با بزرگ شدن مسائل و اهمیت یافتن سرعت رسیدن به پاسخ و عدم پاسخگویی روشهای کلاسیک ، امروزه از الگوریتمهای جستجوی تصادفی به جای روشهای زمان بر کلاسیک ، استقبال بیشتری می شود. الگوریتم های یادگیری، روشهایی مبتنی بر تعامل با محیط هستند و با توجه به این موضوع توانایی بالایی در شناسایی محیط هایی با عدم قطعیت دارا هستند. با توجه به ویژگی های مذکور، این الگوریتم ها برای این پایان نامه انتخاب شده اند. در...

یکی از راهکارهای استفاده پایدار از منابع، سیستم حمل و نقل ادارات است. امروزه، سامانه های حمل و نقل به صورت دلخواه و با نظر افراد تعیین می شوند، در حالی که این انتخاب بهینه نیست. بنابراین باید روشی اتخاذ شود که بتوان این مسئله را به صورت کارآمد مدل کرد. از سوی دیگر در صورتی که تعداد کارمندان در یک شرکت زیاد باشد، فضای جستجوی مسئله افزایش پیدا کرده و استفاده از الگوریتمهای ریاضی مشکل است. به همین...

پیش بینی کوتاه مدت پارامترهای ترافیکی مانند جریان ترافیک، سرعت و ازدحام، دارای اهمیت بسیاری در پژوهشهای حوزه سیستمهای حمل ونقل هوشمند مدرن است. در این مقاله، ابتدا با بکارگیری تئوری آشوب به بررسی پیش‌بینی پذیری جریان ترافیک شهری پرداخته شده و غیرتصادفی بودن سری زمانی حجم ترافیک مورد بررسی قرار گرفته است. سپس، در حوزه پیش‌بینی، با توجه به این نکته که یکی از مهم‌ترین مشکلات در هنگام پیش‌بینی وضعی...

در [time domain multiple access/code division multiple access] نشان داده شده که مسأله اختصاص بهینه منابع رادیویی در لینک فروسوی شبکه بی سیم tdma/cdma 1، نوعی مسأله mmkp 2 از نوع np-hard است. در این مقاله الگوریتم شهودی جدیدی برای حل این مسأله با پیچیدگی محاسباتی چندجمله ای ارائه شده است. مطالعات عددی انجام شده، نشان دهنده کاهش بسیار زیاد پیچیدگی محاسباتی است.

هدف از طراحی و بهرهبرداری از یک سیستم قدرت، تامین بارهای مورد نیاز شبکه می باشد. با توسعه روزافزون شبکه انتقال و توزیع برق، تامین توان اکتیو و راکتیو تجهیزات و بارهای شبکه امری ضروری است. همچنین به دلیل توسعه ریزشبکه ها به منظور کاهش تلفات و هزینه های انتقال برق به بارهای دور از نیروگاه ها، تحلیل پخش توان راکتیو ریزشبکه ها و بهبود پروفیل ولتاژ آن ها، با توجه به ناپایدار بودن منابع تولید پراکنده...

پیش بینی کوتاه مدت پارامترهای ترافیکی مانند جریان ترافیک، سرعت و ازدحام، دارای اهمیت بسیاری در پژوهشهای حوزه سیستمهای حمل ونقل هوشمند مدرن است. در این مقاله، ابتدا با بکارگیری تئوری آشوب به بررسی پیش بینی پذیری جریان ترافیک شهری پرداخته شده و غیرتصادفی بودن سری زمانی حجم ترافیک مورد بررسی قرار گرفته است. سپس، در حوزه پیش بینی، با توجه به این نکته که یکی از مهم ترین مشکلات در هنگام پیش بینی وضعی...

یادگیری ماشین یکی از شاخه های هوش مصنوعی می باشد که دامنهی تحقیقاتی وسیعی دارد. در مقالات مربوط به الگوریتم های تکاملی و روش های یادگیری ماشین، برخی از الگوریتم های تکاملی به عنوان نوعی از روشهای یادگیری ماشین استفاده شده است. با توجه به اینکه همواره الگوریتم های تکاملی به عنوان یادگیری ماشین به کار رفته است، ما در این پایان نامه به استفاده از روشهای یادگیری ماشین در بهبود الگوریتمهای تکاملی پر...