مقالات و تحقیق آماده
ارائه محصولات فایلی و دانلودی برای شما عزیزانمقالات و تحقیق آماده
ارائه محصولات فایلی و دانلودی برای شما عزیزاندانلود پیش‌بینی ترافیک شبکه‌های سلولی بی‌سیم با استفاده از یادگیری عمیق انتقالی و داده‌های متقابل دامنه
پیش‌بینی ترافیک شبکه‌های سلولی بی‌سیم با استفاده از یادگیری عمیق انتقالی و داده‌های متقابل دامنه
فرمت فایل دانلودی: .pptxفرمت فایل اصلی: pptx
تعداد صفحات: 22
حجم فایل: 11120 کیلوبایت
قیمت: 110000 تومان
توضیحات:
پاورپوینت پیش‌بینی ترافیک شبکه‌های سلولی بی‌سیم با استفاده از یادگیری عمیق انتقالی و داده‌های متقابل دامنه، در 22 اسلاید.
شامل:
1- چالش های ترافیک شبکه های سلولی
2- پیشینه کار3- راه حل محققان
4- استراتژی ادغام دامنه ها
5- مدل LSTM
6- لایه های کانولوشنال
7- شبکه های ترکیبی
8- شبکه dense-net
9- معیارهای سنجش مدل
10- نتایج
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
دانلود سایر پروژه
دانلود تحقیق شبکه عصبی مصنوعی
تحقیق شبکه عصبی مصنوعی
فرمت فایل دانلودی: .docxفرمت فایل اصلی: docx
تعداد صفحات: 24
حجم فایل: 199 کیلوبایت
قیمت: 60000 تومان
توضیحات:
تحقیق با موضوع شبکه های عصبی مصنوعی، در قالب فایل Word و در حجم 24 صفحه، همراه با فهرست منابع.
بخشی از متن:
در حالت کلی، یک شبکه عصبی زیستی از مجموعه یا مجموعه‌ای از نورون‌های به صورت فیزیکی به هم متصل یا از لحاظ عملکردی به هم وابسته تشکیل شده‌است. هر نورون می‌تواند به تعداد بسیار زیادی از نورون‌ها وصل باشد و تعداد کل نورون‌ها و اتصالات بین آنها می‌تواند بسیار زیاد باشد. اتصالات، که به آنها سیناپس گفته میشود، معمولاً از آکسون‌ها و دندریت‌ها تشکلیل شده‌اند. هوش مصنوعی و مدل سازی شناختی سعی بر این دارند که بعضی از خصوصیات شبکه‌های عصبی را شبیه سازی کنند. این دو اگرچه در روش‌هایشان به هم شبیه هستند اما هدف هوش مصنوعی حل مسائل مشخصی است در حالی که هدف مدل سازی شناختی ساخت مدلهای ریاضی سامانه‌های نورونی زیستی است. روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود. شبکه از تعداد دلخواهی نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند. هر نورون می‌تواند به تعداد بسیار زیادی از نرون‌ها وصل باشد و تعداد کل نرون‌ها و اتصالات بین آنها می‌تواند بسیار زیاد باشد.(Hagan, Demuth, & Beale, 1996)
فهرست مطالب:
مقدمه
هوش مصنوعی و هوش انسانی
شبکه‌های عصبی زیستی
تاریخچه شبکه‌های عصبی مصنوعی
شبکه عصبی
نورون مصنوعی
شبکه عصبی مصنوعی(ANN)
ساختار شبکه‌های عصبی
تقسیم بندی شبکه‌های عصبی
قابلیت های شبکه عصبی
کاربرد شبکه‌های عصبی
انواع شبکه عصبی
شبکه عصبی پرسپترون
پرسپترون تک لایه
یادگیری یک پرسپترون
توابع بولی و پرسپترون
شبکه عصبی هاپفیلد
شبکه عصبی همینگ
شبکه عصبی تأ خیر زمانی
شبکه انتشار رو به عقب
معایب شبکه‌های عصبی
استفاده از شبکه های عصبی مصنوعی در تکمیل، انگیزش و طراحی مخازن نفت و گاز
روشهای شبکه عصبی برای پیش بینی تولید چاه نفت
شبکه های عصبی و کاربرد آنها در مهندسی کنترل
References
تحقیق با موضوع شبکه های عصبی مصنوعی، در قالب فایل Word و در حجم 24 صفحه، همراه با فهرست منابع.
بخشی از متن:
در حالت کلی، یک شبکه عصبی زیستی از مجموعه یا مجموعه‌ای از نورون‌های به صورت فیزیکی به هم متصل یا از لحاظ عملکردی به هم وابسته تشکیل شده‌است. هر نورون می‌تواند به تعداد بسیار زیادی از نورون‌ها وصل باشد و تعداد کل نورون‌ها و اتصالات بین آنها می‌تواند بسیار زیاد باشد. اتصالات، که به آنها سیناپس گفته میشود، معمولاً از آکسون‌ها و دندریت‌ها تشکلیل شده‌اند. هوش مصنوعی و مدل سازی شناختی سعی بر این دارند که بعضی از خصوصیات شبکه‌های عصبی را شبیه سازی کنند. این دو اگرچه در روش‌هایشان به هم شبیه هستند اما هدف هوش مصنوعی حل مسائل مشخصی است در حالی که هدف مدل سازی شناختی ساخت مدلهای ریاضی سامانه‌های نورونی زیستی است. روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود. شبکه از تعداد دلخواهی نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند. هر نورون می‌تواند به تعداد بسیار زیادی از نرون‌ها وصل باشد و تعداد کل نرون‌ها و اتصالات بین آنها می‌تواند بسیار زیاد باشد.(Hagan, Demuth, & Beale, 1996)
فهرست مطالب:
مقدمه
هوش مصنوعی و هوش انسانی
شبکه‌های عصبی زیستی
تاریخچه شبکه‌های عصبی مصنوعی
شبکه عصبی
نورون مصنوعی
شبکه عصبی مصنوعی(ANN)
ساختار شبکه‌های عصبی
تقسیم بندی شبکه‌های عصبی
قابلیت های شبکه عصبی
کاربرد شبکه‌های عصبی
انواع شبکه عصبی
شبکه عصبی پرسپترون
پرسپترون تک لایه
یادگیری یک پرسپترون
توابع بولی و پرسپترون
شبکه عصبی هاپفیلد
شبکه عصبی همینگ
شبکه عصبی تأ خیر زمانی
شبکه انتشار رو به عقب
معایب شبکه‌های عصبی
استفاده از شبکه های عصبی مصنوعی در تکمیل، انگیزش و طراحی مخازن نفت و گاز
روشهای شبکه عصبی برای پیش بینی تولید چاه نفت
شبکه های عصبی و کاربرد آنها در مهندسی کنترل
References
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
دانلود سایر پروژه
دانلود تحقیق شبکه های عصبی
تحقیق شبکه های عصبی
فرمت فایل دانلودی: .docفرمت فایل اصلی: doc
تعداد صفحات: 113
حجم فایل: 2236 کیلوبایت
قیمت: 47500 تومان
توضیحات:
پروژه رشته کامپیوتر با موضوع شبکه های عصبی، در قالب فایل word و در حجم 113 صفحه.
بخشی از متن:
در این نوشتار به معرفی شبکه های عصبی مصنوعی و ساختارهای آنها به صورت خلاصه میپردازیم. در ابتدا نورون های شبکه های عصبی طبیعی معرفی شده و طرز کار آنها نشان داده شده است. سپس مدل مصنوعی این نورون ها و ساختار آنها ، مدل ریاضی آنها ، شبکه های عصبی مصنوعی و نحوه آموزش و بکار گیری این شبکه ها به همراه روش یادگیری گرادیان کاهنده نشان داده شده است. تمرکز بیشتر بر نوعی از این شبکه ها بنام شبکه های عصبی مصنوعی پرسپترون چند لایه می باشد. ابزاهایی نیز برای پیاده سازی این شبکه ها نام برده شده است.
