پاورپوینت درباره مسائل با ابعاد بزرگ و الگوریتم تجزیه

اختصاصی از فی توو پاورپوینت درباره مسائل با ابعاد بزرگ و الگوریتم تجزیه دانلود با لینک مستقیم و پر سرعت .

فرمت فایل :power point( قابل ویرایش) تعداد اسلاید: 41 اسلاید

به طور کلی مسائل برنامه‌ریزی خطی به دو گروه عمده قابل تقسیم هستند: مسائل دارای ساختاری خاص و مسائل فاقد این ویژگی. شاید با بعضی از مسائل مانند مدل حمل و نقل، تخصیص و یا شبکه‌ها که ساختاری خاص دارند، آشنا باشید. این مسائل به علت داشتن این ویژگی امکان استفاده از الگوریتم‌های کارا تری از سیمپلکس را یافته و این امر موجب کاهش محاسبات می‌گردند.

دانتزیگ (Dantzig) تکنیک‌های محاسباتی کارا را به منظور کاهش محاسبات به دو گروه تقسیم می‌کند. تکنیک‌هایی که موجب «کاهش تعداد تکرارها» می‌گردد و تکنیک‌هایی که «موجب فشرده شدن ماتریس معکوس» می‌شود. «الگوریتم اولیه - ثانویه» و «الگوریتم تجزیه» به ترتیب نمونه‌هایی از این دو گروه هستند.

مسائل با ساختار خاص

انواع خاص مسائل برنامه‌ریزی خطی که در این قسمت معرفی می‌گردد، «مسائل بزرگ مقیاس (large-scale)» است که تعداد بسیار زیادی محدودیت و متغیر دارند. از خصوصیات مهم این‌گونه مسائل با ابعاد بزرگ آن است که بسیاری از ضرایب متغیرهای تصمیم در محدودیت‌های مسأله، صفر هستند، و در بعضی از انواع مشخص، صرفاً معدودی ضرایب غیر صفر وجود دارد. در نتیجه، به منظور ایجاد شکل ساده و کاراتری از روش سیمپلکس می‌توان از ساختار ریاضی خاص آنها استفاده کرد و میزان محاسبات لازم را تا حد زیادی کاهش داد. در شکل صفحه‌ی بعد چهار نوع از مسائل بزرگ مقیاس را مشاهده می‌کنید. در این شکل فقط ساختار ضرایب غیر صفر نشان داده شده است.

دانلود مقاله تحلیل الگوریتم شاخه و قید موازی آسنکرون

اختصاصی از فی توو دانلود مقاله تحلیل الگوریتم شاخه و قید موازی آسنکرون دانلود با لینک مستقیم و پر سرعت .

1- خلاصه:

در این مقاله توضیحی درباره کامپیوترهای موازی می‌دهیم و بعد الگوریتمهای موازی را بررسی می‌کنیم. ویژگیهای الگوریتم branch & bound را بیان می‌کنیم و الگوریتمهای b&b موازی را ارائه می‌دهیم و دسته‌ای از الگوریتمهای b&b آسنکرون برای اجرا روی سیستم MIMD را توسعه می‌دهیم. سپس این الگوریتم را که توسط عناصر پردازشی ناهمگن اجرا شده است بررسی می‌کنیم.

نمادهای perfect parallel و achieved effiency را که بطور تجربی معیار مناسبی برای موازی‌سازی است معرفی می‌کنیم زیرا نمادهای قبلی speed up (تسریع) و efficiency (کارایی) توانایی کامل را برای اجرای واقعی الگوریتم موازی آسنکرون نداشتند. و نیز شرایی را فراهم کردیم که از آنومالیهایی که به جهت موازی‌سازی و آسنکرون بودن و یا عدم قطعیت باعث کاهش کارایی الگوریتم شده بود، جلوگیری کند.

2- معرفی:

همیشه نیاز به کامپیوترهای قدرتمند وجود داشته است. در مدل سنتی محاسبات، یک عنصر پردازشی منحصر تمام taskها را بصورت خطی (Seqventia) انجام میدهد. به جهت اجرای یک دستورالعمل داده بایستی از محل یک کامپیوتر به محل دیگری منتقل می‌شد، لذا نیاز هب کامپیوترهای قدرتمند اهمیت روز افزون پیدا کرد. یک مدل جدید از محاسبات توسعه داده شد، که در این مدل جدید چندین عنصر پردازشی در اجرای یک task واحد با هم همکاری می‌کنند. ایده اصل این مدل بر اساس تقسیم یک task به subtask‌های مستقل از یکدیگر است که می‌توانند هر کدام بصورت parallel (موازی) اجرا شوند. این نوع از کامپیوتر را کامپیوتر موازی گویند.

