حل مسئله فروشنده دوره گرد با ترکیب دو الگوریتم کلونی مورچگان و الگوریتم ژنتیک

اختصاصی از فی توو حل مسئله فروشنده دوره گرد با ترکیب دو الگوریتم کلونی مورچگان و الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

حل مسئله فروشنده دوره گرد با ترکیب دو الگوریتم کلونی مورچگان و الگوریتم ژنتیک 

فایل  ورد  قابل  ویرایش 

4000تومان 

چکیده

مساله فروشنده دوره گرد جزء مسائل مشهور و کلاسیک تحقیق در عملیات می‌باشد. بسیاری از فعالیت‌های علمی را می‌توان به صورت مسئله فروشنده دوره گرد در آورد و سپس حل نمود. روش‌های بهینه یابی موجود برای حل مسائل سخت همچون مسئله فروشنده دوره گرد بطور عمده شامل تعداد بسیار زیادی متغیر و محدودیت می‌باشند که از کارایی عملی آن‌ها در حل مسائل با ابعاد واقعی می‌کاهد بدین علت در دهه‌های اخیر استفاده از الگوریتم‌های ابتکاری و فوق ابتکاری مورد توجه قرار گرفته است. در این بین الگوریتم‌های فوق ابتکاری به دلیل ساختار ساده و توانایی‌هایی که از خود نشان داده‌اند مورد استفاده محققین تحقیق در عملیات قرار گرفته است.

در این تحقیق با ترکیب دو الگوریتم کلونی مورچگان و الگوریتم ژنتیک سعی شده است الگوریتم ترکیبی ساخته شود که تور بهتری را برای مسئله فروشنده دوره گرد بدست آورد. پس از طراحی الگوریتم، تنظیم پارامترهای آن با حل مسائل متعدد صورت گرفته است و برای مقایسه روش پیشنهادی با روش‌های الگوریتم ژنتیک و مورچگان برخی از مسائل حل شده است. نتایج بدست آمده نشان می‌دهد که روش ترکیبی پیشنهادی TSP فروشنده دوره گرد موجود در سایت در اغلب مسائل قادر است جواب بهتری بدست آورد.

واژه‌های کلیدی: فروشنده دوره گرد، الگوریتم ترکیبی، الگوریتم کلونی مورچگان، الگوریتم ژنتیک

فهرست مطالب

فصل اول آشنایی با الگوریتم ژنتیک....................................................................................................... 1

مقدمه ..............................................................................................................................................................  2

1-1 زمینه‌های بیولوژیکی............................................................................................................................... 2

1-2 فضای جستجو......................................................................................................................................... 3

1-3 مسائل NP.............................................................................................................................................. 4

1-4 مفاهیم اولیه در الگوریتم ژنتیک............................................................................................................. 5

1-4-1 اصول پایه............................................................................................................................................ 5

1-5 شمای کلی الگوریتم ژنتیک................................................................................................................... 5

1-6 کد کردن ..................................................................................................................................................  6

1-7 انواع کدینگ............................................................................................................................................. 7

1-7-1 کدینگ مستقیم.................................................................................................................................. 7

1-7-2 کدینگ غیرمستقیم............................................................................................................................ 7

1-8 روش‌های کدینگ.................................................................................................................................... 7

1-8-1 کدینگ باینری.................................................................................................................................... 7

1-8-2 کدینگ جهشی................................................................................................................................... 8

1-8-3 کدینگ ارزشی.................................................................................................................................... 8

1-8-4 کدینگ درختی................................................................................................................................... 9

1-9 مسائل مربوط به کدینگ......................................................................................................................... 9

1-10 فضای کدینگ و فضای جواب............................................................................................................ 10

1-11 کروموزوم............................................................................................................................................. 11

1-12 جمعیت.............................................................................................................................................. 12

1-13 مقدار برازندگی................................................................................................................................... 13

1-13-1 عمل‌گر تقاطعی............................................................................................................................. 13

1-13-2 عمل‌گر جهشی.............................................................................................................................. 15

1-14 مراحل اجرای الگوریتم ژنتیک........................................................................................................... 17

1-15 الگوریتم ترکیبی مورچگان................................................................................................................ 24

1-16 الگوریتم پیشنهادی............................................................................................................................ 27

1-17 الگوریتم ژنتیک با توجه به نوع عملگر............................................................................................. 28

1-18 تحلیل حساسیت پارامترها................................................................................................................ 29

1-19 تجزیه و تحلیل نتایج......................................................................................................................... 31

منابع............................................................................................................................................................... 33

فهرست اشکال

شکل 1-1 نمونه‌ای از فضای جواب................................................................................................................ 3

شکل 1-2 کدینگ درختی.............................................................................................................................. 9

شکل 1-3 تقاطعی دو نقطه‌ای..................................................................................................................... 14

شکل 1-4 عمل تقاطعی یکنواخت.............................................................................................................. 15

شکل 1-5 نمونه‌ای از عمل جهش.............................................................................................................. 15

شکل 1-6 مراحل اجرای الگوریتم ژنتیک.................................................................................................... 18

شکل 1-7 چرخ رولت................................................................................................................................... 19

