فهرست مطالب متن آموزشی الگوریتم رقابت استعماری

بر روی سایت “الگوریتم رقابت استعماری و بهینه سازی تکاملی” متن آموزشی جامعی قرار گرفته است که توضیحات مفصلی را در مورد این الگوریتم در اختیار می کذارد. این فایل در حقیقت بخشهایی نسبتاً کامل از یک پایان نامه در مورد الگوریتم رقابت استعماری می باشد. در ادامه فهرست مطالب این متن آموزشی آمده است. برای مشاهده هر بخش می توانید روی عنوان آن بخش کلیک کنید. لازم به ذکر است که فایل PDF جامعتر این متن آموزشی نیز بر روی سایت در این لینک (کلیک کنید) قرار گرفته است. توصیه می شود پس از مطالعه بخش مربوطه در وبسایت، در صورت تمایل متن فایل PDF را نیز مطالعه نمایید. با ما در ادامه مطلب همراه باشید.

نکته دیگر قابل ذکر این است که الگوریتم رقابت استعماری در حال حاضر درنسخه های مختلف و با تغییراتی نسبت به نسخه اولیه آن توسط دانشجویان و محققین حوزه بهینه سازی مورد استفاده قرار می گیرد. متن آموزشی ارائه شده بر روی سایت ورژن اولیه و نسخه ابتدایی الگوریتم رقابت استعماری می باشد. برای آشنایی با نسخه های جدیدتر الگوریتم می توانید به برخی از مقالات ارائه شده بر روی سایت مراجعه نمایید.

فهرست مطالب متن آموزشی الگوریتم رقابت استعماری
(جهت مطالعه هر بخش روی آن کلیک کنید.)

چکیده

فصل 1 مقدمه
1-1 هدف و اهميت مسئله
1-2 الگوريتم توسعه داده شده
1-3 مزاياي الگوريتم توسعه داده شده
1-4 ساختار نوشتار

فصل 2 بهينه‌سازي و روشهاي موجود
2-1 انواع مسائل بهينه‌سازي
2-2 روش‌هاي بهينه‌سازي کمينه‌جو
2-2-1 بهينه‌سازي تحليلي
2-2-2 جستجوي خط
2-2-3 روش‌هاي نيوتوني
2-2-4 روش کاهشي نِلدِر ـ ‌ميد با اشکال غير مرکب
2-3 الگوريتم‌ ژنتيک
2-4 الگوريتم بازپخت شبيه‌سازي شده
2-5 بهينه‌سازي گروه ذرات
2-6 کلوني مورچه‌ها
2-7 برنامه‌ريزي ژنتيک

فصل 3 استراتژي بهينه‌سازي مبتني بر تکامل اجتماعي‌ـ‌سياسي
3-1 مقدمه
3-2 مروري تاريخي بر پديده استعمار

3-2-1 هند
3-2-2 مالزي
3-2-3 هندوچين فرانسه
3-2-4 هند شرقي (اندونزي)

3-3 الگوريتم پيشنهادي
3-3-1 شکل دهي امپراطوري‌هاي اوليه
3-3-2 مدل‌سازي سياست جذب: حرکت مستعمره‌ها به سمت امپرياليست
3-3-3 جابجايي موقعيت مستعمره و امپرياليست
3-3-4 قدرت کل يک امپراطوري
3-3-5 رقابت استعماري
3-3-6 سقوط امپراطوري‌هاي ضعيف
3-3-7 همگرايي

3-4 مثال کاربردي
3-5 نتيجه‌گيری
3-6 توابع هزينه مورد استفاده

فصل 4 پياده‌سازي هاي انجام شده
4-1 استفاده از الگوريتم معرفي شده براي طراحي يک کنترل‌کننده PID بهينه
4-1-1 کنترل‌کننده PID
4-1-2 طراحي کنترل‌کننده PID بهينه توسط الگوريتم رقابت استعماري
4-1-3 نتيجه‌گيري
4-2 استفاده از الگوريتم رقابت امپرياليستي براي طراحي کنترل‌کننده PID چند متغيره براي سيستم صنعتي ستون تقطير
4-2-1 مقدمه
4-2-2 کنترل‌کننده PID براي فرايند چند متغيره
4-2-3 نتايج شبيه‌سازي
4-2-4 نتيجه‌گيري

