در این پروژه به کمک UML و نرم افزار رشنال رز ، یک سیستم کاریابی تجزیه و تحلیل شده و نمودارهای زیر مورد برسی قرار گرفته است :
نمودار مورد کاربرد
نمودار توالی
نمودار همکاری
جزئیات جدول کاربر
و بخش های مختلف سیستم
این پروژه شامل یک فایل پی دی اف 111 صفحه ای میباشد
با بررسی مولفههای متعدد مانند ماهیت وجودی، نوع فعالیتها، تحولات و دستاوردهای جهاد در سه دوره مختلف تحت عنوان دیوانسالاریزدایی ( از پیروزی انقلاب تا 1362)، دیوانسالاری گرایی (1363 تا پایان جنگ تحمیلی) و دیوانسالاری شدن (از پایان جنگ به بعد) با توجه به دو کارکرد یعنی توسعهای و تحکیم نظام، این مقاله استدلال میکند که در دورة کوتاه نخست با توجه به ماهیت نهضتی و غیربوروکراتیک آن، جهاد فعالیتهای گستردهای را در روستاها هم بلحاظ توسعهای و هم بلحاظ تحکیم قدرت پر کردن بواسطة ایجاد نظم و ثبات در مناطق روستایی به انجام رساند، از اینرو فعالیتهایش هم دارای ماهیت توسعهای و هم در راستای تحکیم نظام بوده است.
فهرست :
فصل اول
معرفی محل کارآموزی
معرفی کل سازمان
شرح کلی فعالیت هایی که در آن سازمان انجام می گیرد
نمودار سازمانی محل کارآموزی و مشخص نمودن بخشی که کارآموزی در آن فعالیت کرده است
فعالیت های مرتبط با رشته تحصیلی
فصل دوم
فعالیت های انجام شده ( فعالیت های واگذار شده به دانشجو جهت کارآموزی )
تعریف فعالیت های واگذار شده
فصل سوم
وظایف معاونت برنامه ریزی و امور اقتصادی
پیگیری امور تسهیلات بانکی ، تجهیز و جذب منابع بانکی
مدیریت برنامه و بودجه
مدیریت هماهنگی ترویج کشاورزی
اداره پشتیبانی و تجهیز شبکه ترویج
فرم گزارش کار هفتگی
فرم گزارش کار ماهانه
گزارش بازدید مدرس کارآموز از محل
گزارش ماهیانه سرپرست کارآموز
ارزیابی نهایی کارآموزی
محاسبات شبکه ای روشی است برای پردازش پردازه های بزرگ که حتی ابر کامپیوتر ها نیز از انجام آنها عاجزاند. در این روش سیستم می تواند پردازش های عظیم خود را توسط کامپیوترهای شخصی در سراسر جهان که به این شبکه پیوسته است انجام دهد. این شبکه از منابع کامپیوتر در زمانهای بیکاری آنها استفاده می کند بنا بر این از تجمع کامپیوترهای کوچک پردازشگری بزرگ پدید می آید که می توان رقبای قدرتمندی برای ابر کامپیوتر ها باشند. گرید کامپیوتینگ تکنولوژی تقسیم کردن منابع شبکه های دامنه های مختلف و نا همگون مبتنی بر سرویسهای دریافتنی است . محاسبات گریدی در اوایل دهه 90 در انجمن ابر محاسبات مطرح شد و هدف آن به کار گرفتن منابع محاسباتی موجود به شکل آسان برای محاسبات پیچیده توسط سایت های بود که به صورت جعرافیایی توزیع شده می باشند. ایده اصلی گرید این است که منابع ماشینهای شرکت کننده از طریق یک لایه نرم افزاری به صورت شفاف و مطمئن مورد استفاده قرار بگیرد. این لایه نرم افزاری وظایفی همچون مجازی سازی منابع یافتن و جستجوی منابع و مدیریت منابع های در حال اجرا را به عهده دارد. محاسبات گریدی در ساده ترین بیان محاسبات توزیع شده ای است که به سطح تکامل بالاترین رسیده است. هدف این است که تصویر یک کامپیوتر مجازی ساده و در عین حال بزرگ و پر قدرت که توانایی مدیریت خودش را دارا می باشد از یک مجموعه وسیعی از کامپیوترها به وجود بیاید این مجموعه از یک سری از سیستم های ناهمگون متصل به هم که ترکیبات مختلفی از منابع را به اشتراک گذاشته اند تشکیل شده است. در گرید کامپیوتینگ به جای در اختیار داشتن منابع گران قیمت اختصاصی که معمولا بخش اعظم ظرفیت آن نیز خالی خواهد مانده ترجیح داده می شود تا منابع ارزان قیمتی تهیه شده و بین شبکه ها تقسیم گردد در این صورت به هنگام لود کاری (بارگذاری) از ظرفیت خالی منابع سایر شبکه ها استفاده خواهد شد این تکنولوژی بخصوص در کمپانیهای چند ملیتی که قاره های مختلف data canterهستند مورد استفاده قرار خواهند گرفت چرا که در سایر قاره ها، مراکز داده خارج از ساعت کاری بوده و ترافیک کاری آنها به حداقل رسیده است.پس می توان از منابع سخت افزاری آنها برای قارهایی که هم اکنون دارای لود کاری بیشتری است سود جست.
