فروشگاه i poroje

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)