4-3 الگوريتم رقابت استعماري؛ ابزاري براي يافتن نقطه تعادل نش
4-3-1 يک بازي غير خطي استاتيک ساده
4-3-2 يک بازي با پيچيدگي بيشتر
4-4 طراحي بهينه آنتهاي آرايه‌اي

4-5 استفاده از الگوريتم رقابت استعماري براي شناسايي ويژگي مواد از آزمون فرورفتگي
4-5-1 مقدمه
4-5-2 توصيف مسئله معکوس
4-5-3 حل مسئله معکوس توسط الگوريتم رقابت استعماري
4-5-4 نتيجه‌گيری

4-6 کنترل فازي اتومبيل
4-6-1 مدل اتومبيل
4-6-2 نتايج

فصل 5 خلاصه، نتيجه‌گيري و پيشنهادات

فصل 6 مراجع

_____________________________________________
نظرات شما در انتهای این پست برای سایر خوانندگان، بسیار مفید خواهد بود. می توانید نظر خود را با اکانت سرویس های مختلف و یا به عنوان ناشناس در این پست درج نمائید.
صرف زمان برای یادگیری اتلاف زمان نیست. سرمایه گذاری زمانی است.
power point شبکه عصبی پردازش تصویر آموزش شبکه عصبی اموزش شبکه عصبی matlab اموزش شبکه عصبی در متلب انجام پایان نامه شبکه عصبی انجام پروژه شبکه عصبی فازی انجام پروژه های شبکه عصبی انجام پروژه های شبکه عصبی توسط دانشجوی فوق لیسانس برنامه شبکه عصبی  پروژه درس شبکه عصبی پروژه شبکه عصبی تحلیل پوششی و شبکه عصبی ساخت شبکه عصبی در متلب سایت آموزشspss شبکه عصبی شبکه عصبی در مهندسی مکانیک شبکه عصبی در نرم افزار متلب  matlabمنطق فازی اموزش نوار ابزار منطق فازی برنامه مطلب انجام پروژه شبکه عصبی فازی بازاریابی منطق فازی تحلیل پوششی داده ها پردازش کنترل فازی تحقیق منطق فازی و روانشناسی تحلیل پوششی داده فازی تشخیص الگو سیستم های فازی پروژه روش منطق فازی سیستم فازی در شبکه موبایل سیستمهای فازی فازی کنترل فازی  آموزش الگوریتم ژنتیک آموزش الگوریتم ژنتیک اهواز
آموزش الگوریتم ژنتیک با متلب آموزش بهینه سازی الگوریتم ژنتیک آموزش کاربردی الگوریتم ژنتیک در نرم افزار matlab الگوریتم ژنتیک الگوریتم ژنتیک arcgis الگوریتم ژنتیک matlab الگوریتم ژنتیک matlab اصفهان الگوریتم ژنتیک nsga2 الگوریتم ژنتیک vb الگوریتم ژنتیک برای کلونی مورچه ها الگوریتم ژنتیک در matlab الگوریتم ژنتیک در بورس الگوریتم ژنتیک در شیلات الگوریتم ژنتیک در مطلب الگوریتم ژنتیک درشبکه الگوریتم ژنتیک کلونی زنبور الگوریتم ژنتیک کلونی مورچه ها الگوریتم ژنتیک کنترل پروژه الگوریتم ژنتیک مت لب الگوریتم ژنتیک و کارسنجی اموزش الگوریتم ژنتیک اموزش الگوریتم ژنتیک به فارسی
