پاورپوینت بهینه سازی مصرف انرژی

پاورپوینت بهینه سازی مصرف انرژی

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: ppt
تعداد صفحات: 19
حجم فایل: 1320
قیمت: 10000 تومان

بخشی از متن:
دانلود پاورپوینت بهینه سازی مصرف انرژی ۱۹ اسلاید


فهرست مطالب

مصرف سرانه سوخت در چندین دوره زمانی

انرژى را بهتر مصرف کنیم

انرژی هاى نو (قابل تجدید)

استفاده از انرژی های نو در ایران

انرژى هسته اى (اتمى)

ساختار دولتی و مردمی اصلاح الگوی مصرف

ساختار دولتی

ابعاد نرم افزاری و سخت افزاری الگوی مصرف

فرهنگ سازی پایدار جهت اصلاح الگوی مصرف

زمینه های معیار مصرف انرژی

ضرورت هدفمند کردن یارانه ها

نتیجه گیری

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

الگوریتم‏های بهینه ‏سازی محدب و روشهای کلی بهینه سازی

الگوریتم‏های بهینه ‏سازی محدب و روشهای کلی بهینه سازی

فرمت فایل دانلودی: .ppt
فرمت فایل اصلی: ppt
تعداد صفحات: 33
حجم فایل: 2828
قیمت: 18500 تومان

بخشی از متن:
فهرست کلی
مسائل مینیم‏سازی بدون قید
روش گرادیان نزولی
حل مساله بهینه‏سازی با تابع و قیود غیرخطی به روش گرادیان
روش های کلی بهینه سازی
روند کلی بهینه سازی گرادیانی
روش های غیر مبتنی بر محاسبه گرادیان ها
روش هایی که بر مبنای محاسبه گرادیان ها
روش های جستجوی خطی

...گرادیان های تابع هزینه نسبت به متغیرهای طراحی نقشی اساسی را در فرآیند بهینه سازی
روش های تفاضل محدود و بسط سری تیلور مختلط
الگوریتم های مرتبه اول: تنها مشتق اول تابع هزینه نسبت به متغیرهای طراحی لازم است. مثال الگوریتم سریع ترین شیب که جستجو در جهت منفی بردار گرادیان انجام می شود...

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

بررسی الگوریتم بهینه سازی Bayesian

بررسی الگوریتم بهینه سازی Bayesian

فرمت فایل دانلودی:
فرمت فایل اصلی: doc
تعداد صفحات: 62
حجم فایل: 843
قیمت: 13000 تومان

بخشی از متن:
مراجع‌را می‌توان به عنوان یک ترازوی خوب برای مقایسه روشهای مختلف بکار برد. بعنوان مثال: مراجع استراتژی، انتخاب و جایگزینی را بکار گرفتند که با r BOA ها یکسانند. در‌بین الگوریتم‌های متنوع‌دانش سرپرستی برای انجام دادن مدلهای مخلوط، دسته بندی یک کاندیدای مناسب برحسب بازدهی محاسباتی دیده شده است.
بطور کلی EDAها یک تقریب تقسیمی را بکار می‌گیرند که تلاش می‌کند یک مجموعه از اطلاعات‌چند بعدی را به تعدادی‌زیر مجموعه دسته بندی کند. مثالهای محتمل شامل الگوریتم K- Means و الگوریتم رهبر تصادفی (RLA) است.
مکانیزم آنها در زیر به صورت مختصر شرح داده شده است:
الگوریتم K- means نمونه‌های داده را به K زیر مجموعه غیر تهی تقسیم می‌کند. مختصات میانگین حسابی گروههای رایج محاسبه می‌شود و هر نمونه به نزدیکترین تقسیم‌بندی اشاره می‌کند. پروسه ادامه می‌یابد تا زمانیکه گمارش دیگری اتفاق نیافتد. در RLA هر نمونه تصادفی انتخاب شده متعلق به نزدیکترین طبقه بندی که رهبر آن فاصله با نمونه‌اش زیر حد داده شده قرار دارد. نتیجه پس از فقط یکبار مرور کردن هر نمونه بدست می‌آید.
توجه کنید که الگوریتم RLA سریعتر از الگوریتم K- means است. (RLA) تا حدودی کمتر دقیق است. علاوه بر این تکرار که در مدلهای مختلف استفاده می‌شود (در مدل انتخاب) کمتر از مدلهای جاسازی است. بنابراین الگوریتم K- means و RLA (با حدی به میزان 0.3) به ترتیب کاندیداهای مناسبی برای مدل انتخاب و مدل جاسازی هستند. مدل جاسازی و مدل نمونه برداری با توجه به کارایی‌شان برای مسائل بزرگ تجزیه پذیر، براساس اصل حداکثر ترکیب زیر مسئله‌ها انجام داده می‌شوند.

