در این پایان نامه یک مدل شبکه عصبی بر اساس یک سیستم دینامیکی برای حل رده ای از مسائل بهینه سازی ناهموار با تابع هدف مین ماکس ارائه می شود. ایده اصلی، حل توابع ناهموار با تابع هدف مین ماکس به وسیله هموار کردن آن با استفاده از تابع آنتروپی است.
در این پایان نامه ابتدا یک تقریب هموار برای تابع مثبت ارائه می دهیم و در ادامه با استفاده از این تقریب ارائه شده تابع تصویر را هموار می کنیم و در انتها با استفاده از تقریب هموار ارائه شده یک شبکه عصبی برای حل مسائل بهینه سازی محدب ارائه می دهیم.
بسیاری از مسائل مهم با حل مسائل بهینه سازی ناهموار مرتبط می شوند. بهینه سازی ناهموار یکی از زمینه های تحقیقاتی در ریاضیات کاربردی و بهینه سازی طرح های مهندسی است و همچنین به طور گسترده ای در بسیاری از مسائل مهم و کاربردی استفاده می شود. روش های شناخته شده برای بهینه سازی ناهموار
امروزه تعداد زیادی از مسائل بهینه سازی و تصمیم گیری با شرایط عدم قطعیت ساخته می شوند. در اینگونه مسائل کمیت های مورد استفاده داده های دقیقی نبوده، بلکه به شرایط محیط بستگی دارند. بیشتر مفاهیمی که در زبان طبیعی استفاده می شوند، مبهم هستند. به عبارت دیگر معمولأ برخی از مفاهیم و اطل
با پیشرفت فن آوری اطلاعات وارتباطات 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 لز
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
در این پایان نامه شبکه های عصبی برای بهینه سازی استفاده شده است. کاربرد این نوع شبکه ها را در مسائل مختلف بهینه سازی از جمله مسائل خطی و غیر خطی و مسائل درجه دوم و مسائل مکمل غیر خطی را بیان کرده ایم. ایده اصلی از تقریب سازی شبکه های عصبی برای مسائل بهینه سازی، ساخت یک تابع انرژی
در دهه های اخیر، روشهای تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه سازی در حوزه های مختلفی مانند علوم، تجارت و مهندسی مورد استفاده قرار گرفتهاند. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک به بهینه مطلق از جمله دلایل موفقیت این روشها می باشد. فرآی
در دهه های اخیر، روشهای تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه سازی در حوزه های مختلفی مانند علوم، تجارت و مهندسی مورد استفاده قرار گرفتهاند. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک به بهینه مطلق از جمله دلایل موفقیت این روشها می باشد. فرآیند جف
چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینهسازی با ماهیتی پویا هستند، به طوری که مقدار بهینه سراسری آنها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتمهایی نیاز داریم که بتوانند خود را با شرایط این مسائل بهخوبی سازگار نموده و بهینه جدید را برای
چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینهسازی با ماهیتی پویا هستند، به‌طوری‌که مقدار بهینه سراسری آنها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتمهایی نیاز داریم که بتوانند خود را با شرایط این مسائل بهخوبی سازگار نموده و بهینه جدید را برای این
این مقاله مسأله بهینه سازی ترکیبی و نیز چگونگی ترکیب تحقیق در عملیات و هوش مصنوعی برای حل این نوع مسأله را، مورد بررسی قرار می دهد. در این تحقیق یکی از مسائل بهینه سازی ترکیبی – مسئله توزیع و مسیر یابی وسیله نقلیه – که به طور خاص در دهه اخیر مورد مطالعه قرار گرفته، بررسی شده است.
این مقاله مسأله بهینه سازی ترکیبی و نیز چگونگی ترکیب تحقیق در عملیات و هوش مصنوعی برای حل این نوع مسأله را، مورد بررسی قرار می دهد. در این تحقیق یکی از مسائل بهینه سازی ترکیبی – مسئله توزیع و مسیر یابی وسیله نقلیه – که به طور خاص در دهه اخیر مورد مطالعه قرار گرفته، بررسی شده است.