اموزش الگوریتم ژنتیک در مطلب انجام پروژه های الگوریتم ژنتیک خرید برنامه هشت وزیر توسط الگوریتم ژنتیک کد الگوریتم ژنتیک   کد الگوریتم ژنتیک  آموزش الگوریتم ژنتیک با متلب آموزش الگوریتم کوله پشتی آموزش بهینه سازی الگوریتم ژنتیک آموزش کاربردی الگوریتم ژنتیک در نرم افزار matlab الگوریتم ازدحام ذرات الگوریتم استراسن الگوریتم استعمار و مستعمره  الگوریتم انت کلونی  الگوریتم بهینه درکامپیوتر الگوریتم بهینه سازی ازدحام ذرات الگوریتم بهینه سازی ذرات الگوریتم بینایی ماشین الگوریتم پازل  الگوریتم پرندگان الگوریتم تکاملی الگوریتم حرکت پرندگان الگوریتم دسته ای پرندگان pso الگوریتم دنیای جاروبرقی در هوش مصنوعی الگوریتم رقابت استعماری الگوریتم زنبور عسل pdf الگوریتم ژنتیک الگوریتم ژنتیک arcgis الگوریتم ژنتیک matlab الگوریتم ژنتیک matlab اصفهان الگوریتم ژنتیک nsga2 الگوریتم ژنتیک vb الگوریتم ژنتیک برای کلونی مورچه ها الگوریتم ژنتیک در matlab الگوریتم ژنتیک در  ورس  الگوریتم ژنتیک در شیلات الگوریتم ژنتیک در مطلب الگوریتم ژنتیک درشبکه الگوریتم ژنتیک کلونی زنبور الگوریتم ژنتیک کلونی مورچه ها الگوریتم ژنتیک کنترل پروژه الگوریتم ژنتیک مت لب الگوریتم ژنتیک و کارسنجی الگوریتم سودوکو به زبان سی پلاس پلاس الگوریتم کلونی مورچه الگوریتم کلونی   مورچه در شبکه ad hoc الگوریتم کلونی مورچه ها در بر ای رنگ آمیزی گراف الگوریتم کوله پشتی الگوریتم کوله پشتی در دلفی الگوریتم مسیریابی شبکه بی سیم  الگوریتم مورچه گان الگوریتم مورچه گان آموزش الگوریتم مورچه و زنبور عسل الگوریتم مهاجرت پرندگان  الگوریتم هوش مصنوعی الگوریتمهای بازی در هوش  اموزش الگوریتم ژنتیک اموزش الگوریتم ژنتیک به فارسی اموزش الگوریتم ژنتیک در مطلب انجام پروژه های الگوریتم ژنتیک انواع الگوریتم برای الگوریتم ocr انواع الگوریتم بهینه سازی انواع الگوریتم های کلاسترینگ برنامه نویسی الگوریتم ازدحام ذرات برنامه نویسی پاسکال الگوریتم کوتاهترین مسیر توضیح الگوریتم کوله پشتی  fuzzy logic جزوه آموزش جزوه هوش مصنوعی جزوه ارشد هوش مصنوعی  برنامه نویسی الگوریتم ازدحام ذرات برنامه نویسی الگوریتم غربال

برخی از مستندات الگوریتم رقابت استعماری – بخش سوم: پایان نامه ها

در این پست برخی از پایان نامه هایی که در داخل ایران در مورد “الگوریتم رقابت استعماری” نگاشته شده اند را خدمتتان معرفی می کنیم. شما می توانید با مراجعه به دانشگاه محل اجرای پایان نامه و یا تماس با مولف آن، نسبت به مطالعه این متون اقدام نماید. با ما در ادامه مطلب همراه باشید.

