فروشگاه i poroje

دانلود پروژه کارشناسی الگوریتم دسته ماهی های مصنوعی | دانلود پروژه، مقاله، پایان نامه و گزارش کارآموزی

ضمانت بازگشت
فایل های تست شده
پرداخت آنلاین
تضمین کیفیت
دانلود فوری

دانلود پروژه کارشناسی الگوریتم دسته ماهی های مصنوعی

تعداد صفحات : 62 صفحه | فرمت فایل : word ورد

موضوع:

پروژه کارشناسی الگوریتم دسته ماهی های مصنوعی

تعداد صفحات : 62 صفحه

فرمت فایل : word ورد

فهرست مطالب:

چکیده
فصل اول: خوشه‌بندی فازی
مقدمه
1-1 مفهوم الگوریتم دسته ماهی مصنوعی
1-2 کاربرد الگوریتم دسته ماهی مصنوعی
1-3 الگوریتم گروه ماهی‌های مصنوعی
1-4 الگوریتم بهینه‌سازی گروه ذرات
1-5 الگوریتم پیشنهادی
1-6 آزمایشات انجام شده
فصل دوم: یک الگوریتم دسته ماهی‌های مصنوعی خود تطبیقی
2-1 الگوریتم دسته ماهی‌های مصنوعی
2-2 رفتار جستجوی غذا
2-3 رفتار حرکت گروهی ماهی‌ها
2-4 روند اجرای AFSA
فصل سوم: الگوریتم دسته ماهی‌های مصنوعی بهبودیافته
3-1 الگوریتم دسته ماهی‌های مصنوعی
3-2 رفتار حرکت آزادانه
3-3 رفتار جستجوی غذا
3-4 رفتار حرکت گروهی ماهی‌ها
3-5 رفتار دنباله‌روی
3-6 الگوریتم پیشنهادی
3-7 نتایج آزمایشات
فصل چهارم:‌ الگوریتم دسته ماهی‌های مصنوعی بهبودیافته برای خوشه‌بندی داده‌ها
4-1 خوشه‌بندی داده‌ها
4-2 الگوریتم دسته ماهی‌های مصنوعی
4-3 رفتار حرکت آزادانه
4-4 رفتار جستجوی غذا
4-5 رفتار حرکت گروهی ماهی‌ها
4-6 رفتار دنباله‌روی
4-7روند اجرای AFSA
4-8 خوشه‌بندی و الگوریتم Kmeans
4-9 مدل پیشنهادی
فصل پنجم: نتیجه‌گیری
فصل ششم: منابع
فهرست اشکال
شکل 1-1 برخی از پارامترهای یک ماهی1مصنوعي
شکل 1-2 مراحل الگوریتم H – FCM 1
شکل 1-3 مجموعه داده‌های iris 1
شکل 1-4 نتایج خوشه‌بندی‌های فازی بر روی1داده‌های iris با استفاده از الگوریتم‌های FCM، PSO-FCM و AFS-FCM و H-FCM
شکل 2-1 ماهی مصنوعی و محیط پیرامون آن 1
شکل 2-2 شبه‌کد الگوریتم AFSA1
شکل 2-3 مقایسه متوسط نتایج اجرای AFSA1استاندارد، GPSO، IAFSAو SA-AFSAدر30 بار اجرا بر روی تابع روزنبراک 30 بُعدی.
شکل 2-4 مقایسه متوسط نتایج اجرای AFSA1استاندارد، GPSO، IAFSAو SA-AFSAدر30 بار اجرا بر روی تابع آکلی 30 بُعدی.
شکل 2-5 مقایسه متوسط نتایج اجرای AFSA1استاندارد، GPSO، IAFSAو SA-AFSAدر30 بار اجرا بر روی تابع اسفیر 30 بُعدی.
شکل 2-6 مقایسه متوسط نتایج اجرای AFSA1استاندارد، GPSO، IAFSAو SA-AFSAدر30 بار اجرا بر روی تابع گریوانک 30 بُعدی.
شکل 2-7 مقایسه متوسط نتایج اجرای AFSA1استاندارد، GPSO، IAFSAو SA-AFSAدر30 بار اجرا بر روی تابع رستریجن 30 بُعدی.
شکل 3-1 AF و محیط پیرامون آن 1
شکل 4-1 ماهی مصنوعی و محیط پیرامون آن 1
شکل 4-2 شبه‌کد الگوریتم AFSA1
شکل 4-3 مجموعه داده Art 2D1
شکل4-4 مجموعه داده Art 3D1 45