شکل 1-8 نحوه حرکت مورچه‌ها برای یافتن منبع غذائی وفرومون ریزی................................................ 26

فهرست جداول

جدول 1-1 کدینگ باینری............................................................................................................................. 7

جدول 1-2 کدینگ جهشی............................................................................................................................ 8

جدول 1-3 کدینگ ارزشی............................................................................................................................. 8

جدول 1-4 محل اتصال متغیر‌های فرزند ١ والد ١ فرزند ٢ والد ٢............................................................ 14

جدول 1-5 نمونه‌ای از عمل جهش............................................................................................................. 16

جدول 1-6 انتخاب کروموزوم‌ها با استفاده از مدل چرخ رولت................................................................... 19

جدول 1-7 نمایش جمعیت اولیه................................................................................................................ 22

جدول 1-8 نتایج عمل تقاطع..................................................................................................................... 22

جدول 1-9 نتایج عمل جهش..................................................................................................................... 22

جدول 1-10 کروموزوم با بیشترین مقدار برازندگی.................................................................................... 23

جدول 1-11 نشان می‌دهد که مقادیر کوچک و بزرگ پارامتر آلفا باعث افزایش طول تور می‌شود........ 29

جدول 1-12 تاثیر پارامتر بتا بر عملکرد الگوریتم ترکیبی......................................................................... 30

جدول 1-13 با افزایش مقدار پارامتر مقدار EC به جواب نزدیکتر به بهینه افزایش می‌یابد................... 30

جدول 1-14 با افزایش عملکرد الگوریتم بهبود می‌یابد............................................................................. 31

جدول 1-15 مقایسه نتایج بدست آمده از الگوریتم پیشنهادی................................................................ 31

کد پیاده سازی مقایسه کارایی اجرای سریال و موازی الگوریتم بهینه سازی کلونی مورچگان برای حل مسئله فروشنده دوره‌گرد با متلب

اختصاصی از فی توو کد پیاده سازی مقایسه کارایی اجرای سریال و موازی الگوریتم بهینه سازی کلونی مورچگان برای حل مسئله فروشنده دوره‌گرد با متلب دانلود با لینک مستقیم و پر سرعت .

این برنامه با استفاده از مقاله Performance Comparison of Sequential and Parallel
Execution of the Ant Colony Optimization Algorithm
for Solving the Traveling Salesman Problem پیاده سازی شده است ./

کد برنامه پیاده سازی مقاله امقایسه کارایی اجرای سریال و موازی الگوریتم بهینه سازی کلونی مورچگان برای حل مسئله فروشنده دوره‌گرد با استفاده از متلب نوشته شده در اختیار شما قرار داده می شود . به همراه کد توضیحات کامل کد و آموزش کامل اجرای برنامه  در اختیار شما قرار داده خواهد شد ./

توجه : ترجمه مقاله ای که پیاده سازی بر اساس ان انجام شده در سایت و اینجا موجود است / 

مقاله اصلی را به زبان انگلیسی می توانید رایگان از اینجا دریافت کنید . /

چکیده

پیش زمینه: گسترش انفجاری داده های زیست شناسی در سال های اخیر چالشی بزرگ برای الگوریتم های خوشه بندی سنتی بوجود آورده است. با افزایش مقیاس مجموعه داده ها، به حافظه های بزرگتر و زمان اجراهای طولانی تری برای مسایل شناسایی خوشه نیاز است. الگوریتم انتشار همریشگی (affinity propagation) عملکردی بهتر از بسیاری دیگر از الگوریتم های کلاسیک خوشه بندی دارد و بصورت گسترده در پژوهش های زیست شناسب بکار گرفته می شود. با این حال به هنگام پرداختن به مجموعه داده های دارای مقیاس بزرگ پیچیدگی زمانی و فضایی به تنگنا و محدودیت عمده ای تبدیل می شود. با این حال ماتریس شباهت که رویه های ساختن آن زمان اجرای زیادی می طلبد، پیش از اجرای الگوریتم انتشار همریشگی مورد نیاز است، چرا که این الگوریتم مجموعه داده ها را بر پایه ی مجموعه شباهت میان جفت داده ها خوشه بندی می کند./1005/

پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.

تماس با ما برای راهنمایی آدرس ایمیل:

[e-mail]

شماره جهت ارتباط پیامکی :

09337843121

توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

مقاله ای راجب کلونی مولکولی و مدلسازی هومولوژی نرم تنان دریایی

اختصاصی از فی توو مقاله ای راجب کلونی مولکولی و مدلسازی هومولوژی نرم تنان دریایی دانلود با لینک مستقیم و پر سرعت .

مقاله ای انگلیسی راجب کلونی مولکولی و مدلسازی هومولوژی و تایلرسوپروتئین سولفوترنسپر نرم تنان دریایی می باشد و حدود 6 صفحه است .

دانلود پروژه الگوریتم کلونی زنبور عسل (ABC)

اختصاصی از فی توو دانلود پروژه الگوریتم کلونی زنبور عسل (ABC) دانلود با لینک مستقیم و پر سرعت .