نتایج کارایی r BOA
علاوه بر این توزیع احتمال نرمال به علت فواید ذاتی (خصوصیات تقریب نزدیک و تجزیه مناسب و آسان) آن به کار گرفته شده است. انتخاب کوتاه که نیمه بالای جامعه را انتخاب می‌کند و BIC با Eq، (5،6) که پارامتر تنظیم آن 0.5 است برای یادگیری یک مدل آماری استفاده نشده بودند. سیاست تجزیه بدترین نیمه جامعه را با نسل جدید تولید شده جایگزین می‌کند. (یعنی جایگزینی نخبه‌ها) چون هیچ اطلاعات قدیمی در ساختار مسئله وجود ندارد. ما 1- را برای تعداد والده‌های مجاز در نظر می‌گیریم، هیچ محدودیتی در مدل انتخاب وجود ندارد. هر آزمایش وقتی که بهینه پیدا شود یا تعداد نسلها به دویست برسد پایان داده می‌شود. همه نتایج بعد از 100 اجرا میانگین گرفته می‌شود.
شکل 5،7 میانگین تعداد محاسباتی را Rboa انجام می‌دهد تا بهینه RDP را با ، نشان می‌دهد. همچنین این شکل نتیجه PSNR با را نشان می‌دهد.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

برنامه متلب مربوط به الگوریتم بهینه سازی گرگ خاکستری Grey wolf optimizer

برنامه متلب مربوط به الگوریتم بهینه سازی گرگ خاکستری Grey wolf optimizer

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: pdf, m.file
AFFPAGECNTحجم فایل: 4236AFFPRODUCTPRICE

بخشی از متن:
الگوریتم GWO توسط آقای سید علی میرجلیلی و همکاران در سال 2013 ارائه شده است. الگوریتم بهینه سازی گرگ خاکستری، از سلسله مراتب رهبری و مکانیزم شکار طبیعی گرگ ها تبعیت می کند. 1 مدل گرگ خاکستری آلفا،بتا،دلتا و امگا برای شبیه سازی سلسله مراتب رهبری مورد استفاده قرار گرفته است. همچنین در این الگوریتم 3 مرحله اصلی شکار یعنی، جستجو برای طعمه، احاطه کردن طعمه و حمله به طعمه استفاده شده است. این روش جزو دسته ای از روش های فراکاوشی است که از رفتار اجتماعی جمعیت تبعیت می کند.
در این برنامه با استفاده از مفاهیم روش و یک تابع ریاضی (Camel)، صحت سنجی عملکرد کد نوشته شده اثبات شده است. همچنین مقاله اصلی و ترجمه بخش اصلی ان پیوست شده است.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

استفاده ازالگوریتم بهینه سازی مبتنی بر آموزش یادگیری برای حل مسئله زمانبندی پرو

استفاده ازالگوریتم بهینه سازی مبتنی بر آموزش یادگیری برای حل مسئله زمانبندی پرو

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: doc
AFFPAGECNTحجم فایل: 1049AFFPRODUCTPRICE

بخشی از متن:
استفاده از الگوریتم بهینه سازی مبتنی بر آموزش- یادگیری برای حل مسئله زمانبندی پروژه ها با منابع محدود