تا زمانیکه این امکان وجود داشته باشد که یک task را به زیر taskهایی تقسیم کنیم که اندازه بزرگترین زیر task همچنان به گونه‌ای باشد که باز هم بتوان آنرا کاهش داد و البته تا زمانیکه عناصر پردازشی کافی برای اجرای این sub task ها بطور موازی وجود داشته باشد، قدرت محاسبه یک کامپیوتر موازی نامحدود است. اما در عمل این دو شرط بطور کامل برقرار نمی‌شوند:

اولاً: این امکان وجود ندارد که هر taskی را بطور دلخواه به تعدادی زیر task‌های مستقل تقسیم کنیم. چون همواره تعدادی زیر task های وابسته وجود دارد که بایستی بطور خطی اجرا شوند. از اینرو زمان مورد نیاز برای اجرای یک task بطور موازی یک حد پایین دارد.

دوماً: هر کامپیوتر موازی که عملاً ساخته می‌شود شامل تعداد معینی عناصر پردازشی (Processing element) است. به محض آنکه تعداد taskها فراتر از تعداد عناصر پردازشی برود، بعضی از sub task ها بایستی بصورت خطی اجرا شوند و بعنوان یک فاکتور ثابت در تسریع کامپیوتر موازی تصور می‌شود.

الگوریتمهای B&B مسائل بهینه سازی گسسته را به روش تقسیم فضای حالت حل می‌کنند. در تمام این مقاله فرض بر این است که تمام مسائل بهینه سازی مسائل می‌نیمم کردن هستند و منظور از حل یک مسئله پیدا کردن یک حل ممکن با مقدار می‌نیمم است. اگر چندین حل وجود داشته باشد، مهم نیست کدامیک از آنها پیدا شده.

الگوریتم B&B یک مسئله را به زیر مسئله‌های کوچکتر بوسیله تقسیم فضای حالت به زیر فضاهای (Subspace) کوچکتر، تجزیه می‌کند. هر زیر مسئله تولید شده یا حل است و یا ثابت می‌شود که به حل بهینه برای مسئله اصلی (Original) نمی‌انجامد و حذف می‌شود. اگر برای یک زیر مسئله هیچ کدام از این دو امکان بلافاصله استنباط نشود، آن زیر مسئله به زیرمسئله‌های کوچکتر دوباره تجزیه می‌شود. این پروسه آنقدر ادامه پیدا می‌کند تا تمام زیر مسئله‌های تولید شده یا حل شوند یا حذف شوند.

در الگوریتمهای B&B کار انجام شده در حین اجرا به شدت تحت تاثیر نمونه مسئله خاص قرار می‌گیرد. بدون انجام دادن اجرای واقعی الگوریتم این امکان وجود ندارد که تخمین درستی از کار انجام شده بدست آورد. علاوه برآن، روشی که کار باید سازمان‌دهی شود بر روی کار انجام شده تاثیر می‌گذارد. هر گامی که در اجرای الگوریتم b&b ی موازی بطور موفقیت‌آمیزی انجام می‌شود و البته به دانشی است که تاکنون بدست آورده. لذا استفاده از استراتژی جستجوی متفاوت یا انشعاب دادن چندین زیر مسئله بطور موازی باعث بدست آمدن دانشی متفاوت می‌شود پس می‌توان با ترتیب متفاوتی زیر مسئله‌ها را انشعاب داد.

دقت کنید که در یک بدل محاسبه خطی افزایش قدرت محاسبه فقط بر روی تسریع الگوریتم اثر می‌کند وگرنه کار انجام شده همچنان یکسان است.

با این حال اگر قدرت محاسبه یک کامپیوتر موازی با اضافه کردن عناصر پردازشی اضافه افزایش پیدا کند. اجرای الگوریتم b&b بطور آشکاری تغییر می‌کند (به عبارت دیگر ترتیبی که در آن زیر برنامه‌ها انشعاب پیدا می‌کنند تغییر می‌کند). بنابراین حل مسائل بهینه‌سازی گسسته سرسع بوسیله یک کامپیوتر موازی نه تنها باعث افزایش قدرت محاسبه کامپیوتر موازی شده است بلکه باعث گسترش الگوریتمهای موازی نیز گشته است.

.............................

32 صفحه فایل Word

مقاله در مورد الگوریتم

اختصاصی از فی توو مقاله در مورد الگوریتم دانلود با لینک مستقیم و پر سرعت .

لینک خرید و دانلود در پایین صفحه

فرمت: word (قابل ویرایش و آماده پرینت)

تعداد صفحات: 19

فهرست:

چکیده

مقدمه

مدل پردازش تراکنش

تحلیل مساله کنترل همروندی

مکانیزمهای کنترل همروندی بر پایه قفل دو مرحله‌ای

پیاده سازی پایه قفل دو مرحله‌ای

قفل دو مرحله‌ای با نسخه اولیه

قفل دو مرحله‌ای با رای گیری

قفل دو مرحله‌ای متمرکز

نتیجه گیری

منابع و مآخذ

در این گزارش ما به بررسی ویژگی های الگوریتمهای کنترل همروندی توزیعی که بر پایه مکانیزم قفل دو مرحله ای(2 Phase Locking)   ایجاد شده اند خواهیم پرداخت. محور اصلی این بررسی بر مبنای تجزیه مساله کنترل همروندی به دو حالت read-wirte و write-write می‌باشد. در این مقال، تعدادی از تکنیکهای همزمان سازی برای حل هر یک از قسمتهای مساله بیان شده و سپس این تکنیکها برای حل کلی مساله با یکدیگر ترکیب می‌شوند.

در این گزارش بر روی درستی و ساختار الگوریتمها متمرکز خواهیم شد. در این راستا برای ساختار پایگاه داده توزیعی یک سطحی از انتزاع را در نظر می‌گیریم تا مساله تا حد ممکن ساده سازی شود.

الگوریتم مورچگان برای حل مسائل بهینه سازی ترکیبی

اختصاصی از فی توو الگوریتم مورچگان برای حل مسائل بهینه سازی ترکیبی دانلود با لینک مستقیم و پر سرعت .

الگوریتم مورچگان  برای حل مسائل بهینه سازی ترکیبی 

فایل ورد قابل ویرایش 

82صفحه 

فقط  8000تومان 

چکیده

الگوریتم مورچگان روشی است که برای حل مسائل بهینه سازی ترکیبی مختلف مورد استفاده قرار می گیرد. این روش ابتدا برای حل مسئله فروشنده دوره گرد به کار گرفته شد. این الگوریتم بر پایه این منطق بنا نهاده شده که مورچه ها در مسیر خود برای یافتن غذا مقداری از یک ماده به نام فرمون بر جای می گذارند که بستگی به طول مسیر و کیفیت ماده غذایی یافته شده دارد. بقیه مورچه ها نیز بوی فرمون را احساس کرده و جذب مسیر مورد نظر می شوند و مقدار فرمون را در آن مسیر تقویت می کنند. مسیرهای کوتاهتر (از لانه تا منبع غذا) فرمون بیشتری گرفته و بدین ترتیب کوتاهترین مسیر توسط مورچه ها انتخاب می شود. رفتار توصیف شده لانه های مورچه واقعی می تواند برای حل مسائل ترکیبی شبیه سازی شود. سیاست PM(نگهداری پیشگیرانه) موضوع مطالعات بسیاری در سال های اخیر بوده است. این مطالعات معیارهای مختلفی از هزینه ، عمر اقتصادی، ریسک یا ترکیبی از این ها را مد نظر قرار داده اند. نگهداری پیشگیرانه شامل یکسری از فعالیت های تکنیکی، اجرایی و مدیریتی برای بهینه سازی طول عمر اجزاء به منظور بهبود در دسترس بودن و قابلیت اطمینان سیستم می باشد.

واژه های کلیدی : الگوریتم لانه مورچه، فرمون (pheromone)، مسئله فروشنده دوره گرد، الگوریتم ژنتیک، هزینه بهینه

فهرست مطالب

چکیده

6

مقدمه

15

فصل اول -  معرفی الگوریتم ها و سیستم مورچه

18

1- تعریف الگوریتم

19

2- تفاوت هوشمندی توده ای (کلونی) و هوشمندی اجتماعی

21

3- مورچه ها چگونه می توانند کوتاه ترین مسیر را پیدا کنند؟

23

3-1 تعریف ریاضی الگوریتم مورچگان و بهره گیری از مسأله فروشنده دوره گرد جهت مسأله سازی

