کامپیوتر و IT و اینترنت

الگوریتم PSO (ازدحام ذرات یا بررسی رفتار پرندگان / ماهی ها)

pso-khodam-enshala

در نمایش آنلاین پاورپوینت، ممکن است بعضی علائم، اعداد و حتی فونت‌ها به خوبی نمایش داده نشود. این مشکل در فایل اصلی پاورپوینت وجود ندارد.




  • جزئیات
  • امتیاز و نظرات
  • متن پاورپوینت

امتیاز

درحال ارسال
امتیاز کاربر [0 رای]

نقد و بررسی ها

هیچ نظری برای این پاورپوینت نوشته نشده است.

اولین کسی باشید که نظری می نویسد “الگوریتم PSO (ازدحام ذرات یا بررسی رفتار پرندگان / ماهی ها)”

الگوریتم PSO (ازدحام ذرات یا بررسی رفتار پرندگان / ماهی ها)

اسلاید 1: الگوریتمPSO(ازدحام ذرات یا بررسی رفتارپرندگان/ماهی ها)

اسلاید 2: PSO ساختار الگوریتم الهام گرفته شده از زندگی موجوداتی است که بصورت گروهی زندگی می کنند.همه پرندگان دنبال پرنده اول هستند با یک انحراف.PARTICLها یا ذرات/پرندگان به سمت نواحی موفق میل می کنند.ازجمله هیوریستیک های بسیار EXPLORATIVEاست.

اسلاید 3: ایده پایه درPSO

اسلاید 4: هر ذره چه کارهایی را انجام می دهد؟

اسلاید 5: Ahmad Abdali Mohamadiانواع روش های جستجوجستجوی نا آگاهانه یا کورجستجوی آگاهانه یا هیورستیکجستجوی متاهیوریستیک

اسلاید 6: الگوریتم‌های فرا ابتکاری یا فراتکاملی یا فرااکتشافی نوعی از الگوریتم‌های تصادفی هستند که برای یافتن پاسخ بهینه به کار می‌روند.روش‌ها و الگوریتم‌های بهینه‌سازی الف.الگوریتمهای دقیق( exact )قادر به یافتن جواب بهینه به صورت دقیق هستند اما در مورد مسائل بهینه‌سازی سخت کارایی کافی ندارند و زمان اجرای آن‌ها متناسب با ابعاد مسائل به صورت نمایی افزایش می‌یابد.ب. الگوریتم‌های تقریبی ((approximate algorithms قادر به یافتن جواب‌های خوب (نزدیک به بهینه) در زمان حل کوتاه برای مسائل بهینه‌سازی سخت هستند.

اسلاید 7: انواع الگوریتم های تقریبیالگوریتم‌های ابتکاری (heuristic )فراابتکاری(meta-heuristic) فوق ابتکاری (hyper heuristic )الگوریتم‌های فراابتکاری، یکی از انواع الگوریتم‌های بهینه‌سازی تقریبی هستند که دارای راهکارهای برونرفت از نقاط بهینه محلی هستند و قابلیت کاربرد در طیف گسترده‌ای از مسائل را دارند.

اسلاید 8: دسته‌بندی الگوریتم‌های فراابتکاری مبتنی بر یک جواب و مبتنی بر جمعیت: الگوریتم‌های مبتنی بر یک جواب در حین فرایند جستجو یک جواب را تغییر می‌دهند، در حالی که در الگوریتم‌های مبتنی بر جمعیت در حین جستجو، یک جمعیت از جواب‌ها در نظر گرفته می‌شوند.الهام گرفته شده از طبیعت و بدون الهام از طبیعت: بسیاری از الگوریتم‌های فراابتکاری از طبیعت الهام گرفته شده‌اند، در این میان برخی از الگوریتم‌های فراابتکاری نیز از طبیعت الهام گرفته نشده‌اند.

اسلاید 9: با حافظه و بدون حافظهبرخی از الگوریتم‌های فراابتکاری فاقد حافظه می‌باشند، به این معنا که، این نوع الگوریتم‌ها از اطلاعات بدست آمده در حین جستجو استفاده نمی‌کنند (به طور مثال تبرید شبیه‌سازی شده).برخی از الگوریتم‌های فراابتکاری نظیر جستجوی ممنوعه از حافظه استفاده می‌کنند. این حافظه اطلاعات بدست آمده در حین جستجو را در خود ذخیره می‌کند.