تعداد صفحات :110

چکیده

مسئله زمانبندی پروژه با منابع محدود، در سال­های اخیر مورد تحقیق بسیاری از محققان در رشته ­های مختلف بوده ­است. در این مسئله هدف زمانبندی فعالیت­های پروژه با توجه به روابط پیشنیازی و محدودیت منابع در کمترین زمان می­باشد. در این مسئله فضای جستجوی بسیار بزرگی جهت دست­یابی به جواب بهینه وجود دارد و نیازمند انجام محاسبات طولانی بخصوص برای ابعاد بزرگ مسئله با محدودیت­های زیاد می­­شود و الگوریتم­های دقیق برای آن موثر نیستند. الگوریتم ­های فراابتکاری بعنوان جایگزین روش­های دقیق برای حل آن، پیشنهاد شده­است. در این پایان نامه الگوریتم فراابتکاری مبتنی بر آموزش- یادگیری برای حل این مسئله استفاده شده­است. این الگوریتم مبتنی بر جمعیت است که اخیرا معرفی شده است و فرایند آموزش و یادگیری در کلاس درس را شبیه سازی می­کند. همچنین برای جلوگیری از محلی شدن پاسخ­ها از رویکرد نخبه­گرایی در این الگوریتم استفاده شده­است. از ویژگی­های این الگوریتم این است که نیازی به پارامترهای کنترلی اختصاصی الگوریتم، ندارد و فقط پارامترهای کنترلی عمومی مانند اندازه جمعیت و تعداد نسلها را شامل می­گردد. الگوریتم داری دو فاز، فاز معلم و فاز فراگیر است. ابتدا تعدادی زمانبندی را بطور تصادفی بر اساس جمعیت اولیه الگوریتم ها تولید می­کنیم، سپس فازهای الگوریتم را روی زمانبندی­ ها اعمال می­کنیم بطوریکه جمعیت اولیه به طور تکراری بهبود می­یابد تا به شرط توقف برسیم. همچنین تاثیر عواملی مانند اندازه جمعیت و اندازه نخبه و تعداد زمانبندی­ها بر الگوریتم، بررسی شده است. کارایی الگوریتم ارائه شده با دیگر الگوریتم ­های بکار گرفته شده در حل این مسئله، مقایسه شده است و نتایج موثر با قابلیت رقابت بالا با دیگر الگوریتم ­ها حاصل شده­ است.

فصل 1: مقدمه

1-1 مقدمه

1-2 اهداف پژوهش

1-3 ساختار پژوهش



فصل 2: مروری بر ادبیات تحقیق و تعریف مسئله

2-1 مقدمه

2- 2 زمانبندی پروژه

2-3 زمان بندی پروژه با منابع محدود

2-4 معیارهای مدل کردن مسئله زمان بندی پروژه با منابع محدود

2-4-1 ماهیت فعالیت­ها

2-4-2 نوع منبع

2-4-3 نوع روابط پیش نیازی

2-4-4 نوع تابع هدف

2-4-5 تعداد تابع هدف

2-4-6 تعداد پروژه­ها

2-5 مدل پریتسکر

2-6 مدل کلین

2-7 مدل آلوارز و تاماریت

فصل سوم: الگوریتم بهینه­سازی مبتنی بر آموزش­ یادگیری

3-1 مقدمه

3-2 الگوریتم­های فراابتکاری

3-3 الگوریتم مبتنی بر آموزش- یادگیری

3-3-1 فاز معلم

3-3-2 فاز فراگیر

3-3-3 الگوریتم TLBO نخبه سالارانه

فصل چهارم: حل مسئله

4-1 مقدمه

4-2 سوابق اخیر حل مسئله زمانبندی پروژه با منابع محدود

4-3 حل مسئله زمانبندی با الگوریتم­های فراابتکاری سازنده

4-3-1 روش تولید زمانبندی سری

4-3-2 روش تولید زمانبندی موازی

4-3-3 روش زمانبندی پسرو و پیشرو

4-4 حل مسأله زمانبندی پروژه با منابع محدود به وسیله الگوریتم فراابتکاری بهبود

دهنده مبتنی بر آموزش- یادگیری

4-4-1 ایجاد جمعیت اولیه

4-4-2 زمانبندی اولیه با الگوریتم­های سازنده

4-4-3 زمانبندی با الگوریتم TLBOنخبه ­گرایانه

فصل پنجم: نتایج عددی و نتیجه‌گیری

5-1 مقدمه

5-2 کتابخانه PSPLIB

5-3 نتایج آزمایش اجرای الگوریتم با پیکربندی­های مختلف

5-3-1 تاثیر اندازه جمعیت با تعداد تکرار ثابت

5-3-2 تاثیر اندازه جمعیت با تعداد تکرار متغیر

5-3-3 تاثیر اندازه نخبه

5-3-4 تاثیر تاثیر روش زمانبدی سریال و موازی بر الگوریتم TLBO

5-4 مقایسه نتایج با دیگر الگوریتم­های فراابتکاری در حل مسئله RCPSP

5-5 نتیجه­ گیری

فهرست منابع

استفاده از الگوریتم بهینه سازی مبتنی بر آموزش- یادگیری برای حل مسئله زمانبندی پروژه ها با منابع محدود

تعداد صفحات :110

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.