. Hadad B. S. & Eick C. F. (1997) Supporting Polyploidy in Genetic Algorithms Using Dominance
  2. In P.J. Angeline et al. (eds.), Proceedings of the Sixth International Conference

on Evolutionary Programming, 223–234. Berlin: Springer-Verlag.

5- مهندس لطفی. پردازش تکاملی.دانشگاه آزاد شبستر2008

6- سایت های اینترنت


دانلود با لینک مستقیم


پروژه کامپیوتر در باره الگوریتم های ژنتیک. doc

بهینه سازی بهره برداری از مخزن با استفاده از روش الگوریتم چرخه آب (WCA) (مطالعه موردی: سد درودزن)

اختصاصی از فی گوو بهینه سازی بهره برداری از مخزن با استفاده از روش الگوریتم چرخه آب (WCA) (مطالعه موردی: سد درودزن) دانلود با لینک مستقیم و پر سرعت .

بهینه سازی بهره برداری از مخزن با استفاده از روش الگوریتم چرخه آب (WCA) (مطالعه موردی: سد درودزن)


بهینه سازی بهره برداری از مخزن با استفاده از روش الگوریتم چرخه آب (WCA) (مطالعه موردی: سد درودزن)

• مقاله با عنوان: بهینه سازی بهره برداری از مخزن با استفاده از روش الگوریتم چرخه آب (WCA) (مطالعه موردی: سد درودزن)  

• نویسندگان: سعید اکبری فرد ، کوروش قادری ، بهرام بختیاری  

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94  

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

 

 

 

چکیــــده:

امروزه منایع آب در زمره گنجینه های عظیم بشری به شمار می آیند که لازمه بهره برداری از آنها، اعمال قوانین و مدیریت بهینه بهره برداری می باشد. یکی از راهکارهای مقابله با مسائل و مشکلات مدیریت منابع آب و عدم توزیع زمانی و مکانی متناسب آن، استفاده بهینه از مخازن است. در این تحقیق به منظور بهره برداری بهینه از مخزن سد درودزن، یک مدل کامپیوتری بر مبنای الگوریتم چرخه آب که زیربنای آن از طبیعت و بر اساس فرآیند چرخه آب و جریان رودخانه ها و نهرها به دریا در جهان واقعی الهام گرفته شده است، در محیط نرم افزاری MATLAB توسعه داده شد. تابع هدف تحقیق موردنظر حداقل کردن کل کمبودها، تعریف گردید. نتایج حاصل از اجرای مدل WCA، در تامین نیازهای پایین دست و شاخص های عملکرد مخرن با تامین 96.3% نیاز کل حاکی از عملکرد بالای مدل WCA در بهره برداری بهینه از مخزن می باشد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل civil.sellfile.ir@gmail.com پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **


دانلود با لینک مستقیم


بهینه سازی بهره برداری از مخزن با استفاده از روش الگوریتم چرخه آب (WCA) (مطالعه موردی: سد درودزن)