اگر پایان نامه ای را مشاهده  و یا نگارش کرده اید که از الگوریتم رقابت استعماری به هر نوعی استفاده کرده است ولی آن را در لیست زیر نمی بینید، می توانید عنوان آن را از طریق بخش تماس با ما و یا از طریق این فرم (+)، اطلاع دهید تا جهت اطلاع سایر علاقه مندان  برروی سایت قرار گیرد.
نکته: لیست به روزتر پایان نامه ها و مقالات فارسی و انگلیسی در مورد الگوریتم رقابت استعماری، را به صورت یک فایل excel، می توانید، در این لینک مشاهده نمایید. ممکن است، به دلیل انسداد سرویس گوگل داکز، با استفاده اینترنت داخل ایران، این لینک برای شما در برخی موارد باز نشود. در این صورت از ابزار مناسب برای حل این مشکل استفاده نمایید.

 

فایل پی دی اف متن یک فایل آموزشی کامل به فارسی که در حقیقت متن تقریباً کامل یک پایان نامه جامع در مورد الگوریتم رقابت استعماری است، در این پست بر روی سایت موجود است.

لازم به ذکر است که مستندات الگوریتم رقابت استعماری در سه بخش جداگانه به صورت سه پست مجزا با عناوین زیر بر روی سایت قرار گرفته اند.

در ادامه برخی از پایان نامه های مرتبط با الگوریتم رقابت استعماری فارسی آمده اند.

______________________________________

عنوان: توسعه الگوریتم بهینه سازی اجتماعی و بررسی کارایی آن
نگارنده: اسماعیل آتش پز گرگری
استاد/اساتید راهنما: دکتر کارو لوکس، دکتر بابک نجار اعرابی
استاد/اساتید مشاور: دکتر مجید نیلی احمد آبادی
سال انتشار: 1387
زبان: فارسی
دانشگاه / دانشکده: دانشگاه تهران – دانشکده مهندسی برق و کامپیوتر
ایمیل نگارنده : atashpaz.gargari@gmail.com
کد سند: ica_thesis_fa_1387_atashpaz
نحوه دسترسی به پایان نامه:

  1. مراجعه به کتابخانه مرکزی و کتابخانه دانکشده مهندسی برق دانشگاه تهران
  2. مکاتبه با نگارنده
  3. بخش های زیادی از این پایان نامه بر روی این سایت (در این لینک) موجود می باشد.

چکیده فارسی: الگوريتم هاي بهينه‌سازي الهام گرفته از طبيعت به عنوان روشهاي هوشمند بهينه‌سازي در كنار روش‌هاي كلاسيك موفقيت قابل ملاحظه‌اي از خود نشان داده‌اند. از جمله اين روش‌ها مي‌توان به الگوريتم‌هاي ژنتيك (الهام گرفته از تكامل بيولوژيكي انسان و ساير موجودات)، بهينه‌سازي كلوني مورچه‌ها (بر مبناي حركت بهينه مورچه‌ها) و روش بازپخت شبيه‌سازي شده (با الهام‌گيري از فرايند تبريد فلزات) اشاره نمود. اين روش‌ها در حل بسياري از مسائل بهينه‌سازي در حوزه‌هاي مختلفي چون تعيين مسير بهينه عامل‌هاي خودكار، طراحي بهينه كنترل كننده براي پروسه هاي صنعتي، حل مسائل عمده مهندسي صنايع همانند طراحي چيدمان بهينه براي واحدهاي صنعتي، حل مسائل صف و نيز در طراحي عامل‌هاي هوشمند استفاده شده‌اند. الگوريتم‌هاي بهينه‌سازي معرفي شده، به طور عمده الهام گرفته از فرايند‌هاي طبيعي مي‌باشند و در ارائه اين الگوريتم‌ها به ساير نمودهاي تكامل انساني توجهي نشده است. در اين نوشتار الگوريتم جديدي براي بهينه‌سازي مطرح مي‌‌شود كه نه از يك پديده طبيعي، بلكه از يك پديده اجتماعي – انساني الهام گرفته است. بطور ويژه اين الگوريتم به فرايند استعمار، به عنوان مرحله‌اي از تكامل اجتماعي – سياسي بشر نگريسته و با مدل‌سازي رياضي اين پديده تاريخي، از آن به عنوان منشأ الهام يك الگوريتم قدرتمند در زمينه بهينه‌سازي بهره مي‌گيرد. در مدت كوتاهي كه از معرفي اين الگوريتم مي‌گذرد، از آن براي حل مسائل بسياري در حوزه بهينه‌سازي استفاده شده است. طراحي چيدمان بهينه براي واحد‌هاي صنعتي، آنتن‌هاي مخابراتي هوشمند، سيستم‌هاي پيشنهاددهنده هوشمند و نيز طراحي كنترل كننده بهينه براي سيستم‌هاي صنعتي شيميايي تعدادي معدود از كاربردهاي گسترده اين الگوريتم در حل مسائل بهينه‌سازي مي‌باشد.

