طراحی یک شبکه ی عصبی بازگشتی تک لایه برای بهینه سازی شبه محدب مقید و کاربردهای آن برای بهینه سازی سبد کالای پویا

پایان نامه
چکیده

یکی از مهمترین کاربرد های شبکه های عصبی استفاده از آن ها در حل مسائل بهینه سازی است. در سالهای گذشته شبکه های بسیاری برای حل مسائل بهینه سازی طرح شده اند. در این پایان نامه یک شبکه ی عصبی بازگشتی تک لایه برای حل مسائل بهینه سازی شبه محدب با قیود کران دار خطی و قیود مساوی خطی ارائه می شود. در مقایسه با شبکه های عصبی موجود، (مانند شبکه های عصبی تصویری) شبکه ی پیشنهادی قادر به حل مسائل بهینه سازی بیشتری با قیود ذکر شده می باشد. به علاوه قادر به حل مسائل کسری مقید به عنوان یک مورد خاص نیز هست. مثال های عددی با نتایج شبیه سازی، موثر و قابل اجرا بودن شبکه عصبی پیشنهادی را نشان می دهند. یک کاربرد از آن نیز برای بهینه سازی سبد کالای پویا مطرح می شود.

منابع مشابه

طراحی یک مدل شبکه ی عصبی برای حل مسائل بهینه سازی غیرخطی با کاربردهای زمان-پیوسته

در این پایان نامه یک مدل شبکه ی عصبی مصنوعی برای حل مسائل بهینه سازی غیرخطی باقیود خطی ارائه شده است. با به کارگیری این مدل در الگوریتم بازسازی تصویر می توان کیفیت تصاویر دارای اغتشاش را بهبود بخشید. تحلیل پایداری و همگرایی سراسری مدل ارائه شده به تفصیل اثبات می گردد.به علاوه مثال های شبیه سازی شده به منظور نشان دادن کارایی آن اورده شده است.

طراحی و بهینه سازی سلول خورشیدی پروسکایت با بکارگیری دو لایه ی انتقال دهنده ی الکترون

در این پژوهش عملکرد سلول خورشیدی پروسکایت با بکارگیری دو لایه‌ی انتقال دهنده الکترون نظیر: SnO2 و ZnO. مورد شبیه سازی و مقایسه قرار گرفته است. بدین منظور از نرم افزار شبیه‌سازی AMPS-1D که دارای قابلیت تعیین مشخصه جریان-ولتاژ ، بازده کوانتمی و تعیین ضخامت لایه‌ها است استفاده شد. تاثیر ضخامت لایه‌ی جاذب پروسکایت، لایه های انتقال دهنده‌ی الکترون، غلظت ناخالصی لایه‌های انتقال دهنده‌ی الکترون و دما ...

متن کامل

شبکه عصبی بازگشتی برای حل مسائل بهینه سازی غیرخطی

برای حل مسائل بهینه سازی روشهای عددی فراوانی وجود دارد ، اما هنگامی که بعد و ساختار مسائل بهینه سازی افزایش می یابند ، بیشتر این روشها کارایی خود را از دست می دهند. در این حالت یک رهیافت امیدوار کننده استفاده از شبکه های عصبی مصنوعی می باشد. برای به دست آوردن همگرایی سریع و کاهش دادن خطا یک ویژگی مهم برای شبکه های عصبی ، همگرایی نمایی سراسری می باشد.داشتن یک حالت تعادل یکتا که پایدار نمایی سراس...

15 صفحه اول

بهینه سازی شبکه عصبی MLP با استفاده از الگوریتم ژنتیک موازی FinGrain برای تشخیص سرطان سینه

امروزه استفاده از سیستم‌های هوشمند در تشخیص پزشکی به تدریج در حال افزایش است. این سیستم‌ها می‌توانند به کاهش خطایی که ممکن است توسط کارشناسان کم‌تجربه اتفاق بیافتد، کمک کند. بدین منظور استفاده از سیستم‌های هوشمند مصنوعی در پیش‌بینی و تشخیص سرطان سینه که یکی از رایج‌ترین سرطان‌ها در بین زنان است، مورد توجه می‌باشد. در این تحقیق فرآیند تشخیص بیماری سرطان سینه با یک رویکرد دو مرحله‌ای انجام...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده علوم

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023