حل مسائل برنامه ریزی چندهدفی با استفاده از شبکه های عصبی مصنوعی

حل مسائل برنامه ریزی نیمه نامتناهی با استفاده از شبکه های عصبی

برنامه ریزی خطی نیمه نامتناهی، دسته ی مهمی از مسائل بهینه سازی است که بی نهایت قید را شامل می شود. در این مقاله، برای حل این دسته مسائل، یک روش گسسته سازی با یک روش شبکه عصبی ترکیب شده است. با یک گسسته سازی ساده، مسئله برنامه ریزی خطی نیمه نامتناهی به یک مسئله برنامه ریزی خطی تبدیل شده است. سپس از یک مدل شبکه عصبی بازگشتی با یک ساختار ساده بر اساس یک سیستم دینامیکی، برای حل مسئله مورد استفاده ق...

حل مسائل برنامه ریزی ریاضی با استفاده از شبکه های عصبی

با پیشرفت فن آوری اطلاعات و ارتباطات و توسعه ارتباط درون سازمانی و بین سازمانی نیاز به استفاده از مدل های بهینه سازی را برای استفاده منطقی از داده ها و اطلاعات فراهم شده گسترش داده است. این مطلب متضمن بزرگ شدن اندازه مسائل بهینه سازی که در عمل وجود دارند خواهد بود. در این شرایط لزوم به کارگیری روش های کار آمدی که بتوانند با سرعت بالا مسائل بسیار بزرگ را با کیفیت قابل قبول حل کنند بیش از بیش احس...

بهینه سازی همزمان عوامل تاثیرگذار بر عملکرد شبکه عصبی مصنوعی با استفاده از طرح باکس- بنکن و برنامه ریزی فازی

کاربرد شبکه های عصبی در حل مسائل برنامه ریزی خطی

برنامه ریزی خطی(lp) یک گروه مهم از مسائل بهینه سازی است که در اقتصاد،پژوهش های عملیاتی،مهندسی و حوزه های دیگر علمی مورد استفاده قرار می گیرد.در سال 1985 تانک و هاپفیلد مقاله ای را منتشر کردند و یک روش جدید برای حل مسائل برنامه ریزی خطی با استفاده از شبکه های عصبی بازگشتی ارائه دادند.مدل مذکور پاسخ های یک مسأله ی lp را خیلی سریع به دست می آورد.در سابل 1987 کندی و چوا و بعدها مآ و شنبلت مدل های ب...

پیش بینی مشخصات پرش هیدرولیکی بر روی بستر زبر با استفاده از شبکه عصبی مصنوعی و برنامه ریزی ژنتیک

در تحقیق حاضر مشخصات پرش هیدرولیکی با تحلیل عمق و طول غلتان پرش بر روی بسترهای زبرکه بصورت تابعی از ارتفاع زبری و عدد فرود بالادست می­باشد با استفاده از مدل شبکه­عصبی و برنامه­ریزی ژنتیک شبیه­سازی گردید. عدد فرود اولیه جریان در محدوده 9/1 تا 10 و زبری نسبی بستر در محدوده 085/0 تا 025/2 قرار داشت. در کل تعداد 454 داده مشاهداتی پرش هیدرولیکی برای آموزش وتست مدل های شبکه عصبی و برنامه­ریزی ژنتیک (...

حل مسائل برنامه ریزی درجه دوم با استفاده از شبکه های عصبی

شبکه های عصبی مصنوعی ابزار قدرتمندی برای محاسبه و به عنوان یک راه حل دیگر برای حل مسائل بهینه سازی می باشند. روش های قدیمی برای حل مسائل ‎$ qp $‎ در واقع مستلزم یک فرایند تکراری هستند و همچنین زمان محاسبات طولانی کاربرد آنها را محدود کرده است‎‎‏ زیرا الگوریتم های قدیمی برای محاسبات عددی به دلیل این که زمان مورد نیاز برای حل تا حدود زیادی وابسته به ساختار و بعد مسأله ها می باشد ممکن است موثر واق...