Abstract (English): Evolutionary optimization methods, inspired from natural processes, have shown good performance in solving complex optimization problems. For example, genetic algorithms (inspired from biological evolution of human and other species), ant colony optimization (based on ants effort to find optimal path to the food source) and simulated annealing (based on real annealing in which a substance is heated over its melting point and then cooled to reach to a crystalline lattice) are widely used to solve engineering optimization problems. The proposed evolutionary optimization algorithms are generally inspired by modeling the natural processes and other aspects of species evolution, especially human evolution, are not considered. The method proposed in this work, uses socio-political evolution of human as a source of inspiration for developing a powerful optimization strategy. Especially, this algorithm considers the imperialism as a level of human social evolution and by mathematically modeling this complicated political and historical process, harnesses it as a tool for evolutionary optimization. Since its recent inception, this novel method is used to design optimal layout for factories, adaptive antenna arrays, intelligent recommender systems, optimal controller for industrial and chemical processes.

______________________________________

عنوان: ارائه الگوريتم فرا ابتکاري کارا براي حل مدل کنترل موجودي چند سطحي
نگارنده: رضايي، زهرا
استاد/اساتید راهنما: در دسترس نیست
استاد/اساتید مشاور: در دسترس نیست
سال انتشار: 1388
زبان: فارسی
دانشگاه / دانشکده: دانشگاه شهيد بهشتي
ایمیل نگارنده : در دسترس نیست
کد سند: ica_thesis_fa_1388_rezaei
نحوه دسترسی به پایان نامه:

  1. مراجعه به کتابخانه دانشگاه شهيد بهشتي
  2. مکاتبه با نگارنده

______________________________________

عنوان: زمانبندي دو معياره سيستم مونتاژ جريان کاري دو مرحله اي توسط روش هاي فرا ابتکاري
نگارنده: شکراله پور، السا
استاد/اساتید راهنما: در دسترس نیست
استاد/اساتید مشاور: در دسترس نیست
سال انتشار: 1388
زبان: فارسی
دانشگاه / دانشکده: دانشگاه شهيد بهشتي
ایمیل نگارنده : در دسترس نیست
کد سند: ica_thesis_fa_1388_shokrollahpour
نحوه دسترسی به پایان نامه:

  1. مراجعه به کتابخانه دانشگاه شهيد بهشتي
  2. مکاتبه با نگارنده

______________________________________

عنوان: تعیین خواص الاستو – پلاستیک فلزات با استفاده از آزمون سختی سطح و مطالعه اثر شکل ایندنتر در آن با استفاده از روش‌های عددی و تجربی
نگارنده: امیر بیابانگرد اسکویی
استاد/اساتید راهنما: ناصر سلطانی
استاد/اساتید مشاور: در دسترس نیست
سال انتشار: 1386
زبان: فارسی
دانشگاه / دانشکده: دانشگاه تهران – دانشکده مکانیک
ایمیل نگارنده : در دسترس نیست
کد سند: ica_thesis_fa_1386_oskouyi
نحوه دسترسی به پایان نامه:

  1. مراجعه به کتابخانه مرکزی و کتابخانه دانشکده مکانیک دانشگاه تهران
  2. مکاتبه با نگارنده

چکیده فارسی: در اين پايان نامه روش جديدي براي تعيين پاسخ آزمون فروروندگي و مشخصات منحني بار- جابجايي با استفاده از الگوريتم شبكه هاي عصبي ارايه شده است. توابع و عبارات بي بعد كه پاسخ منحني بار- جابجايي را به ويژگي هاي الاستو- پلاستيك ماده مرتبط مي كنند، با استفاده از نظريه تحليل ابعادي و الگوريتم باكينگهام ارايه شده است. مدلسازي المان محدود براي دسته گسترده اي از مواد با ويژگي هاي الاستو- پلاستيك گسترده انجام گرفته تا توابع بي بعد را به صورت عددي براي ايندنـتر كروي و ايندنـتر نوك تيز مخروطي با زاويه تيزي بدست آورد. ايندنـتر به صورت صلب مدل شده و نسبت پواسون براي مواد مورد مطالعه فرض گرديده كه مقدار ثابت را داشته باشد كه براي اغلب مواد مهندسي معتبر مي باشد. مقادير بدست آمده از مدلسازي عددي در آموزش شبكه عصبي چند لايه پيشرو ـ پسخوراند، مورد استفاده قرار گرفته شده است. در قسمت بعدي تكنيك جديدي با استفاده از الگوريتم ژنتيك براي تحليل روش معكوس مورد استفاده قرار گرفته است. الگوريتم مورد استفاده براي تحليل روش معكوس براي ايندنـتر مخروطي، الگوريتم ژنتيك مرتب سازي غيرغالب مي باشد. كه براي تعيين خواص الاستو -پلاستيك با استفاده از پاسخ آزمون فروروندگي مورد استفاده قرار گرفته است. در ادامه براي تحليل روش معكوس براي ايندنـتر كروي، از الگوريتم جستجوگر جديدي كه با الهام گيري از رقابت هاي استعماري تدوين شده و استفاده شده است. ويژگي هاي منحصر به فرد اين الگوريتم باعث جايگزيني اين الگوريتم به جاي الگوريتم ژنتيك در مرحله بعدي اين مطالعه گرديد. در پايان با طراحي و ساخت دستگاه ميكرو فروندگي ابزار دقيق، يافته هاي تئوري مطالعه به صورت عملي و تجربي مورد بررسي قرار گرفت.

Abstract (English): In this study a novel method was developed to determine the instrumented indentation test response and specification of load-displacement curvature, using elasto-plastic properties of materials. Dimensionless functions and groups which state the indentation test response in term of the elasto-plastic properties of materials were extracted through employing the dimensional analysis and Buckingham ?-theorem. In order to evaluate the dimensionless functions numerically, finite element simulation was carried out for a wide range of elasto-plastic properties. Indenters were modeled as an analytical rigid body and Poisson’s ratio was assumed to be fixed at 0.3 which is valid for a wide range of engineering alloys and materials. Data obtained through finite element modeling were utilized to train a multilayer feed-forward back-propagation artificial neural network. In the next step, a novel technique was developed for reverse analysis algorithm, using genetic algorithm. Non-dominated sorting genetic algorithm was utilized in this study to evaluate the elasto-plastic properties of materials through instrumented indentation test response. In the following, a recently introduced heuristic algorithm inspired from socio-political process of colonial competitions, was used in developing the reverse analysis algorithm of spherical indenter. Duo to superior capabilities of this algorithm genetic algorithm was substituted with Colonial Competitive Algorithm in the next part of this study. In addition to the theoretical studies, instrumented indentation test was investigated through designing and manufacturing an instrumented micro-indentation test system. The proposed reverse algorithm showed good ability for predicting the elasto-plastic properties from indentation test response. Especially it showed to be a powerful tool for the circumstances that the previous methods were no longer applicable. This method has good reliability and there is a good agreement between the experimental and FEM results and the reverse algorithm has good ability to lead a unique and exact solution. The accuracy of the presented method only depends on the accuracy of the instrumented indentation test system. The results obtained from this study indicate that the instrumented indentation test can be a fast and easy way for estimating the elasto-plastic properties of materials. In comparison with uniaxial tensile test, indentation test is fast and can be considered as a non destructive evaluating approach.