اسلاید 10: قطعی و احتمالییک الگوریتم فراابتکاری قطعی نظیر جستجوی ممنوعه، مسئله را با استفاده از تصمیمات قطعی حل می‌کند. اما در الگوریتم‌های فراابتکاری احتمالی نظیر تبرید شبیه‌سازی شده، یک سری قوانین احتمالی در حین جستجو مورد استفاده قرار می‌گیرد.

اسلاید 11: انواع الگوریتم‌های فراابتکاری بر پایه جمعیت الگوریتم‌های تکاملی(الگوریتم ژنتیک، برنامه‌ریزی ژنتیک، ...)، بهینه‌سازی کلونی مورچگان، کلونی زنبورها، روش بهینه‌سازی ازدحام ذرات، الگوریتم قهرمانی در لیگهای ورزشی، بهینه‌سازی ملهم از فیزیک نور، الگوریتم ریشه-پاجوش و الگوریتم چکه آبهای هوشمند

اسلاید 12: انواع الگوریتم‌های متداول فراابتکاری مبتنی بر یک جوابالگوریتم جستجوی ممنوعه الگوریتم تبرید شبیه‌سازی شده

اسلاید 13: نکات کلیدیPSOخاصیت هوش جمعیهوش ذراتکنترلPSOتعداد ذراتمحدوده ذراتشرایط توقف

اسلاید 14: هوش جمعیهوش جمعی خاصیتی است سیستماتیک که در این سیستم، عامل ها به طور محلی با هم همکاري می نمایند و رفتار جمعی تمام عامل ها، باعث یک همگرایی در نقطه اي نزدیک به جواب بهینه سراسري می شود. نقطه قوت این الگوریتم عدم نیاز به یک کنترل سراسري می باشد. هر ذره(عامل) خود مختاري نسبی داردکه می تواند در سراسر فضاي جواب ها حرکت کند و می بایست با سایرذرات(عامل ها) همکاري داشته باشد. یکی از الگوریتم های مشهور هوش جمعی، بهینه سازي توده ذرات می باشندSwarm Intelligence

اسلاید 15: هوش جمعیدر كاربردهاي محاسباتي، از موجوداتي مانند مورچه ها، زنبورها، موريانه ها، دسته هاي ماهيان و دسته ي پرندگان، الگو برداري مي شود. در اين نوع اجتماعات، هر يك از موجودات ساختار نستباً ساده اي دارند ولي رفتار جمعي آنها بي نهايت پيچيده است.براي مثال در كولوني مورچه ها، هر يك از مورچه ها يك كار ساده ي مخصوص را انجام مي دهد ولي به طور جمعي عمل و رفتار مورچه ها، ساختن بهينه ي لايه محافظت از ملكه و نوزادان، تميزكردن لانه، يافتن بهترين منابع غذايي و بهينه سازي استراتژي حمله را تضمين مي كند.Swarm Intelligence

اسلاید 16: 17مثال همياري:هوش جمعیSwarm Intelligence

اسلاید 17: هوش ذراتبر پایه یکسری رفتار جمعیبصورت غیر متمرکز و خود سازمان یافتهتاکید برروی کنش متقابل ما بین عامل ها که رفتار عمومی می باشد.

اسلاید 18: کنترلPSO هنگامیکه PSOبه مسایل بهینه سازی اعمال می شود دو مرحله کلیدی دارد:الف. نمایش راه حلب. تابعFitne

15,000 تومان

خرید پاورپوینت توسط کلیه کارت‌های شتاب امکان‌پذیر است و بلافاصله پس از خرید، لینک دانلود پاورپوینت در اختیار شما قرار خواهد گرفت.

در صورت عدم رضایت سفارش برگشت و وجه به حساب شما برگشت داده خواهد شد.

در صورت نیاز با شماره 09353405883 در واتساپ، ایتا و روبیکا تماس بگیرید.

افزودن به سبد خرید