حل مسائل برنامه ریزی پارامتری و مسأله کوتاهترین مسیر با استفاده از مدلهای شبکه های عصبی
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
برای حل مسائل بهینه سازی روش های عددی فراوانی وجوددارد .اما هنگامی که بعد و ساختار مسائل بهینه سازی افزایش می یابد بیشتر این روش ها کارایی خود را از دست می دهند. در این حالت رهیافت امیدوار کننده استفاده ازشبکه های عصبی می باشد. این پایان نامه شامل چهار فصل است ،درفصل اول مفاهیم ش
در بیشتر مسائل صنعتی نیازمند یافتن بهترین ترکیب عوامل کنترلی برای بهینه سازی همزمان چندین متغیر پاسخ که اکثراً با یکدیگر در تضاد می باشند، هستیم. روش معمول برای حل اینگونه مسائل استفاده از رگرسیون چندجمله ای برای شناسایی روابط بین عوامل کنترلی و متغیرهای پاسخ است، در حالیکه شبکه
با پیشرفت فن آوری اطلاعات و ارتباطات و توسعه ارتباط درون سازمانی و بین سازمانی نیاز به استفاده از مدل های بهینه سازی را برای استفاده منطقی از داده ها و اطلاعات فراهم شده گسترش داده است. این مطلب متضمن بزرگ شدن اندازه مسائل بهینه سازی که در عمل وجود دارند خواهد بود. در این شرایط ل
ماروین مینسکی و مک کارتی وقتی بنیادهای هوش مصنوعی را می¬ساختند (1960)، به روش معکوس عمل می¬کردند. آنها می¬خواستند دستگاهی بسازند که شبیه موجودات زنده رفتار کند. به عبارت دیگر یک فرآیند را به سیستم تحمیل می¬کردند ولی واقعیت این است که یک موجود زنده اعمالی را انجام می¬دهد که بتدریج
در این پایان نامه برای حل هر دو نوع مسائل برنامه ریزی محدب خطی و غیرخطی با شرایط محدودیت دلخواه، شبکه های عصبی هاپفید یا مصنوعی را بکار برده و همچنین تابع انرژی و سیستم دینامیکی عصبی را برای شبکه عصبی ارائه شده تعریف می نماید.ضمنا نشان داده می شو د که سیستم دینامیکی عصبی یادشده د
شبکه های عصبی مصنوعی ابزار قدرتمندی برای محاسبه و به عنوان یک راه حل دیگر برای حل مسائل بهینه سازی می باشند. روش های قدیمی برای حل مسائل $ qp $ در واقع مستلزم یک فرایند تکراری هستند و همچنین زمان محاسبات طولانی کاربرد آنها را محدود کرده است زیرا الگوریتم های قدیمی برای محاسب
برنامه ریزی خطی نیمه نامتناهی، دسته ی مهمی از مسائل بهینه سازی است که بی نهایت قید را شامل می شود. در این مقاله، برای حل این دسته مسائل، یک روش گسسته سازی با یک روش شبکه عصبی ترکیب شده است. با یک گسسته سازی ساده، مسئله برنامه ریزی خطی نیمه نامتناهی به یک مسئله برنامه ریزی خطی تبد
اکسیژن محلول در آب از موثرترین پارامترها در تعیین کیفیت آب رودخانه ها بوده و کنترل آن در رودخانه ها از مهم ترین عوامل توسعه منابع آب هر منطقه است. به همین دلیل در این پژوهش عملکرد مدلهای شبکه عصبی موجک، ماشین بردار پشتیبان و برنامه ریزی بیان ژن را جهت تخمین اکسیژن محلول در آب رود
در تحقیق حاضر مشخصات پرش هیدرولیکی با تحلیل عمق و طول غلتان پرش بر روی بسترهای زبرکه بصورت تابعی از ارتفاع زبری و عدد فرود بالادست میباشد با استفاده از مدل شبکهعصبی و برنامهریزی ژنتیک شبیهسازی گردید. عدد فرود اولیه جریان در محدوده 9/1 تا 10 و زبری نسبی بستر در محدوده 085/0 تا
تحلیل سینماتیک وارون ربات های بازوی سری افزونه از جمله ابزار های ضروری در زمینه های مختلف رباتیکی مانند طراحی، تولید مسیر و کنترل این سیستم ها می باشد. با توجه به این که در بسیاری از ربات های افزونه، جواب تحلیلی برای سینماتیک وارون آن ها وجود ندارد، شیوه های حل عددی نیازمند اجرا
هدف از این پژوهش شبیه سازی حرکت برخان ها با استفاده از شبکه عصبی مصنوعی می باشد. شبکه عصبی مصنوعی یک مدل غیر خطی می باشد که عملکردی شبیه مغز انسان دارد. در سال های اخیر، شبکه عصبی مصنوعی یکی از مهمترین ابزار جهت مدله کردن فرآیندهای پیچیده مانند حرکت پدیده ها می باشد. در مطالعات ز
هدف از این پژوهش شبیه سازی حرکت برخان ها با استفاده از شبکه عصبی مصنوعی می باشد. شبکه عصبی مصنوعی یک مدل غیر خطی می باشد که عملکردی شبیه مغز انسان دارد. در سال های اخیر، شبکه عصبی مصنوعی یکی از مهمترین ابزار جهت مدله کردن فرآیندهای پیچیده مانند حرکت پدیده ها می باشد. در مطالعات ز