فهرست مطالب:
چکیده
مقدمه
شکل 1 ساختار یک نورون طبیعی
شکل 2 ساختار نورون مصنوعی
تعریف شبکه‌های عصبی مصنوعی
تاریخچه
انواع شبکه‌های عصبی مصنوعی
شبکه عصبی زیستی
معرفی شبکه عصبی مصنوعی
تاریخچه شبکه عصبی مصنوعی
چرا از شبکه های عصبی استفاده می‌کنیم؟
مقایسه‌ی شبکه های عصبی با کامپیوتر سنتی
نورون مصنوعی
ساختار شبکه‌های عصبی
تقسیم بندی شبکه‌های عصبی
کاربرد شبکه‌های عصبی
معایب شبکه‌های عصبی
نظریه‌ی تشدید انطباقی
مدل یادگیری
روشهای تعلیم شبکه عصبی
مدل نرون ساده‌ی خطی
شکل 3 نرون ساده خطی
شکل 4 مدل نرون خطی به همراه تابع فشرده‌سازی
تکنیک های تعیین پارامترهای نرون خطی
شبکه‌های پرسپترون چندلایه
شکل5 نمونه ازشبکه پرسپترون
الگوریتم یادگیری شبکه های پرسپترون (انتشاربه عقب)
انتشار به عقب خطا
تصحیح اوزان وبایاسها
شبکه های عصبی مصنوعی
مغزانسان
سلولهای عصبی
سلول عصبی مصنوعی
شبکه عصبی مصنوعی
شناخت حروف توسط شبکه های عصبی
تشکیل شبکه عصبی
ایجادلایه file input
ایجادیک لایه خطی
ایجادلایه winery take all
تقسیم بندی الگوهابه سه دسته
آموزش شبکه
تست کردن شبکه
امتحان با مثالهای جدید
تشخیص دیجیتال با استفاده ازشبکه عصبی
نتیجه گیری
کلمات کلیدی
مقدمه
کار مرتبط
شکل 1 مثالهای شکلهای مختلف درعدد 4
شکل 2 سناریوی تشخیص عددبا شبکه مصنوعی
زیر ساخت
اجزای سیستم
مواد و روشها
پیش پردازش
نرمالسازی قیاس بندی
نازی سازی و چارچوب بندی
جداسازی
استخراج مشخصه
تشخیص و کلاس بندی
شکل 4 شبکه دولایه،یک لایه مخفی،ویک لایه خروجی
کد الگوریتم
شکل 5 شبکه سه لایه، 2 لایه مخفی ویک لایه خروجی
آموزش شبکه
مرحله تغذیه جلویی
شکل 6 تابع راندمان اموزش
نتایج و مباحث
جدول 1 مقایسه بین شبکه ها
جدول 2 دقت تشخیص
شکل 7 مثالی برای تصویرکشیدن مراحل مختلف
شکل 8 مقایسه بین نظریه هاوسیتم مان برحسب دقت تشخیص
شبکه عصبی برپایه معماری تنظیم پایگاه داده
کلمات کلیدی
مقدمه
شکل 1 ساختار پایه شبکه عصبی
شکل 2 معماری تنظیم برپایه شبکه عصبی
جدول 1 سری داده های آموزش نمونه
شکل 3 تاثیراندازه بافربر زمان اجرای
داخل کردن کلاس بندی و پیوند درمدل تعمیم شبکه عصبی جمعی
نتایج
کلمات کلیدی
مقدمه
شکل 1 لایه کلی مدل شبکه جمعی مطرح
شکل 2 ساختارکلی مدل شبکه جمع
شکل 3 طرح لایه بندی دوگانه
شکل 4 نمودارجریان سازگاری ساختاری مدل مطرح شده
جدول 2 بخشهای میانگین مربع خطا
شکل 1 نمادهای مدلهای سه بعدی کشتی
شکل 2 ساختارسیستم کلاس سازکشتی
شکل 3 ساختارشبکه عصبی
پانوشت ها
فهرست منابع
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
دانلود سایر پروژه
دانلود پاورپوینت معرفی شبکه عصبی و کاربرد آن در مباحث عمران
پاورپوینت معرفی شبکه عصبی و کاربرد آن در مباحث عمران
فرمت فایل دانلودی: .pptxفرمت فایل اصلی: pptx
تعداد صفحات: 31
حجم فایل: 19243 کیلوبایت
قیمت: 65000 تومان
توضیحات:
پاورپوینت ارائه کلاسی رشته مهندسی عمران با موضوع معرفی شبکه عصبی و کاربرد آن در مباحث عمران، در حجم 31 اسلاید بصورت فارسی و انگلیسی، همراه با تصاویر و توضیحات.
