نتایج جستجو برای: الگوریتم های فوق ابتکاری

تعداد نتایج: 490955  

ژورنال: :تحقیق در عملیات در کاربردهای آن 0
محمدرضا شهریاری

خوشه ‏بندی، فرآیند طبقه ‏بندی داده ها داخل گروه های یا خوشه های خاص، بر اساس درجه شباهت بین آن ها است که یکی از روش های پر کاربرد در بسیاری از زمینه های علمی است. در ادبیات خوشه ‏بندی، در سال های اخیر محققان به منظور اجتناب از گرفتار شدن در  بهینه محلی، الگوریتم های فرا ابتکاری که از پدیده های اجتماعی و طبیعی الهام گرفته اند را برای حل مسایل خوشه ‏بندی ارایه کرده اند. در این مقاله الگوریتم جستج...

ژورنال: :مهندسی معدن 0

است. با توجه به نقش اساسی عیارحد کارخانه بر روی اقتصاد عملیات، انتخاب بهینه این عیار اهمیت زیادی دارد. یکی از روش های رایج برای تعیین عیارحد بهینه کارخانه استفاده از مدل lane است. این مدل یک مدل پژوهش عملیاتی است که تابع هدف آن بیشینه سازی تفاضل نقدینگی و هزینه فرصت بوده، و محدودیت های وظیفه ای آن ظرفیت معدن کاری، ظرفیت کارخانه فرآوری و ظرفیت بازار (تقاضا) می باشد. با توجه به رابطه بین متغیرها،...

Journal: : 2023

یکی از پارامترهای مهم محیط­های پخش نوترون، طول نوترون حرارتی است. روش مرسوم محاسباتی استفاده کد MCNP برمبنای توزیع شار در محیط و برازش تابع ریاضی مربوطه بر آن این پژوهش، روشی نوین که مبنای کارت PTRAC است، ارایه شده پارامتر برای آب­سبک اساس روش­های فوق محاسبه با مقادیر گزارش مراجع مقایسه گردیده تطابق خوبی نیز مشاهده حسن فوق، عدم نیاز به علاوه فرض می­شود تا محل چشمه، فاصله­ی کافی وجود دارد. مسأله...

پایان نامه :وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی غیرانتفاعی و غیردولتی رجاء قزوین - دانشکده صنایع 1390

بطور کلی سرمایه گذاری در مجموعه ای از اوراق بهادار یا پورتفوی، بسیار کارآمد تر از سرمایه گذاری در یک سهم می باشد. چون با افزایش تعداد سهام در سبد سرمایه گذاری، ریسک مجموعه کاهش می یابد. علت کاهش ریسک تأثیرات مختلفی است که شرکت های سرمایه پذیر از شرایط متفاوت اقتصادی، سیاسی و اجتماعی می پذیرند. اخیراً الگوریتم های تکاملی برای حل مسائل بهینه سازی چند هدفه مفید شناخته شده اند؛ بنابراین در این تحق...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی برق و کامپیوتر 1392

در حوزه ژنومیکس مقایسه ای، با مقایسه اطلاعات ژنتیکی در سطح توالی ژن های موجود در ژنوم(ها)، شناسایی نواحی ژنومیک متشابه امکان پذیر است که برای مطالعه ساختار و نحوه تکامل ژنوم(ها) به کار می رود. برای بخش های ژنومیک متشابه موجود، پروفایل هایی براساس هم ترازی بر روی این بخش های ژنومیک متشابه به دست می آید. از این پروفایل ها برای تشخیص بخش های جدید از ژنوم که متشابه با پروفایل های موجود باشند، استفا...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده مهندسی برق و کامپیوتر 1393

دسته بندی یکی از گونه های داده کاوی می باشد که هدف آن تقسیم نمونه ها بر اساس خصوصیت هایشان به دو یا چند گروه است. پس از معرفی منطق فازی توسط زاده درسال 1973، که در مقابل منطق قطعی قرار می گیرد، از این منطق در زمینه های گوناگونی استفاده شد. از جمله مسائلی که برای حل آن از منطق فازی بهره جسته شده است، دسته بندی است. همچنین در حل مسائل دسته بندی، تا کنون از انواع الگوریتم های فرا ابتکاری به وفور ا...

سید محمد تقی فاطمی قمی ن سید محمد معطر حسینی مصطفی زندیه

در این مقاله دو مدل برنامه ریزی مختلط عدد صحیح (MILP) برای جریان کارگاه ترکیبی (HFS) با زمان های آماده سازی وابسه به توالی ارائه می شود. در مدل اول فرض شده که ماشین های موجود در هر مرحله یکسان (I) بوده اما در مدل دوم این ماشین ها مختلف در نظر گرفته شده اند. همچنین در این مقاله تفاوت بین مدلهای ارائه شده بر اساس راحتی بکارگیری و نیز قابلیت توسعه و مسائل گوناگون مورد بحث قرار گرفته است. یکی از مه...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی 1393

الگوریتم تکامل تفاضلی یکی از موفق ترین و موثرترین روش های تکاملی برای مسئله جست و جوی سراسری است. مهمترین عملگر این الگوریتم جهش تفاضلی آن است که اعضای شرکت کننده در آن یا والدین بصورت تصادفی انتخاب می شوند اما در سال های اخیر تلاش هایی برای انتخاب هوشمند عناصر شرکت کننده در این عملگر انجام شده است. این تلاش ها معیار انتخاب خود را در یکی از دو فضای تابع هدف و یا فضای طراحی قرار می دهند حال آنکه...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی 1390

مسائل غیر قطعی تعیین توالی عملیات در زمره مسائل بهینه سازی ترکیبیاتی غیرقطعی قرار دارند. الگوریتم های فراابتکاری مثل الگوریتم ژنتیک(ga)، شبیه سازی تبرید تدریجی(sa)، جستجوی ممنوع(ts) و بهینه سازی با جمعیت مورچگان(aco) به عنوان روشهای موفق برای حل این مسائل معرفی شده اند. سوال مهمی که مطرح می شود این است که کدام یک از فراابتکاری ها از توانائی بیشتری در حل این گونه از مسائل برخوردارند؟ در ادبیات ت...

ژورنال: :دانش سرمایه گذاری 0
غلامرضا اسلامی بیدگلی دانشیار دانشکده مدیریت دانشگاه تهران احسان طیبی ثانی دانشجوی دکتری دانشگاه تهران (مسئول مکاتبات)

تحقیق حاضر یک الگوریتم ابتکاری را برای حل مسأله محدود بهینه سازی سبد سهام با توجه به ارزش در معرض ریسک (var) به عنوان معیار ریسک و با استفاده از الگوریتم ترکیبی مورچگان و ژنتیک  ارائه می دهد. در این تحقیق نشان داده خواهد شد که الگوریتم ترکیبی پیشنهادی قادر است مساله بهینه سازی سبد سهام را با توجه به معیار ارزش در معرض ریسک (var) با در نظرگرفتن محدودیت عدد صحیح برای تعداد سهام موجود در سبد سهام ...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید

function paginate(evt) { url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term pg=parseInt(evt.target.text) var data={ "year":filter_year, "term":term, "pgn":pg } filtered_res=post_and_fetch(data,url) window.scrollTo(0,0); } function update_search_meta(search_meta) { meta_place=document.getElementById("search_meta_data") term=search_meta.term active_pgn=search_meta.pgn num_res=search_meta.num_res num_pages=search_meta.num_pages year=search_meta.year meta_place.dataset.term=term meta_place.dataset.page=active_pgn meta_place.dataset.num_res=num_res meta_place.dataset.num_pages=num_pages meta_place.dataset.year=year document.getElementById("num_result_place").innerHTML=num_res if (year !== "unfilter"){ document.getElementById("year_filter_label").style="display:inline;" document.getElementById("year_filter_place").innerHTML=year }else { document.getElementById("year_filter_label").style="display:none;" document.getElementById("year_filter_place").innerHTML="" } } function update_pagination() { search_meta_place=document.getElementById('search_meta_data') num_pages=search_meta_place.dataset.num_pages; active_pgn=parseInt(search_meta_place.dataset.page); document.getElementById("pgn-ul").innerHTML=""; pgn_html=""; for (i = 1; i <= num_pages; i++){ if (i===active_pgn){ actv="active" }else {actv=""} pgn_li="
  • " +i+ "
  • "; pgn_html+=pgn_li; } document.getElementById("pgn-ul").innerHTML=pgn_html var pgn_links = document.querySelectorAll('.mypgn'); pgn_links.forEach(function(pgn_link) { pgn_link.addEventListener('click', paginate) }) } function post_and_fetch(data,url) { showLoading() xhr = new XMLHttpRequest(); xhr.open('POST', url, true); xhr.setRequestHeader('Content-Type', 'application/json; charset=UTF-8'); xhr.onreadystatechange = function() { if (xhr.readyState === 4 && xhr.status === 200) { var resp = xhr.responseText; resp_json=JSON.parse(resp) resp_place = document.getElementById("search_result_div") resp_place.innerHTML = resp_json['results'] search_meta = resp_json['meta'] update_search_meta(search_meta) update_pagination() hideLoading() } }; xhr.send(JSON.stringify(data)); } function unfilter() { url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term var data={ "year":"unfilter", "term":term, "pgn":1 } filtered_res=post_and_fetch(data,url) } function deactivate_all_bars(){ var yrchart = document.querySelectorAll('.ct-bar'); yrchart.forEach(function(bar) { bar.dataset.active = false bar.style = "stroke:#71a3c5;" }) } year_chart.on("created", function() { var yrchart = document.querySelectorAll('.ct-bar'); yrchart.forEach(function(check) { check.addEventListener('click', checkIndex); }) }); function checkIndex(event) { var yrchart = document.querySelectorAll('.ct-bar'); var year_bar = event.target if (year_bar.dataset.active == "true") { unfilter_res = unfilter() year_bar.dataset.active = false year_bar.style = "stroke:#1d2b3699;" } else { deactivate_all_bars() year_bar.dataset.active = true year_bar.style = "stroke:#e56f6f;" filter_year = chart_data['labels'][Array.from(yrchart).indexOf(year_bar)] url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term var data={ "year":filter_year, "term":term, "pgn":1 } filtered_res=post_and_fetch(data,url) } } function showLoading() { document.getElementById("loading").style.display = "block"; setTimeout(hideLoading, 10000); // 10 seconds } function hideLoading() { document.getElementById("loading").style.display = "none"; } -->