توضیحات
محاسبه مقدار کمینه تابع Egg holder با استفاده از الگوریتم تبرید با متلب
در اين تحقيق ما به بررسي يكي از روش یافتن مینیمم تابع به استفاده از الگوریتم بهینه سازی به نامSimulated Annealing ميپردازيم. SA در واقع الهام گرفته شده از فرآيند ذوب و دوباره سرد كردن مواد بوده و به همين دليل به شبيهسازي حرارتي شهرت يافته است. این تحقیق نشان می دهد كه SA لزوماً بهترين جواب را ارائه نمی دهد. بلكه SA به دنبال يك جواب خوب كه ميتواند بهينه هم باشد ميگردد. SA در حل بسياري از مسائل بخصوص مسائل Np-Complete كاربرد دارد. در این مطالعه از الگوریتم SA برای یافتن مقدار مینیمم تابع Eggholder استفاده می شود و تاثیر تغییر مقادیر پارامتر در تعیین جواب بهینه بررسی می شود.
- 1- مقدمه. 3
- SA چيست؟. 5
- 3- معيار پذيرش (يك حركت) 8
- 4- رابطهي بين SA و حرارت فيزيكي.. 10
- 5- اجراي SA.. 10
- 6- برنامه سرد كردن. 11
- 6-1 درجه حرارت آغازين.. 12
- 6-2 درجه حرارت پاياني.. 12
- 6-3 كاهش درجه حرارت در هر مرحله. 13
- 6-4 تكرار در هر دما 13
- 7- تابع هزينه. 13
- 8- همسايگي.. 14
- 9- یافتن مقدارمینیمم تابع هدف با SA.. 14
- 10- نتيجهگيري.. 57
- منابع. 59
مقدمه محاسبه مقدار کمینه تابع Egg holder با استفاده از الگوریتم تبرید با متلب
سيستمهاي اجتماعي پيچيده تعداد زيادي از مسائل داراي طبيعت تركيبي[1] را پيش روي ما قرار ميدهند. مسير كاميونهاي حمل و نقل بايد تعيين شود، انبارها يا نقاط فروش محصولات بايد جايابي شوند، شبكههاي ارتباطي بايد طراحي شوند، كانتينرها بايد بارگيري شوند، رابطهاي راديويي ميبايست داراي فركانس مناسب باشند، مواد اوليه چوب، فلز، شيشه و چرم بايد به اندازههاي لازم بريده شوند؛ از اين دست مسائل بيشمارند. تئوري پيچيدگي به ما ميگويد كه مسائل تركيبي اغلب چند جمله ای یا پلينوميال[2] نيستند. اين مسائل در اندازههاي كاربردي و عملي خود به قدري بزرگ هستند كه نميتوان جواب بهينه آنها را در مدت زمان قابل پذيرش به دست آورد. با اين وجود، اين مسائل بايد حل شوند و بنابراين چارهاي نيست كه به جوابهاي زير بهينه[3] بسنده نمود به گونهاي كه داراي كيفيت قابل پذيرش بوده و در مدت زمان قابل پذيرش به دست آيند.
چندين رويكرد براي طراحي جوابهاي با كيفيت قابل پذيرش تحت محدوديت زماني قابل پذيرش پيشنهاد شده است. الگوريتمهايي هستند كه ميتوانند يافتن جوابهاي خوب در فاصله مشخصي از جواب بهينه را تضمين كنند كه به آنها الگوريتمهاي تقريبي ميگويند. الگوريتمهاي ديگري نيز هستند كه تضمين ميدهند با احتمال بالا جواب نزديك بهينه توليد كنند كه به آنها الگوريتمهاي احتمالي گفته ميشود. جداي از اين دو دسته، ميتوان الگوريتمهايي را پذيرفت كه هيچ تضميني در ارائه جواب ندارند اما براساس شواهد و سوابق نتايج آنها، به طور متوسط بهترين تقابل كيفيت و زمان حل براي مسئله مورد بررسي را به همراه داشتهاند. به اين الگوريتمها، الگوريتمهاي ابتکاری یا هيوريستيك[4] گفته ميشود.
هيوريستيكها عبارتند از معيارها، روشها يا اصولي براي تصميمگيري بين چند گزينه خطمشي و انتخاب اثربخشترين براي دستيابي به اهداف مورد نظر. هيوريستيكها نتيجه برقراري اعتدال بين دو نياز هستند: نياز به ساخت معيارهاي ساده و در همان زمان توانايي تمايز درست بين انتخابهاي خوب و بد. براي بهبود اين الگوريتمها از اواسط دهه هفتاد، موج تازهاي از رويكردها آغاز گرديد. اين رويكردها شامل الگوريتمهايي است كه صريحاً يا به صورت ضمني تقابل بين ايجاد تنوع جستجو (وقتي علائمي وجود دارد كه جستجو به سمت مناطق بد فضاي جستجو ميرود) و تشديد جستجو (با اين هدف كه بهترين جواب در منطقه مورد بررسي را پيدا كند) را مديريت ميكنند. اين الگوريتمها فرا ابتکاری یا متاهيوريستيك[5] ناميده ميشوند. از بين اين الگوريتمها ميتوان به موارد زير اشاره كرد:
- بازپخت شبيهسازي شده[6]
- جستجوي ممنوع[7]
- الگوريتمهاي ژنتيك[8]
- شبكههاي عصبي مصنوعي[9]
- بهينهسازي مورچهاي يا الگوريتمهاي مورچه[10]
در محاسبه مقدار کمینه تابع Egg holder با استفاده از الگوریتم تبرید با متلب ما به بررسي بازپخت شبيهسازي شده (شبيهسازي حرارتي) ميپردازيم.
محاسبه مقدار کمینه تابع Egg holder با استفاده از الگوریتم تبرید با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.