این ارائه پس از معرفی شبکه عصبی و سیستم طبقه بندی فازی به ارائه یک مقاله داخلی که با این دو سیستم کار شده، می پردازد.
فهرست بخشی از مطالب ارائه شده:
Introduction to Networks
Artificial Neural Networks
Basic element of ANNs
Types of ANNs
Learning ANNs
Backpropagation Algorithm
مثال: بهبود عملکرد شبکه عصبی مصنوعی در برآورد درصد رطوبت بهینه و تراکم بیشینه خاکها بوسیله طبقه بندی فازی
خلاصه
طبقه بندی میانگین مرکزی فازی و شبکه عصبی
پایگاه داده
مکان یابی نمونه ها در نمودار کاساگرانده
...
تحلیل نتایج
نتیجه گیری
پاورپوینت ارائه کلاسی رشته مهندسی عمران با موضوع معرفی شبکه عصبی و کاربرد آن در مباحث عمران، در حجم 31 اسلاید بصورت فارسی و انگلیسی، همراه با تصاویر و توضیحات.
این ارائه پس از معرفی شبکه عصبی و سیستم طبقه بندی فازی به ارائه یک مقاله داخلی که با این دو سیستم کار شده، می پردازد.
فهرست بخشی از مطالب ارائه شده:
Introduction to Networks
Artificial Neural Networks
Basic element of ANNs
Types of ANNs
Learning ANNs
Backpropagation Algorithm
مثال: بهبود عملکرد شبکه عصبی مصنوعی در برآورد درصد رطوبت بهینه و تراکم بیشینه خاکها بوسیله طبقه بندی فازی
خلاصه
طبقه بندی میانگین مرکزی فازی و شبکه عصبی
پایگاه داده
مکان یابی نمونه ها در نمودار کاساگرانده
...
تحلیل نتایج
نتیجه گیری
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
دانلود سایر پروژه
دانلود تحقیق الگوریتم ژنتیک و بهینه سازی چندین مسئله با آن
تحقیق الگوریتم ژنتیک و بهینه سازی چندین مسئله با آن
فرمت فایل دانلودی: .rarفرمت فایل اصلی: docx
تعداد صفحات: 73
حجم فایل: 299 کیلوبایت
قیمت: 27500 تومان
توضیحات:
پروژه پایانی رشته فناوری اطلاعات با موضوع الگوریتم ژنتیک و بهینه سازی چندین مسئله با آن، در قالب فایل word و در حجم 73 صفحه.
چکیده:
در عصر حاضر در بسیاری از موارد ماشین‌ها جایگزین انسانها شده‌اند و بسیاری از کارهای فیزیکی که در گذشته توسط انسانها انجام می‌گرفت امروزه توسط ماشین‌ها صورت می‌گیرد. 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 سیستم‌هایی 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 نتیجه‌ای که بر اثر دستکاری یکی از اجزای سیستم به دست می‌آید تا حدی می‌تواند عادتهای سیستم را شناسایی کند. این روند یادگیری بر اثر مشاهده مثالهای متنوع از سیستم، به کسب تجربه منجر میشود. در چنین سیستم‌هایی مغز قادر به تجزیه و تحلیل داخلی سیستم نیست و تنها با توجه به رفتارهای خارجی، عملکرد داخلی سیستم را تخمین می‌زند و عکس‌العملهای آن را پیش‌بینی می‌کند.
چگونگی اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصمیم‌گیری، از موضوعات بحث برانگیز در عصر حاضر است. یکی از مسائل مهم تحقیقاتی در زمینه علوم کامپیوتر، پیاده‌سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه و تحلیل سیستم‌های مختلف براساس تجربه است. در این راستا شبکه‌های عصبی یکی از پویاترین حوزه‌های تحقیق در دوران معاصر هستند که افراد متعددی از رشته‌های گوناگون علمی را به خود جلب کرده است. استفاده از شبکه‌های عصبی و الگوریتم‌های ژنتیک در حل مسائل پیچیده کاربردی این روزها بیش از بیش رواج یافته است. در این پروژه پس از معرفی اجمالی شبکه‌های عصبی و الگوریتم‌های ژنتیک، ارتباط و سهم آنها در تصمیم‌گیری در حوزه تجارت و کسب و کار مورد بررسی قرار گرفته است.
