خانه / هوش مصنوعی / بهینه سازی / نقطه بهینه توابع با الگوریتم های متاهیوریستیک
optimization
optimization

نقطه بهینه توابع با الگوریتم های متاهیوریستیک

هدف از این پروژه بدست اوردن نقاط بهینه توابع زیر با استفاده از الگوریتم های متاهیوریستیک است .به طوری که نقاط بهینه 6 تابع  با الگوریتم های PSO و SA و ABC  برای ابعاد D=20 ,D=40 به صورت جداگانه محاسبه میشود. و نتایج حاصل از 3 تا الگوریتم با هم مقایسه میشوند.

توابعی که میخواهیم نقطه بهینه آنها را بدست آوریم شامل :

  • Sphere
  • SumSquares
  • Dixon-Price
  • Rastrigin
  • Griewank
  • Ackley

روش‌ها و الگوریتم‌های بهینه‌سازی به دو دسته الگوریتمهای دقیق (exact) و الگوریتم‌های تقریبی (approximate algorithms) تقسیم‌بندی می‌شوند. الگوریتم‌های دقیق 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. الگوریتم‌های تقریبی قادر به یافتن جواب‌های خوب (نزدیک به بهینه) در زمان حل کوتاه برای مسائل بهینه‌سازی سخت هستند. الگوریتم‌های تقریبی نیز به سه دسته الگوریتم‌های ابتکاری (heuristic) و فراابتکاری (meta-heuristic) و فوق ابتکاری (hyper heuristic) بخش‌بندی می‌شوند. دو مشکل اصلی الگوریتم‌های ابتکاری، گیر افتادن آنها در نقاط بهینه محلی، همگرایی زودرس به این نقاط است. الگوریتم‌های فراابتکاری برای حل این مشکلات الگوریتم‌های ابتکاری ارائه شده‌اند. در واقع 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. رده‌های گوناگونی از این نوع الگوریتم در دهه‌های اخیر توسعه یافته‌است که همه این ها زیر مجموعه الگوریتم فراابتکاری می باشند. در زیر توابع مهمی لیست شده اند که هدف از این پروژه بدست آوردن نقاط بهینه این توابع با الگوریتم های فراابتکاری است.

قابلیت های پروژه :

  1. رسم توابع مربوطه برای بعد اول و بعد دوم
  2. بدست اوردن نقاط بهینه توابع با الگوریتم PSO
  3. بدست اوردن نقاط بهینه توابع با الگوریتم SA
  4. بدست اوردن نقاط بهینه توابع با الگوریتم ABC
  5. رسم نمودار همگرایی برای هر کدام از روش ها
  6. حاوی شبه کد هر یک از الگوریتم ها
  7. داکیومنت کامل و شرح هر بخش
  8. نتایج حاصل از پیاده سازی به صورت داکیومنت لیست شده

*

12000 تومان – خرید

همچنین ببینید

java agent development framework

سیستم چند عامله برای خرید و فروش سهام با کتابخانه Jade

هدف از این پروژه این است که با استفاده از چارچوب نرم افزاری jade یک …

یک دیدگاه

  1. پروژه کاملا مفیدی بود. بسیار ممنون بابت زحماتتون

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *