پروژه پایانی بررسی الگوریتم بهینه‌سازی ازدحام ذرات (PSO)

الگوریتم تجمع ذرات که به نام انگلیسی Particle Swarm Optimization معرف است یا به‌اختصار به آن PSO هم می‌گویند برگرفته از تجمع انبوهی از ذرات است که از حرکت دسته‌جمعی پرندگان ماهی‌ها و غیره الهام گرفته است. درحرکت جمعی هر جزء خود هوشمندی ندارد ولی رفتار گروه یک هوشمندی رو دنبال می‌کند. در ابتدا این الگوریتم به‌منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آن‌ها و تغییر شکل بهینه‌ی دسته به کار گرفته شد.

الگوریتم pso

الگوریتم تجمع ذرات که به نام انگلیسی Particle Swarm Optimization معرف است یا به‌اختصار به آن PSO هم می‌گویند برگرفته از تجمع انبوهی از ذرات است که از حرکت دسته‌جمعی پرندگان ماهی‌ها و غیره الهام گرفته است.

درحرکت جمعی هر جزء خود هوشمندی ندارد ولی رفتار گروه یک هوشمندی رو دنبال می‌کند. در ابتدا این الگوریتم به‌منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آن‌ها و تغییر شکل بهینه‌ی دسته به کار گرفته شد.

در PSO، ذرات در فضای جستجو جاری می‌شوند. تغییر مکان ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است؛ بنابراین موقعیت دیگر توده ذرات روی چگونگی جستجوی یک‌ذره اثر می‌گذارد.

نتیجه‌ی مدل‌سازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل می‌کنند. ذرات از یکدیگر می‌آموزند و بر مبنای دانش به‌دست‌آمده به سمت بهترین همسایگان خود می‌روند.

اساس کار PSO بر این اصل استوار است که در هرلحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرارگرفته است و بهترین مکانی که در کل همسایگی‌اش وجود دارد، تنظیم می‌کند.

برای دسترسی به مقالات این بخش کافی است عبارت دانلود فایل الگوریتم pso را جستجو کنید.

هوش جمعی خاصیتی است سیستماتیک که در این سیستم، عاملها به‌طور محلی با هم همکاری می‌نمایند و رفتار جمعی تمام عاملها باعث یک همگرایی در نقطهای نزدیک به جواب بهینه سراسری می‌شود.

نقطه قوت این الگوریتمها عدم نیاز آن‌ها به یک کنترل سراسری می‌باشد. هر ذره) عامل) در این الگوریتم‌ها خود مختاری نسبی دارد که می‌تواند در سراسر فضای جواب‌ها حرکت کند و می‌بایست با سایر ذرات (عامل‌ها) همکاری داشته باشد.

چکیده

در این تحقیق می خواهیم اطلاعاتی را در مورد (particle swarm optimization pso) هوش جمعی و انواع الگوریتم‌های آن و سپس یکی از آن الگوریتم‌ها که الگوریتم بهینه‌سازی ازدحام ذرات و برگرفته از رفتار جمعی ماهی‌ها می‌باشد را موردبررسی قرار دهیم.

 الگوریتم جامعه پرندگان یک تکنیک بهینه‌سازی بر پایه قوانین احتمال می‌باشد. نام دیگر این الگوریتم به اختصار pso یا PSO Algorithm می باشد.

این الگوریتم از رفتار اجتماعی پرندگان در حین جستجوی غذا برای هدایت مجموعه پرندگان به منطقه امیدبخش در فضای جستجو استفاده می‌کند. الگوریتم جامعه پرندگان ذاتاً یک الگوریتم بهینه‌سازی پیوسته است.

بیشترین کاربرد این الگوریتم در حل مسائل پیوسته است ولی می توان آن را به گونه ایی تغییر داد که مسائل گسسته را نیز توسط آن حل نمائیم.

علاوه بر این کاربرد های زیادی را در تمام مسائل پیرامون جامعه بشری دارد و با کمک آن می توان بسیاری از کارهایی را که انسان قادر به انجام آن نیست را حل نمائیم.

این مسائل می تواند مربوط به فضا ، درون عمق زمین و… که انسان قادر به زندگی در آن نیست می شود و با استفاده از این ذره ها انسان اطلاعات جامعی را در مورد آن کسب می کند.

برای دستی به این مطالب کافی است عبارت دانلود پایان نامه الگوریتم pso را جستجو کنید.

فهرست

 مقدمه

فصل اول : الگوریتم هیورستیک

-۱-الگوریتم هیورستیک

-۱-۱هوش مصنوعی چیست ؟

۱-۲مبانی هوش مصنوعی

۱-۳تاریخچه هوش مصنوعی

۱-۴جست‌وجوی ناآگاهانه

۱-۴-۱  جست‌وجوی عرضی

۱-۴-۱  جست‌وجوی عمقی

۱-۴-۱  جست‌وجوی عمیق کننده تکراری

-۱-۴-۱ جست‌وجوی هزینه یکنواخت

۱-۴-۱  جست‌وجوی عمقی محدود

۱-۴-۱  جست‌وجوی دوطرفه

۱-۵جست‌وجوی آگاهانه

۱-۶جست‌وجوی جستجوی محلی و بهینه‌سازی

۱-۶-۱  جست‌وجوی حریصانه

۱-۶-۲  جست‌وجوی A*

۱-۶-۳-جست‌وجوی اکتشافی با حافظه محدود

۱-۶-۴-جست‌وجوی بازگشتی RBFS

۱-۶-۵- جست‌وجوی تپه نوردی:

۱-۶-۷- جست‌وجوی پرتو محلی

۱-۷الگوریتم‌های ژنتیک:

فصل دوم روش های بهینه سازی

-۲-۱- روش‌های بهینه‌سازی

۲-۲-اهداف بهینه‌سازی

۲-۳-اهداف مسائل چند هدفی

۲-۴-محدودیت در بهینه‌سازی

۲-۵-روش‌های جستجو و بهینه‌سازی

۲-۵-۱-روش‌های شمارشی

۲-۵-۲ -روش‌های محاسباتی

۲-۶-روش‌های بهینه‌سازی بی محدودیت

۲-۷-روش‌های بهینه‌سازی با محدودیت

۲-۸-دلایل عدم استفاده‌ی گسترده از روش‌های محاسباتی

۲-۹-روش‌های ابتکاری و فرا ابتکاری

۲-۱۰-روش‌های ابتکاری

۲-۱۱- اشکالات روش‌های ابتکاری

۲-۱۲-مزایای روش‌های ابتکاری

۲-۱۳-روش‌های فرا ابتکاری

۲-۱۴-دو تدبیر بزرگ طبیعت

فصل سوم الگوریتم particle swarm optimization pso

بهینه‌سازی ازدحام ذرات(pso)

Pso-3-1 چیست ؟

-۳-۲-منشا اصلیOSP

-۳-۳-نکاتی در مورد الگوریتم بهینه‌سازی ازدحام ذرات

-۳-۴-هوش جمعی

-۳-۴-ویژگی‌های OSP

-۳-۵-مفاهیم اولیه

-۳-۶-الگوریتم Pso

-۳-۷-چگونه هر ذره حرکت می‌کند:

-۳-۸-نحوه محاسبات مربوط به تعیین سرعت و مکان ذره

-۳-۹-شبه کد particle swarm optimization pso

-۳-۱۰-بهبود کارایی OSP

-۳-۱۱-محدود کردن سرعت (velocity limit):

-۳-۱۲-الگوریتم اصلیOSP :

-۳-۱۲-۱-تعریف مسئله:

-۳-۱۲-۲-پارامترهای مسئله:

-۳-۱۲-۳-بهبود کارایی

-۳-۱۲-۴-ارزش‌گذاری

-۳-۱۲-۵-لوپ اصلی مسئله

-۳-۱۲-۶-خروجی یا نتیجه

-۳-۱۳-مزایای الگوریتم بهینه‌سازی ذرات

-۳-۱۴-کاربرد الگوریتم بهینه‌سازی ذرات

-۳-۱۵-مقایسه Pso با الگوریتم‌های تکاملی

-۳-۱ -نمایش مکان و سرعت آغازین ذره‌ها

۳-۱ -همسایگی

فصل چهارم  حل مسئله با pso

۴-حل مسئله کوله‌پشتی با pso

۴-۱-فلسفه اصلی مسئله کوله پوشتی

-۴-۲داده‌های مسئله

-۴-۳راه‌حل مسئله

-۴-۴روش باینری

-۴-۵روش عدد صحیح

-۴-۶روش عدد حقیقی

-۴-۷پارامترهای موردنیاز

-۴-۸مراحل حل یک مسئله بهینه‌سازی با الگوریتم‌های هوش مصنوعی

-۴-۹حل مسئله کوله پوشتی به‌صورت عدد حقیقی

-۴-۹-۱ایجاد مکانیزمی برای تعریف ، ذخیره و بازخوانی مدل

-۴-۹-۲تعریف مکانیزم ایجاد راه‌حل تصادفی

۴-۹-۳ایجاد مکانیزم تبدیل متغیرهای خام به متغیرهای اصلی مسئله

-۴-۹-۴محاسبه مقدار تابع هدف و برآورد قیود مسئله ( تابع هدف):

-۴-۹-۵اتصال تابع هدف به مسئله بهینه‌سازی

-۴-۱۰حل مسئله کوله پوشتی به‌صورت عدد صحیح

۴-۱۱حل مسئله فروشنده دوره‌گرد:

۴-۱۲ – کد برنامه :

-۴-۱۳-تابع هزینه :

۴-۱۴-تابع راه‌حل مسئله :

نتیجه گیری

منابع

برای دسترسی به این نوع پروژه ها کافیست عبارت particle swarm optimization pso را در قسمت جستجوری سایت سرچ کنید.

برای دانلود و دسترسی به مقالاتی از این قبیل ابتدا وارد سایت ایران فایلز شده و  عبارت دانلود فایل الگوریتم pso و وارد صفحه محصول دانلود پایان نامه الگوریتم pso شوید.

در صورت هر گونه سوال به آیدی پشتیبانی سایت @iranfiles_Support در تلگرام پیام دهید سوال مورد نظر خود را بپرسید.

با ایران فایلز همراه باشید .

مطالعه بیشتر