فهرست مطالب:
فصل اول- کلیات پروژه
کلیات پروژه
1-2 مقدمه
فصل دوم- الگوریتم ژنتیک
2-1 فناوری شبکه عصبی
2-2 فناوری الگوریتم ژنتیک
2-3 مروری بر کاربردهای تجاری
2-4 بازاریابی
2-5 بانکداری و حوزه‌های مالی
2-6 پیش بینی
2-7 سایر حوزه‌های تجاری
2-8. الگوریتم ژنتیک
2-8-1. عملگرهای ژنتیک
2-8-1-1. عملگر تولید مثل
2-8-2. مؤلفه های ژنتیک
2-9. الگوریتم نلدر- مید
2-9-1. مرور اجمالی بر روش عملکرد الگوریتم نلدر- مید
2-10. ترکیب ژنتیک و نلدر- مید
2-11. جامعة آماری
2-12. نمونة آماری
2-13. داده‌ها و اطلاعات
2-14. ابزار جمع‌آوری داده
2-15. داده‌های خام
فصل سوم- بررسی چندین مسئله در الگوریتم ژنتیک
3-1 طراحی آزمایشات و ارائه مدلی از متغیرهای مستقل
3-2 معرفی عوامل مؤثر
3-3 رطوبت تفاله
3-4 دمای خشک کن
3-5 درصد آهک اضافه شده
3-6 معرفی متغیر پاسخ
3-7 الگوریتم های پیشنهادی
3-8 الگوریتم ترکیبی شبیه سازی تبرید و ژنتیک (GA-SA)
3-9 الگوریتم شبیه سازی تبرید( SA):
3-10 جزئیات ساختار الگوریتم های پیشنهادی
نمایش حل ها
3-11 دمای اولیه
3-12 جستجوی همسایگی
فصل چهارم- بهینه سازی مسائل مختلف
4-1. مرور ادبیات مسئله
4-2. شرح مسئله تسطیح منابع در حالت چند پروژه‌ای
4-3. مدلسازی مسئله
4-4. مدلسازی مسئله در حالت تک پروژه‌ای
4-5 مدلسازی مسئله در حالت چند پروژه‌ای، هنگامی که چند نوع منبع داریم
4-6 بیان روش حل به کمک الگوریتم ژنتیک
4-7 کد کردن مسئله
4-8 تولید جامعه اولیه
4-9 تعیین مکانیسم نمونه‌گیری
4-10. انتخاب عملگر ژنتیکی مناسب
4-11 تعیین معیار توقف
4-12 بررسی نتایج حاصل از مسئله
4-14 بررسی نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی
4-15. بیان مسئله و شرح اهمیت پژوهش
4-16 بهینه‌سازی
4-17. انواع روشهای بهینه‌سازی
4-17-1. کلاسیک‌ها
4-17-2. روشهای ابتکاری
4-17-3. روش تحقیق
فصل پنجم- نتیجه گیری
5-1 نتیجه‌گیری
منابع
پروژه پایانی رشته فناوری اطلاعات با موضوع الگوریتم ژنتیک و بهینه سازی چندین مسئله با آن، در قالب فایل word و در حجم 73 صفحه.
چکیده:
در عصر حاضر در بسیاری از موارد ماشین‌ها جایگزین انسانها شده‌اند و بسیاری از کارهای فیزیکی که در گذشته توسط انسانها انجام می‌گرفت امروزه توسط ماشین‌ها صورت می‌گیرد. 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 سیستم‌هایی 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 نتیجه‌ای که بر اثر دستکاری یکی از اجزای سیستم به دست می‌آید تا حدی می‌تواند عادتهای سیستم را شناسایی کند. این روند یادگیری بر اثر مشاهده مثالهای متنوع از سیستم، به کسب تجربه منجر میشود. در چنین سیستم‌هایی مغز قادر به تجزیه و تحلیل داخلی سیستم نیست و تنها با توجه به رفتارهای خارجی، عملکرد داخلی سیستم را تخمین می‌زند و عکس‌العملهای آن را پیش‌بینی می‌کند.
