بهینه سازی چند مدی با استفاده از الگوریتم جستجوی گرانشی به همراه تکنیک جایگاه یابی k-means و استراتژی نخبه گرایی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه هرمزگان - دانشکده مهندسی برق و کامپیوتر
- نویسنده محمد نورمحمدی زرده سوار
- استاد راهنما شهرام گلزاری امین موسوی
- سال انتشار 1393
چکیده
بشر برای حل مسائل خود، همواره به دنبال راه حلی بوده که هزینه کمتری داشته باشد. از این رو مسائل بهینه سازی توجه محققان را به خود جلب نموده اند. از مهم ترین روش های برخورد با این مسائل، الگوریتم های تکاملی هستند که بیشتر آن ها از طبیعت الهام گرفته شده اند. الگوریتم جستجوی گرانشی، یکی از الگوریتم های تکاملی می باشد که در برخورد با مسائل تک مدی کارایی خود را نشان داده است. برای موفقیت این الگویتم در مسائل چند مدی، الگوریتم جستجوی گرانشی با یکی از تکنیک های جایگاه یابی به نام k-means و تکنیک نخبه گرایی جدید loop in loop ترکیب گردیده است. کارایی الگوریتم پیشنهادی در بخش نتایج آزمایشگاهی نشان داده شده است.
منابع مشابه
بهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک
دیدگاهی که در این مقاله ارائه می دهیم در دو مرحله جای می گیرد: مرحله ی اول طبقه بندی سهم ها ی پورتفوی ابتدایی با روش k-means به دسته های کوچکتر است، سپس طبقه ای که کمترین ریسک و بیشترین بازده را دارد یا به عبارتی طبقه ای که بهینه تر می باشد را به عنوان ورودی الگوریتم خود که آن را MinVaRMaxR نامیده ایم برمی گزینیم. الگوریتم مذبور،الگوریتم پویایی، براساس الگوریتم ژنتیک و مفهوم ارزش در معرض خطر م...
متن کاملبهینهسازی بهرهبرداری از سامانه برق آبی و چند مخزنه با استفاده از الگوریتم جستجوی گرانشی
سابقه و هدف: تغییرات آورد رودخانهها، رژیم بارندگی متغییر و همچنین وقوع پدیده خشکسالی باعث گردیده استفاده از ابزارهای مدیریت منابع آب، جهت اخذ یک راهکار مناسب برای بهرهبرداری از مخازن امروزه مورد توجه قرار گیرد. با توجه به محدودیت نداشتن الگوریتمهای تکاملی در پذیرش تابع شایستگی و همچنین احتمال کمتر آنها در قرارگیری در بهینه موضعی، امروزه این الگوریتمها در بهینهسازی مخصوصا در مسائل پ...
متن کاملبهینهسازی فرایند ترکیب تصاویر با استفاده از الگوریتم جستجوی گرانشی
از آنجا که به دلیل محدودیتهای عکسبرداری نمیتوان با گرفتن تنها یک عکس از یک صحنه به تصویری با کیفیت و وضوح مطلوب دست یافت، ترکیب تصاویر با استفاده از روشهای گوناگون روز به روز در حال گسترش و بهبود است. از طرفی امروزه از الگوریتمهای جمعیتی مبتنی بر تصادف جهت بهینهیابی استفاده گستردهای میشود که اغلب با الهام از فرایندهای فیزیکی یا رفتارهای موجودات به وجود آمدهاند. الگوریتم بهینهیابی جست...
متن کاملبهینه سازی فرایند ترکیب تصاویر با استفاده از الگوریتم جستجوی گرانشی
از آنجا که به دلیل محدودیتهای عکسبرداری نمیتوان با گرفتن تنها یک عکس از یک صحنه به تصویری با کیفیت و وضوح مطلوب دست یافت، ترکیب تصاویر با استفاده از روشهای گوناگون روز به روز در حال گسترش و بهبود است. از طرفی امروزه از الگوریتمهای جمعیتی مبتنی بر تصادف جهت بهینهیابی استفاده گستردهای میشود که اغلب با الهام از فرایندهای فیزیکی یا رفتارهای موجودات به وجود آمدهاند. الگوریتم بهینهیابی جست...
متن کاملیک رهیافت جدید برای جایگاه یابی مسائل چند مدی با استفاده از الگوریتم
: مسأله جایگاه یکی از روش های مهم برای بهینه سازی مسایل چند مدی است. بیشتر روش های موجود در مسأله جایگاه نیاز به تعیین دقیقی از پارامترهای جایگاه به منظور عملکرد بهتر دارد. مشکل اصلی الگوریتم های ابتکاری در حل مسائل چند بعدی قدرت همگرایی آنها به یک جواب (عموماً بهینه فرا محلی) است. الگوریتم جهش قورباغه، از جمله الگوریتم های ابتکاری است که در سال های اخیر تا کنون نسخه ای از آن برای حل مسائل چند م...
متن کاملیک رهیافت جدید برای جایگاه یابی مسائل چند مدی با استفاده از الگوریتم بهبود یافته جهش قورباغه
: مسأله جایگاه یکی از روشهای مهم برای بهینه سازی مسایل چند مدی است. بیشتر روشهای موجود در مسأله جایگاه نیاز به تعیین دقیقی از پارامترهای جایگاه به منظور عملکرد بهتر دارد. مشکل اصلی الگوریتمهای ابتکاری در حل مسائل چند بعدی قدرت همگرایی آنها به یک جواب (عموماً بهینه فرا محلی) است. الگوریتم جهش قورباغه، از جمله الگوریتمهای ابتکاری است که در سالهای اخیر تا کنون نسخهای از آن برای حل مسائل چند م...
متن کاملمنابع 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 هرمزگان - دانشکده مهندسی برق و کامپیوتر
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023