26

4- از مورچه های طبیعی تا مورچه های مصنوعی

29

4-1 به سمت مورچه های مصنوعی

31

4-2 تعداد مورچه ها

33

5- الگوریتم سیستم مجتمع مورچه

35

5-1 عوامل منتهی به کوتاه ترین مسیر

36

5-2 الگوریتم بهینه سازی مجتمع مورچه

37

5-3 ACO و جستجوی مبتنی بر الگو

39

5-4 ملزومات الگوریتم ACO

41

5-5 الگوریتم ACO

41

5-6 الگوریتم بروزرسانی فرومون

43

5-7 گام های حل مسأله توسط ACO

44

5-8 الگوریتم متاهیورستیک ACO

45

6- مزیت های ACO

48

7- کاربردهای ACO

49

فصل دوم – مسیریابی شبکه توسط الگوریتم ACO

51

1- مسیریابی شبکه های کامپیوتری با استفاده از ACO

52

2- الگوریتم ACO برای مسیریابی شبکه

53

3- شبکه مورچه

54

3-1 مشکل مسیریابی

54

3-2 مراحل مختلف الگوریتم Ant Net

55

3-3 الگوریتم Ant Net و خصوصیات اصلی آن

56

3-4 ساختارهای داده ای در شبکه مورچه

58

3-5 الگوریتم شبکه مورچه

60

3-5-1 ساختمان راه حل

62

3-5-1-1 نحوه ساختن مسیر توسط مورچه

63

3-5-2 بروزرسانی ساختار داده ای

64

3-6 مزایای الگوریتم Ant Net

65

3-7 نقاط ضعف Ant Net

65

4- تاریخچه برقراری توازن بار شبکه با استفاده از الگوریتم Ant Net

67

5- الگوریتم های مسیریابی

69

5-1 معرفی شبکه مورچه

69

6- برنامه طراحی شده برای شبیه سازی

71

6-1 مشخصات برنامه

71

6-2 اجزاء برنامه

72

7- شبیه سازی

74

فصل سوم – خلاصه گیری و نتیجه گیری

75

خلاصه

76

نتیجه گیری

78

پیوست الف

80

مراجع

82

فهرست جداول

جدول 1-1 کاربردهای الگوریتم های ACO

50

فهرست اشکال و تصاویر

شکل 1-1 رفتار مورچه ها در پیدا کردن مسیر بهینه

24

شکل 1-2 رفتار بهینه کلونی مورچه

25

شکل 1-3 حل مسئله فروشنده دوره گرد توسط الگوریتم بهینه سازی مورچگان

26

شکل 1-4 حل مسئله فروشنده دوره گرد توسط الگوریتم کلونی مورچگان

27

شکل 1-5 گراف الگوریتم ساز آزمایش دوم دوپل با بال هایی با طول متفاوت

31

شکل 1-6 گراف الگوریتم ساز آزمایش دوم دوپل با بال هایی با طول یکسان

33

شکل 1-7 نمایش توصیفی MBS

40

شکل 1-8 فلوچارت الگوریتم ACO

42

شکل 2-1 نحوه حرکت مورچه های پیشرو و مورچه های عقب گرد

57

شکل 2-2 ساختارهای داده ای گره iام در شبکه مورچه یا ni همسایه

60

شکل 2-3 روند حرکت مورچه ها

67

شکل 2-4 رابطه بین اجزاء برنامه

73

فصل های اصلی پایان نامه

فصل اول -  معرفی الگوریتم ها و سیستم مورچه

18

فصل دوم – مسیریابی شبکه توسط الگوریتم ACO

51

فصل سوم – خلاصه گیری و نتیجه گیری

75

الگوریتم ژنتیک و کاربرد آن در پردازش تصویر

اختصاصی از فی توو الگوریتم ژنتیک و کاربرد آن در پردازش تصویر دانلود با لینک مستقیم و پر سرعت .

الگوریتم ژنتیک (Genetic Algorithm - GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم های تکاملی است که از تکنیک‌های زیست‌شناسی فرگشتی مانند وراثت و جهش استفاده می‌کند.

علم پردازش تصویر در چند دهه اخیر از هر دو جنبه نظری و عملی پیشرفت های چشمگیری داشته است. سرعت این پیشرفت به اندازه ای بوده است که هم اکنون، به راحتی می توان رد پای پردازش تصویر را در بسیاری از علوم و صنایع مشاهده نمود. بعضی ازاین کاربردها آنچنان به پردازش تصویر وابسته هستندکه بدون آن، اساساً قابل استفاده نمی باشند. در فصل های آینده مقدمه ای بر پردازش تصویر و کاربرد الگوریتم ژنتیک در پردازش تصویر شرح داده خواهد شد.

کلمات کلیدی: الگوریتم ژنتیک، هیوریستیک، ترکیب و جهش، تکامل طبیعی داروین، معمای هشت وزیر، پردازش تصویر،ریخت شناسی

فهرست فصل ها:

فصل اول: الگوریتم ژنتیک (صفحه ی 1 تا 83)

فصل دوم: مسائل حل شده در الگوریتم ژنتیک (صفحه ی 83 تا 103)

فصل سوم: مقدمه ای بر پردازش تصویر (صفحه ی 103 تا 132)

فصل چهارم: کاربرد الگوریتم ژنتیک در پردازش تصویر (صفحه ی 132 تا 174)

تعداد کل صفحات: 186 صفحه همراه با فهرست، چکیده، پیشگفتار و منابع