چگونگی اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصمیم‌گیری، از موضوعات بحث برانگیز در عصر حاضر است. یکی از مسائل مهم تحقیقاتی در زمینه علوم کامپیوتر، پیاده‌سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه و تحلیل سیستم‌های مختلف براساس تجربه است. در این راستا شبکه‌های عصبی یکی از پویاترین حوزه‌های تحقیق در دوران معاصر هستند که افراد متعددی از رشته‌های گوناگون علمی را به خود جلب کرده است. استفاده از شبکه‌های عصبی و الگوریتم‌های ژنتیک در حل مسائل پیچیده کاربردی این روزها بیش از بیش رواج یافته است. در این پروژه پس از معرفی اجمالی شبکه‌های عصبی و الگوریتم‌های ژنتیک، ارتباط و سهم آنها در تصمیم‌گیری در حوزه تجارت و کسب و کار مورد بررسی قرار گرفته است.
فهرست مطالب:
فصل اول- کلیات پروژه
کلیات پروژه
1-2 مقدمه
فصل دوم- الگوریتم ژنتیک
2-1 فناوری شبکه عصبی
2-2 فناوری الگوریتم ژنتیک
2-3 مروری بر کاربردهای تجاری
2-4 بازاریابی
2-5 بانکداری و حوزه‌های مالی
2-6 پیش بینی
2-7 سایر حوزه‌های تجاری
2-8. الگوریتم ژنتیک
2-8-1. عملگرهای ژنتیک
2-8-1-1. عملگر تولید مثل
2-8-2. مؤلفه های ژنتیک
2-9. الگوریتم نلدر- مید
2-9-1. مرور اجمالی بر روش عملکرد الگوریتم نلدر- مید
2-10. ترکیب ژنتیک و نلدر- مید
2-11. جامعة آماری
2-12. نمونة آماری
2-13. داده‌ها و اطلاعات
2-14. ابزار جمع‌آوری داده
2-15. داده‌های خام
فصل سوم- بررسی چندین مسئله در الگوریتم ژنتیک
3-1 طراحی آزمایشات و ارائه مدلی از متغیرهای مستقل
3-2 معرفی عوامل مؤثر
3-3 رطوبت تفاله
3-4 دمای خشک کن
3-5 درصد آهک اضافه شده
3-6 معرفی متغیر پاسخ
3-7 الگوریتم های پیشنهادی
3-8 الگوریتم ترکیبی شبیه سازی تبرید و ژنتیک (GA-SA)
3-9 الگوریتم شبیه سازی تبرید( SA):
3-10 جزئیات ساختار الگوریتم های پیشنهادی
نمایش حل ها
3-11 دمای اولیه
3-12 جستجوی همسایگی
فصل چهارم- بهینه سازی مسائل مختلف
4-1. مرور ادبیات مسئله
4-2. شرح مسئله تسطیح منابع در حالت چند پروژه‌ای
4-3. مدلسازی مسئله
4-4. مدلسازی مسئله در حالت تک پروژه‌ای
4-5 مدلسازی مسئله در حالت چند پروژه‌ای، هنگامی که چند نوع منبع داریم
4-6 بیان روش حل به کمک الگوریتم ژنتیک
4-7 کد کردن مسئله
4-8 تولید جامعه اولیه
4-9 تعیین مکانیسم نمونه‌گیری
4-10. انتخاب عملگر ژنتیکی مناسب
4-11 تعیین معیار توقف
4-12 بررسی نتایج حاصل از مسئله
4-14 بررسی نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی
4-15. بیان مسئله و شرح اهمیت پژوهش
4-16 بهینه‌سازی
4-17. انواع روشهای بهینه‌سازی
4-17-1. کلاسیک‌ها
4-17-2. روشهای ابتکاری
4-17-3. روش تحقیق
فصل پنجم- نتیجه گیری
5-1 نتیجه‌گیری
منابع
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
دانلود سایر پروژه