فهرست جداول

جدول 1-1 مقادیر پارامترهای استفاده شده1براي انجام آزمايشات
جدول 2-1 توابع استاندارد روزنبراک، آکلی، 1اسفیر، گریوانک و رستریجن
جدول 2-2 مقایسه نتایج AFSA استاندارد،1 AFSA بهبود یافته، نسخه سراسری PSO و AFSA خودتطبیقی بر روی تابع روزنبراک
جدول2-3 مقایسه نتایج AFSA استاندارد، 1AFSA بهبود یافته، نسخه سراسری PSO و AFSA خودتطبیقی بر روی تابع آکلی
جدول 2-4 مقایسه نتایج AFSA استاندارد،1AFSA بهبود یافته، نشخه سراسری PSO و AFSA خودتطبیقی بر روی تابع اسفیر.
جدول 2-5 مقایسه نتایج AFSA استاندارد، 1 AFSA بهبود یافته، نسخه سراسری PSO و AFSAخودتطبیقی بر روی تابع گریوانک
جدول 2-6 مقایسه نتایج AFSA استاندارد، 1AFSA بهبود یافته، نسخه سراسری PSO و AFSAخودتطبیقی بر روی تابع رستریجن
جدول 3-1 توابع استاندارد اسفیر، روزنبراک1، آکلی، گریوانک و رستریجن
جدول 3-2 مقایسه نتایج AFSA، AP-AFSAبرای1توابع اسفیر، آکلی، رستریجن، روزنبراک و گریوانک در 30 بار اجرای الگوریتم
جدول 4-1 بهترین، متوسط و انحراف معیار1فاصله درون‌خوشه‌ای و نرخ خطای حاصل از 30 بار اجرای الگوریتم‌های Kmeans، AFSA استاندارد ، PSO و روش پیشنهادی IAFSA بر روی مجموعه داده Iris
جدول 4-2 بهترین، متوسط و انحراف معیار1فاصله درون‌خوشه‌ای و نرخ خطای حاصل از 30 بار اجرای الگوریتم‌های Kmeans، AFSA استاندارد ، PSO و روش پیشنهادی IAFSA بر روی مجموعه داده Wine
جدول 4-3 بهترین، متوسط و انحراف معیار1فاصله درون‌خوشه‌ای و نرخ خطای حاصل از 30 بار اجرای الگوریتم‌های Kmeans، AFSA استاندارد ، PSO و روش پیشنهادی IAFSA بر روی مجموعه داده Art 2D
جدول 4-4 بهترین، متوسط و انحراف معیار1فاصله درون‌خوشه‌ای و نرخ خطای حاصل از 30 بار اجرای الگوریتم‌های Kmeans، AFSA استاندارد ، PSO و روش پیشنهادی IAFSA بر روی مجموعه داده Art 3D

چکیده
الگوریتم دسته‌ ماهی‌های مصنوعی ( AFSA ) یک مدل محاسباتی – تکاملی است که مبتنی بر الگوریتم‌های هوش‌جمعی و برگرفته شده از طبیعت می‌باشد. عملکرد این الگوریتم بر اساس جستجوی تصادفی است و یک روش هیورستیک برای حل مسائل NP می‌باشد. با تعیین مقدار اولیه پارامترهای AFSA، این الگوریتم تنها قادر است یا جستجوی محلی را به خوبی انجام دهد و یا جستجوی سراسری را به درستی انجام دهد و نمی‌تواند هر دوی آنها را در یک اجرا به طور کارا انجام دهد. در این مقاله برای رفع این مشکل روشی پیشنهاد می‌گردد که در آن مقدار دو پارامتر میدان‌دید و طول‌گام که اساس جستجو و حرکت ماهی‌های مصنوعی هستند به صورت پویا بر اساس موقعیت دسته ماهی‌های مصنوعی در فضای مسئله تغییر می‌کند. بدین ترتیب در الگوریتم پیشنهادی میان جستجوی سراسری و جستجوی محلی توازن برقرار گردیده و توانایی انجام هر دو در یک اجرای الگوریتم قابل قبول است.

 

** انجام سایر پروژه ها قبول میشود **

دانلود :

برای نمایش لینک دانلود ابتدا باید پرداخت آنلاین را انجام دهید.

راهنما : پس از کلیک بر روی دکمه دانلود به درگاه بانک متصل شده و عملیات پرداخت آنلاین را انجام دهید سپس لینک دانلود پروژه برای شما به نمایش در خواهد آمد و همچنین پروژه نیز به ایمیل وارد شده ارسال خواهد شد.

برای راهنمایی می توانید با یکی از موارد زیر تماس بگیرید

ایمیل :                        iporoje@gmail.com (پشتیبانی 24 ساعته)
تلفن تماس :                         09104561172 (پشتیبانی 24 ساعته)

قیمت محصول : 25000 تومان      (دانلود بلافاصله بعد از پرداخت)

250,000 ریال – دانلود

توجه: در صورتی که محتویات فایل خریداری شده با اطلاعات این برگه یکسان نباشد مبلغ پرداخت شده بدون هیچ پیش شرطی بازگردانده خواهد شد.


در صورتی که نمی توانید اینترنتی خرید کنید مبلغ ذکر شده را به شماره کارت زیر واریز و نام محصول و ادرس ایمیل خود را به شماره 09104561172 ارسال کنید و تا حداکثر یک ساعت بعد محصول را دریافت کنید.


شماره کارت:     6104337601183716     بنام امیر تعویذی

تدریس xamarin و اندروید

بازدید : 20 بار دسته بندی : تاريخ : 15 آگوست 2016 به اشتراک بگذارید :