بیمارستانی وجود دارد که ما می خواهیم سرویس دهی و استفاده از منابع را در آن بهینه کنیم.یعنی می خواهیم به اهداف یاد شده برای کسب رضایت مشتریان و همچنین کاهش هزینه و بالا بردن راندمان کار و افزایش درآمد برسیم. راه های رسیدن به سیستم بهینه با استفاده از شبیه سازی: 1- بررسی سیستم موجود و رفع مشکلات آن. 2- بررسی سیستم ها ی مشابه در شهر های دیگر برای رسیدن به ورودی ها ی بیماران و امکانات دیگر. هدف از بررسی سیستم های فوق بدست آوردن پارامتر هایی همچون میانگین ورودی بیماران به بیمارستان می باشد.
فهرست :
اهداف پروژه
تعریف سیستم
مشاهدات و تعیین مقدار پارامتر های سیستم
مقدار دهی پارامتر های دیگر با احتمال توزیع تعیین شده
مدل فلوچارت ورود و انتخاب وضعیت
تخصص های موجود در بخش متخصصین
میزان زمان ویزیت پزشکان از بیماران
مدل فلوچارت ورود بیمار به بخش متخصصین و انتخاب یکی از آنها
بخش دکتران عمومی و انتخاب های پیش روی بیمار
مدل فلوچارت بخش انتخاب وضعیت ورودی در بخش دکتر عمومی
بخش اورژانس برای بیماران
مدل فلوچارت انتخاب بخش وضعیت اورژانسی
زمانبندی کاری برای متخصصین
زمان های حضور دکتر (یا دکتران) متخصص مغز و اعصاب در بیمارستان
وضعیت انتخاب بعد از بخش ویزیت متخصص
مدل فلوچارت انتخاب بعد از ویزیت پزشک متخصص
میزان توقف هر بیمار در بخش بستری
میزان متناسب ظرفیت (تعداد تخت ها) در بخش بستری
مرحله بعد از ورود بیمار به بخش بستری
ادامه عملیات در پروسه های جراحی و ccu_icu
فلوچارت برگشتن بیماران به بخش بستری بعد از عمل جراحی
شمای کلی از فلوچارت سیستم
گزارش ها ی نرم افزار
میزان هزینه برای تخت های خالی و تخت های پر
الگوریتم ژنتیک (Genetic Algorithm – GA) تکنیک جستجویی در علم رایانه برای یافتن راه حل تقریبی برای بهینه سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریت مهای تکامل است که از تکنیک های زیست شناسی فرگشتی مانند وراثت و جهش استفاده می کند. در واقع الگوریت مهای ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده میکنند. الگوریت مهای ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی بر مبنای یک تکنیک برنامه نویسی است که از (GA تصادف هستند. مختصراً گفته می شود که الگوریتم ژنتیک ) یا تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند. مسأله ای که باید حل شود ورودی است و راه حلها طبق یک الگو کد گذاری میشوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می کند که اکثر آنها به صورت تصادفی انتخاب می شوند.