چندین الگوریتم اکتشافی جدید برای حل مسایل  بهینه سازی عددی و توابع ترکیبی توسعه یافته اند. این الگوریتم ها می توانند به گروههای مختلف طبقه بندی شوند با توجه به ضوابطی  که در نظر گرفته شده: مانند بر اساس جمعیت ، مبتنی بر تکرار شونده ، تصادفی ، قطعی ، و غیره. در حالی که الگوریتم با یک مجموعه راه حل هاکار میکند و در جهت بهبود آنها تلاش می کنند  که  مبتنی بر جمعیت نامیده می شوند ، یکی از کاربرد تکرار های چندگانه برای پیداکردن راه حل مطلوب که به عنوان الگوریتم تکرار شونده نام گذاری شده است. اگر یک الگوریتم یک قانون احتمالی را برای بهبود راه حل بکار بگیرد سپس آن را احتمال  یا اتفاقی نامیده میشود. یکی دیگر از طبقه بندی را می توان بسته به ماهیت پدیده توسط الگوریتم شبیه سازی کرد.این نوع طبقه بندی ، عمدتا دارای دو گروه مهم از الگوریتم جمعیت هستند که براساس : الگوریتم های تکاملی (EA) و الگوریتم های مبتنی بر هوش جمعی. از محبوب ترین الگوریتم های تکاملی الگوریتم ژنتیک(GA) است. درGA تلاش شده است تکامل طبیعی یک پدیده شبیه سازی شود. در تکامل طبیعی ، هر گونه جستجو برای سازگاری سودمند در یک محیط در حال تغییر است. به عنوان یک گونه تکامل یافته ، ویژگی های جدیدی در کروموزوم های فردی کد گذاری می شوند.  این اطلاعات توسط جهش تصادفی تغییرمی یابد ، اما بطورواقعی نیروی محرکه باعث توسعه تکاملی درترکیب و جایگزینی مواد کروموزومی در طول تولید مثل میشود. اگر چه تلاش های متعددی برای گنجاندن این اصول در روال بهینه سازی دراوایل دهه 1960انجام شده ، الگوریتم های ژنتیک برای اولین بار بر یک مبنای نظری صوتی  ایجاد شده بودند. این اصطلاح جمعی در حالت کلی برای اشاره به هر مجموعه دار از تعامل افراد مورد استفاده قرار می گیرد. به عنوان یک مثال کلاسیک از ازدحام زنبورهایی که در اطراف کندوی خود تجمع کردند ، اما در استعاره به راحتی می توان به سیستم هایی معماری مشابهی دارند توسعه داد. در کلونی مورچه ها،مورچه ها می توانند به عنوان گروهی ازعوامل تصور شوند ، همچنین ازدحام پرندگان گروهی از پرندگان است. یک سیستم ایمنی ، گروهی از سلول ها ومولکول ها است در حالی که یک جمعیت شامل گروهی از مردم است. الگوریتم بهینه سازی ازدحام ذرات (PSO) شبیه سازی می کند رفتار اجتماعی پرندگان یا ماهی ها توسط ابرهارت و کندی در سال 1995 معرفی شده است. روش های گوناگونی به مدل رفتار هوشمند خاص ازدحام زنبور عسل پیشنهاد شده است و برای حل مسایل از نوع ترکیبی استفاده شده است.آنها یک ایده روبات بر رفتار جستجوی غذا از زنبورها را ایجاد کرده اند . معمولا ، همه این ربات از لحاظ فیزیکی و عملکرد یکسان هستند ، به طوری که هر ربات را می توان به طور تصادفی جایگزین دیگری کرد. ازدحام دارای تحمل قابل توجهی است ؛ شکست در یک عامل عملکرد کل سیستم را متوقف نمی کند. روبات های فردی ، مانند حشرات ، دارای قابلیت های محدود و دانش محدود از محیط زیست است. از سوی دیگر ، توسعه ازدحام هوش جمعی است. آزمایشات نشان داد که رباتها مانند حشرات مانند در انجام وظایف واقعی رباتیک موفق هستند.

شامل 17 صفحه فایل word قابل ویرایش

الگوریتم کلونی زنبور عسل (ABC) به صورت (word)

اختصاصی از فی توو الگوریتم کلونی زنبور عسل (ABC) به صورت (word) دانلود با لینک مستقیم و پر سرعت .

 هوش جمعی شاخه ای از پژوهش بر اساس جمعیت است که مدل های جمعیتی از عوامل مورد تداخل یا ازدحام که می توانند خود سازماندهی کنند . کلونی مورچه، ازدحام پرندگان و یا زنبورها یک نمونه ساده ای از سیستم جمعیتی است. دیگر نمونه ای از هوش جمعی کلونی زنبور عسل در اطراف کندو است. هوش کلونی زنبور عسل (ABC) یک  الگوریتم است که یک الگوریتم بهینه سازی بر اساس رفتار هوشمندانه جمعیت زنبور عسل است. در این مفاله، الگوریتم ABC برای بهینه سازی توابع چند متغیره مورد استفاده قرار می گیرد. و نتایج تولید شده توسط الگوریتم ABC  مقایسه می شوند.