اولین نفری باشید که دیدگاهی را ارسال می کنید برای “بهینه سازی کدهای EES با الگوریتم چند هدفه جایا” لغو پاسخ
تعداد دانلود: 40 بار
نوع درس: | کد |
---|---|
نسخه متلب: | 2016 |
فرمت فایل: | EES & MATLAB |
حجم فایل: | کمتر از 1 مگابايت |
زبان: | فارسی |
نام محصول آموزشی: | بهینه سازی کدهای EES با الگوریتم چند هدفه جایا | 71,000توماندانلود آموزش |
---|
71,000تومان
بهینه سازی کدهای EES با الگوریتم چند هدفه جایا (MOJAYA) در متلب:
کلیه الگوریتم های مبتنی بر هوش جمعی و تکاملی، الگوریتم های احتمالی می باشند که نیاز به پارامترهای کنترل مشترکی مانند جمعیت، تعداد نسل ها و تعداد نخبه ها و غیره دارند. در کنار این پارامترهای مشترک، هر الگوریتمی پارامترهای کنترل مشخصی نیز دارد. به طور مثال الگوریتم ژنتیک از احتمال جهش، عملگر انتخاب، احتمال تقاطع وغیره استفاده می کند و الگوریتم ازدحام ذرات از وزن اینرسی، پارامترهای شناختی و اجتماعی استفاده می کند. دیگر الگوریتم ها نیز نیاز به تنظیم پارامترهای مختص خود دارند. تنظیم صحیح این گونه پارامترها فاکتور حیاتی بوده که بر عملکرد الگوریتم تاثیرگذار می باشد. در صورتیکه این پارامترها به درستی تنظیم نشوند زمان محاسباتی افزایش می یابد و یا به یافتن جواب های بهینه محلی ختم می شود.
با توجه به این مسائل Rao و همکارانش الگوریتم بهینه سازی جدیدی مبتنی بر آموزش و یادگیری (TLBO) ارائه نمودند که نیازی به پارامتر بخصوصی نمی باشد و تنها نیاز به انتخاب پارامترهای مشترک همانند جمعیت و تعداد نسل ها برای کارکرد آن دارد. و از این رو در میان محققان بهینه سازی جایگاه بسیار خوبی دارد. الگوریتم جایا یک الگوریتم بهینه سازی ساده اما کارآمد است که برای حل مسائل بهینه سازی مقید و نامقید استفاده میشود. الگوریتم JAYA روشی جدید بوده و بر این اصل استوار است که به منظور رسیدن به جواب بهینه سراسری در هر تکرار، باید مجموعه جواب ها به سمت پاسخ خوب حرکت کرده و از پاسخ بد در هر تکرار دور شود. با توجه به ساختار ساده کد و عدم نیاز به تنظیم پارامترهای مختص الگوریتم جایا، الگوریتمی مناسب برای بهینه سازی کدها می باشد و از این رو کد آماده برای لینک دو نرم افزار EES و متلب به همراه مثالی در این مجموعه قرار دارد. کد متلب و ساختار آن به نحوی توسعه داده شده است که نه تنها برای بهینه سازی مسائل EES بلکه برای بهینه سازی کلیه مسائل بتوان با تغییرات کوچکی از آن استفاده نمود.
نسخه EES مورد استفاده باید نسخه ۱۰ حرفه ای باشد
نسخه متلب مورد استفاده برای بهینه سازی ۲۰۱۶b می باشد. ممکن است در نسخه های دیگر با خطاهایی همراه باشد.
شناسه محصول: matlab008
دسته: فایل های کاربردی, فایل های کاربردی, متلب, کلاس EES
برچسب: Artificial Intelligence, Computational Intelligence, EES, evolution, Evolutionary Algorithm, Evolutionary Computation, Evolutionary Optimization, Intelligent Optimization, JAYA, MATLAB, Metaheuristics, MOGWO, MOJAYA, multi objective, Multiobjective Optimization, Non-dominated Sorting Genetic Algorithm, Rankine, Rankine Cycle, Swarm Intelligence, آنتالپي, الگوریتم اکتشافی, الگوریتم تکاملی, الگوریتم فرا ابتکاری, الگوریتم فراابتکاری, انتروپي, بهینه سازی, بهینه سازی تکاملی, بهینه سازی جایا, بهینه سازی هوشمند, بهینه سازی چند هدفه, بهینه سازی گروه ذرات, تابع هدف, تبرید شبیه سازی شده, ترمودینامیکی, تقاطع, جایا, سیکل بخار رانکین, ظرفيت ظرفيت گرمايي, فرایند تکامل, متاهیوریستیک, متلب, هوش جمعی, هوش مصنوعی, کد متلب
- پس از تکمیل فرآیند خرید لینک دانلود محصولات قابل مشاهده خواهد بود. همچنین یک نسخه از لینک ها به ایمیل شما ارسال خواهد شد.
- برای مشاهده لینک محصولات خریداری شده در حساب کاربری قبل از خرید وارد حساب کاربری شوید.
- برای دانلود محصولات آموزشی از دانلود منیجرها استفاده نشود.
- برای فشرده سازی بهتر فایل ها از آخرین نسخه WINRAR استفاده شده است.
دسته: فایل های کاربردی, فایل های کاربردی, متلب, کلاس EES
کلمات کلیدی: Artificial Intelligence, Computational Intelligence, EES, evolution, Evolutionary Algorithm, Evolutionary Computation, Evolutionary Optimization, Intelligent Optimization, JAYA, MATLAB, Metaheuristics, MOGWO, MOJAYA, multi objective, Multiobjective Optimization, Non-dominated Sorting Genetic Algorithm, Rankine, Rankine Cycle, Swarm Intelligence, آنتالپي, الگوریتم اکتشافی, الگوریتم تکاملی, الگوریتم فرا ابتکاری, الگوریتم فراابتکاری, انتروپي, بهینه سازی, بهینه سازی تکاملی, بهینه سازی جایا, بهینه سازی هوشمند, بهینه سازی چند هدفه, بهینه سازی گروه ذرات, تابع هدف, تبرید شبیه سازی شده, ترمودینامیکی, تقاطع, جایا, سیکل بخار رانکین, ظرفيت ظرفيت گرمايي, فرایند تکامل, متاهیوریستیک, متلب, هوش جمعی, هوش مصنوعی, کد متلب
کلمات کلیدی: Artificial Intelligence, Computational Intelligence, EES, evolution, Evolutionary Algorithm, Evolutionary Computation, Evolutionary Optimization, Intelligent Optimization, JAYA, MATLAB, Metaheuristics, MOGWO, MOJAYA, multi objective, Multiobjective Optimization, Non-dominated Sorting Genetic Algorithm, Rankine, Rankine Cycle, Swarm Intelligence, آنتالپي, الگوریتم اکتشافی, الگوریتم تکاملی, الگوریتم فرا ابتکاری, الگوریتم فراابتکاری, انتروپي, بهینه سازی, بهینه سازی تکاملی, بهینه سازی جایا, بهینه سازی هوشمند, بهینه سازی چند هدفه, بهینه سازی گروه ذرات, تابع هدف, تبرید شبیه سازی شده, ترمودینامیکی, تقاطع, جایا, سیکل بخار رانکین, ظرفيت ظرفيت گرمايي, فرایند تکامل, متاهیوریستیک, متلب, هوش جمعی, هوش مصنوعی, کد متلب
نظرات کاربران
اطلاعات فروشنده
- نام فروشگاه: علی رفیعی سفید دشتی
- فروشنده: کلاس حرفه ای ها
-
آدرس:
وب سایت کلاس ارئه دهنده خدمات آموزشی تخصصی به مهندسان و علاقه مندان در دانشگاه و صنعت می باشد. هدف ما تهیه و ارائه کلیه آموزش ها برای دوره های تخصصی می باشد که کمتر تا کنون به آن ها پرداخته شده است.
249 - 3.50 3.50 امتیاز از 16 دیدگاه
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.