فهرست :
مقدمه
به دنبال تکامل…
ایده اصلی استفاده از الگوریتم ژنتیک
درباره علم ژنتیک
تاریخچۀ علم ژنتیک
تکامل طبیعی (قانون انتخاب طبیعی داروین)
رابطه تکامل طبیعی با روش های هوش مصنوعی
الگوریتم
الگوریتم های جستجوی ناآگاهانه
جستجوی لیست
جستجوی درختی
جستجوی گراف
الگوریتم های جستجوی آگاهانه
الف جستجوی خصمانه
مسائل NP Hard
هیوریستیک
انواع الگوریتم های هیوریستیک
فصل دوم
مقدمه
الگوریتم ژنتیک
مکانیزم الگوریتم ژنتیک
عملگرهای الگوریتم ژنتیک
کدگذاری
ارزیابی
ترکیب
جهش
رمزگشایی
چارت الگوریتم به همراه شبه کد آ ن
شبه کد و توضیح آن
چارت الگوریتم ژنتیک
تابع هدف
روش های کد کردن
کدینگ باینری
کدینگ جایگشتی
کد گذاری مقدار
کدینگ درخت
نمایش رشته ها
انواع روش های تشکیل رشته
باز گرداندن رشته ها به مجموعه متغیرها
تعداد بیت های متناظر با هر متغی ر
جمعیت
ایجاد جمعیت اولیه
اندازه جمعیت
محاسبه برازندگی (تابع ارزش)
انواع روش های انتخاب
انتخاب چرخ رولت
انتخاب حالت پایدار
انتخاب نخبه گرایی
انتخاب رقابتی
انتخاب قطع سر
انتخاب قطعی بریندل
انتخاب جایگزینی نسلی اصلاح شده
انتخاب مسابقه
انتخاب مسابقه تصادفی
انواع روش های ترکیب
جابه جایی دودوئی
جابه جایی حقیقی
ترکیب تک نقطه ا ی
ترکیب دو نقطه ای
ترکیب یکنواخت
ترکیب حسابی
ترتیب
چرخه
بخش نگاشته
احتمال ترکیب
تحلیل مکانیزم جابجایی
جهش
جهش باینری
جهش حقیقی
وارونه سازی بیت
تغییر ترتیب قرارگیر ی
وارون سازی
تغییر مقدار
محک اختتام اجرای الگوریتم ژنتیک
انواع الگوریتم های ژنتیکی
الگوریتم ژنتیکی سری
الگوریتم ژنتیکی موازی
مقایسه الگوریتم ژنتیک با سیستم های طبیعی
نقاط قوت الگوریتم های ژنتیک
استراتژی برخورد با محدودیت ها
استراتژی اصلاح عملگرهای ژنتیک
استراتژی اصلاحی
استراتژی جریمه ای
بهبود الگوریتم ژنتیک
چند نمونه از کاربردهای الگوریتم های ژنتیک
فصل سوم
مقدمه
حلّ معمای هشت وزیر
جمعیت آغازین
تابع برازندگی
آمیزش
جهش ژنتیکی
الگوریتم ژنتیک و حلّ مسألۀ فروشندة دوره گرد
به وسیله الگوریتم ژنتیک TS P حل مسأله
TS P مقایسه روشهای مختلف الگوریتم و ژنتیک برای
نتیجه گیر ی
حلّ مسأله معمای سودوکو
حل مسأله
تعیین کروموزم
ساختن جمعیت آغازین یا نسل اول
ساختن تابع از ارزش
ترکیب نمونه ها و ساختن جواب جدید
ارزشیابی مجموعه جواب
ساختن نسل بعد
مرتب سازی به کمک G A
صورت مسأله
جمعیت آغازین
تابع برازندگی
انتخاب
ترکیب
جهش
فهرست منابع و مراجع
پیوست
واژه نامه
نقاط بهینه محلی و بهینه کلی
چارت الگوریتم ژنتیک
ترکیب تک نقطه
ترکیب جایگشتی
جهش کدینگ جایگشتی
جهش کدینگ مقدار
کدینگ درختی
نمونه کروموزوم الگوریتم ژنتیکی
روش سری
روش محاطی
چرخه رولت
جابجایی چند نقطه
ترکیب تک نقطه ای
ترکیب دو نقطه ای
ترکیب یکنواخت
شبیه سازی جهش به کمک نمودار
جهش باینری
جهش:وارونه سازی بیت
جهش:تغییر ترتیب قرارگیری
جهش: وارون ساز ی
جهش: تغییر مقدار
نمودار بررسی رابطه های جمعیت، کیفیت جواب و معیار توقف بایکدیگر
چینش هشت مهره وزیر در صفحه شطرنج بدون تهدید یکدیگر
جدول سودوکو