فرمت فایل : power point (قابل ویرایش)
فهرست مطالب :
فرمت فایل:word
تعداد صفحات:207
قابل ویرایش
تمامی مقالات موجود در فروشگاه دارای چکیده مقدمه فهرست مطالب نتیچه گیری و منابع هستند و از لحاظ املایی و ساختار هیچ گونه مشکلی ندارند...و همگی از قبل بررسی شده اند...
مقدمه:
علم در مورد مدلهایی که بشکل برده از خواستهای ما طبیعت می‌کنند، کاربرد کمی دارد. مدلهایی مطلوب ما هستند که با ما صحبت کنند، مدلهایی که ایده‌های خودشان را داشته باشند. ما همیشه می‌خواهیم بیش از آنچه در مدل قرار داده‌ایم، از آن استخراج کنیم، همچنین درعلوم مختلف همیشه سعی بر این بوده است تا با شکستن سیستم‌ها به اجزای کوچکتر، آنها را تجزیه و تحلیل نماییم. اما در علم اتوماتای سلولی روش دیگری در پیش‌گرفته می‌شود و آن قرار دادن اجزای ساده در کنار هم به منظور ایجاد یک سیستم پیچیده می‌باشد.
اتوماتای سلولی در اواخر دهه 1940 توسط John von Neumann مطرح و پس از او توسط ریاضیدانی بنام Stanisla Ulam به عنوان مدلی برای بررسی رفتار سیستم‌های پیچیده پیشنهاد شد . اتوماتای سلولی، جهان‌هایی هستند تعریف شده با قوانین ساده که شباهت بسیاری به صفحه بازی دارند. می‌توان آنها را بطور واقعی ساخت و مراحل تکاملشان را مشاهده نمود. البته همیشه نباید در اولین آزمایش انتظار نتایج جالب توجه را داشت ضمن آنکه از دیدگاههای مختلف تعریف نتایج جالب توجه با هم تفاوت دارد. در هر حال، پس از ساختن چند تا از آنها، قادر خواهیم بود که یک اتوماتای سلولی برای هدف خاص خود طراحی و پیاده‌سازی کنیم.
فهرست مطالب:
1- مقدمه 1
1-1- اتوماتای سلولی 1
1-1-1- پیدایش اتوماتای سلولی 3
1-1-2- تعریف رسمی اتوماتای سلولی 8
1-1-3- ویژگی‌های اتوماتای سلولی 9
1-1-4- سیستم‌های دینامیکی 18
1-1-5- بازی زندگی Game of Life 21
1-1-6- کاربردهای اتوماتای سلولی 24
1-2- اتوماتای یادگیرنده 28
1-2-1- اتوماتون یادگیرنده 30
1-2-2- محیط 31
1-2-3- اتوماتای احتمالی با ساختار ثابت (Fixed Structure) 36
1-2-4- اتوماتای احتمالی با ساختار متغیر (Variable Structure) 44
1ـ2ـ5ـ اتوماتای متصل به هم ( Interconncted Automata ) 52
1ـ2ـ6ـ کاربردهای اتوماتای یاد گیرنده 55
1ـ3ـ تئوری اطلاعات 55
1ـ3ـ1ـ آنتروپی 56
1ـ3ـ2ـ پیچیدگی و اطلاعات 61
2- اتوماتای یادگیرنده سلولی 63
2-1- لزوم ایجاد مدل جدید 63
2-1-1- آیا اتوماتای سلولی شرایط مورد نیاز برای یادگیری تقویتی را تأمین می کند؟ 65
2-1-2- آیا سلولها در یادگیری خود همکاری دارند؟ 66
2-2- تعریف جدید مدل اتوماتای یادگیرسلولی 66
2-3- تعریف رسمی اتوماتای یادگیرسلولی 67
2-4- نحوه پاداش دهی به سلولها 69
2-4-1- خبرگی 71
2-5- آیا مدل جدید یک سیستم چند عامله است؟ 74
2-6- آیا می‌توان با افزودن هوشمندی به سلولهای اتوماتای سلولی انتظار همگرا شدن سیستم را داشته باشیم؟ 74
3- نرم افزارشبیه ساز 77
3-1- کلاس های مهم برنامه 77
3-1-1- کلاس CNeighbor: 79
3-1-2- کلاس CGeneralNeighboreState 79
3-1-3- کلاس CtotalisticNeighborState 81
3-1-4- کلاس CTNeighborGroup 82
3-1-5- کلاس CTNeighbors 86
3-1-6- کلاس CGNeighbors 90
3-1-7- کلاس CCell 94
3-1-8- کلاس CCellularAutomata 97
3-1-9- کلاس CNeighborsStates 103
3-1-10- کلاس CParser 105
3-1-11- کلاس CRule 107
3-1-12- کلاس CAgent 111
3-1-13- کلاس CLearningAutomata 113
3-1-14- کلاس CFixedStructureSLA 114
3-1-15- کلاس CG2N2 117
3-1-16- کلاس CL2N2 118
3-1-17- کلاس CGKNK 118
3-1-18- کلاس CLKNK 119
3-1-19- کلاس CKrinsky 119
3-1-20- کلاس CKrylov 120
3-1-21- کلاس CPonomarev 121
3-1-22- کلاس CVariableStructureSLA 122
3-1-23- کلاس CLinearRewardPenalty 126
3-1-24- کلاس CLinearRewardEpsilonPenalty 126
3-1-25- کلاس CLinearRewardInaction 127
3-1-26- کلاس CQLearning 128
3-2- انواع داده های برنامه 133
3-3- معرفی برنامه 135
4- مراجع 145