در این تحقیق یک نسخه جدید از الگوریتم بهینه سازی اجتماع مورچه ها1 که توانایی جستجو در فضای پیوسته2 را دارد، ارائه می شود. ساختار و مفاهیم اصلی الگوریتم اولیه بهینه سازی اجتماع مورچه حفظ شده وتعمیم و توسعه آن به فضای پیوسته انجام و پیاده سازی شده است. خاصیت ارتباط غیرمستقیم از طریق محیط (استیگمرجی3) با تعدادی بردار گرادیان نرمال شده شبیه سازی شد. برای اینکه همه مورچه ها بتوانند محیط را حس کنند، ...

در این مقاله برای تنظیم پارامترهای سیستم قدرت و ادوات facts از روش های بهینه سازی ژنتیک، ازدحام ذرات، ترکیب منطق فازی با الگوریتم ژنتیک و ترکیب منطق فازی با الگوریتم تکامل دیفرانسیل استفاده شده است. در اینجا دو نوع از ادوات facts، جبران ساز سری کنترل شده با تریستور (tcsc) و جبران ساز توان راکتیو استاتیک (svc) برای بهینه‎سازی مصرف توان راکتیو شبکه و کاهش تراکم خطوط مورد استفاده قرار گرفته است. ج...

در این مقاله، یک مدل ریاضی جدید برای مسأله زمانبندی چند هدفه در سیستم تولید سلولی ارایه شده که هدف آن کمینه‌سازی حداکثر زمان تکمیل کارها، هزینه زودکرد و هزینه دیرکرد است. به علت پیچیدگی این مسأله، یک الگوریتم تلفیقی بر پایه الگوریتم ژنتیک و بهینه‌سازی ذرات انبوه برای حل آن در زمان قابل قبول پیشنهاد شده است. همچنین، از یک الگوریتم تکاملی چند هدفه معروف به‌نام الگوریتم ژنتیک مرتب شده غیر مغلوب (N...

چکیده ندارد.

در این مقاله روشی برای یافتن زوج بهینه کنترل و وضعیت، جهت مسائل کنترل بهینه چندهدفه، روشی بر پایه الگوریتم های تکاملی معرفی شده است. در این روش ابتدا شکل گسسته ای از فضای زمان-کنترل ارائه شده، سپس از فضای زمان-کنترل گسسته شده، توابع کنترل و وضعیت تکه ای خطی با استفاده از معادلات سیستم ساخته می شوند. دو روش تکاملی ژنتیک و ازدحام ذرات برای یافتن جواب های بهینه پارتو مسئله به کار می رود. جواب های ...

شبکه های عصبی پیمانه ای دسته خاصی از شبکه های عصبی هستند که به جای یک شبکه عصبی یکپارچه بزرگ از تعدادی شبکه عصبی کوچکتر تشکیل می شوند. این شبکه ها نسبت به شبکه های عصبی یکپارچه دارای مزایایی همچون کاهش پیچیدگی مدل، یادگیری سریعتر، مصونیت از تداخل مکانی و زمانی، قابلیت تفسیر بیشتر دانش کسب شده و شباهت بیشتر به شبکه های عصبی طبیعی هستند. از جمله انواع شبکه های پیمانه ای می توان به شبکه های حاصل ا...

با توجه به پیچیدگی فیزیکی اهداف سوناری و شباهت بسیار زیاد کلاتر با اهداف واقعی در سونار فعال، دسته‌بندی آن‌ها یکی از مسایل چالش‌برانگیز برای پژوهشگران و صنعت‌گران این حوزه است. شبکه‌های عصبی چند‌لایه، یکی از پرکاربردترین ابزار در دسته‌بندی اهداف واقعی می‌باشند. می‌توان از آموزش به عنوان مهم‌ترین بخش این شبکه‌ها اشاره نمود. در سال‌های اخیر استفاده از الگوریتم‌های تکاملی برای آموزش این نوع شبکه‌ه...

امروزه با توجه به اهمیت بالای مدیریت پایدار آب­های زیرزمینی، برای بررسی و ارزیابی منابع آب از مدل‌سازی و پیش‌بینی تراز آب­‌های زیرزمینی (GWL) استفاده می‌­شود. هدف از این پژوهش، ارزیابی عملکرد دو مدل ماشین یادگیری بیشینه (ELM) و شبکه عصبی مصنوعی (ANN) و همچنین، تلفیق آن دو مدل با الگوریتم تبدیل موجک (W-ELM و W-) است که در نهایت برای بالا بردن قدرت پیش­‌بینی و بهینه‌­کردن وزن­‌های ورودی (وزن­‌های...

در دنیای امروز اهمیت استفاده از اینترنت و شبکه های کامپیوتری بر کسی پوشیده نیست. کاهش هزینه و صرفه جویی در وقت از مهمترین مزایای این تکنولوژی است. در این میان، انتقال داده ها بین مبدأ تا مقصد از یک مسیر بهینه اهمیت ویژه ای دارد. این عمل مسیریابی نامیده می شود. مسیر بهینه از دو جنبه قابل بررسی است.هم کوتاهترین مسیر از مبدا تا مقصد و هم زمان انتقال در این مسیر. برای یافتن یک مسیر بهینه روش های مت...

روش های محاسباتی زیادی برای حل مسائل کنترل بهینه پیشنهاد شده اند. این روش ها به دو دسته روش های غیرمستقیم و مستقیم تقسیم بندی شده اند. این رساله معرفی راهکارهایی برای حل مسائل کنترل بهینه با استفاده از روش های مستقیم است که در آن مسئله کنترل بهینه به مسئله برنامه ریزی ریاضی تبدیل می شود. این رساله در دو بخش تدوین شده است. در بخش اول الگوریتم های تکاملی برای حل مسائل کنترل بهینه مورد بحث قرار گر...