______________________________________

عنوان: پیش بینی کوتاه مدت بار با استفاده از شبکه های عصبی مصنوعی و الگوریتم هیبرید رقابت استعماری
نگارنده: احسان هادیان حقیقی
استاد/اساتید راهنما: دکتر جواد ساده (دانشیار دانشگاه فردوسی مشهد – عضو هیئت علمی دانشگاه آزاد-واحد گناباد)
استاد/اساتید مشاور: در دسترس نیست
سال انتشار: 1390
زبان: فارسی
دانشگاه / دانشکده: دانشگاه آزاد اسلامی، واحد مشهد
ایمیل نگارنده : در دسترس نیست
کد سند: ica_thesis_fa_1390_hadian
نحوه دسترسی به پایان نامه:

  1. مراجعه به کتابخانه مرکزی دانشگاه
  2. مکاتبه با نگارنده – www.ehsanhadian.ir

چکیده فارسی: در این پایان‌نامه روشی جدید جهت پیش‌بینی کوتاه مدت بار و بصورت بار ساعتی، در شبکه توزیع انرژی الکتریکی ارائه شده است. در روش ارائه شده از گسسته‌سازی الگوریتم رقابت استعماری که بصورت ترکیبی از الگوریتم رقابت استعماری و الگوریتم ژنتیک است و آن را HICA (Hybrid Imperialist Competitive Algorithm) می‌نامیم به منظور ابزاری جهت انتخاب ویژگی (ورودی) در شبکه‌های عصبی استفاده شده است. هدف استفاده از HICA یافتن آن دسته از ورودی‌ها است که بیشترین تأثیر را در پیش‌بینی سری زمانی بار الکتریکی دارند، تا بتوان خطای شبکه عصبی را تا حد امکان کاهش داد. ورودی‌های شبکه عصبی که در ابتدا احتمال آن داده شد که می توانند در پیش‌بینی بار موثر باشند، شامل ورودی‌هایی از ساعت، روز، ماه، روز هفته، و نوع روز از جهت تعطیل یا روز عادی؛ اطلاعات هواشناسی نظیر حداقل و حداکثر دما، سرعت باد، وضعیت ابر، درجه حرارت خشک، درجه حرارت مرطوب و رطوبت هوا؛ ترتیبی منطقی از داده‌های قبلی بار به صورت میزان بار مصرفی ساعت کنونی، بار ساعت کنونی از روز قبل، بار ساعت کنونی از سال قبل، بار ساعت بعد از روز قبل، بار ساعت بعد از سال قبل، میزان بار کل مصرفی روز قبل، بار کل مصرفی روز قبل از سال قبل، بار کل مصرفی همان روز از سال قبل تعیین گردید. با اعمال الگوریتم HICA و محاسبه میزان تأثیر و کارایی ورودی‌ها بر اساس میزان خطایی که آن دسته از ورودی‌ها در مواجه با  داده‌هایی که قبلاً شبکه عصبی با آن مواجه نشده‌ است، داشت؛ ورودی‌های مؤثر تعیین شدند. نتايج آزمايش‌ها نشان داد که الگوريتم HICA ويژگي‌هاي (ورودی‌های) مناسبي را براي پیش‌بینی بار انتخاب مي‌کند، به طوري که با تعداد ويژگي‌هاي بسيار محدود مي‌توان دقت پیش‌بینی خوبي بدست آورد.

______________________________________

عنوان: کاربرد روش های زیستی و اجتماعی در سیستم های پیشنهادگر
نگارنده: هدی سپهری راد
استاد/اساتید راهنما: دکتر کارو لوکس
استاد/اساتید مشاور: دکتر مجید نیلی احمد آبادی
سال انتشار: 1386
زبان: فارسی
دانشگاه / دانشکده: دانشگاه تهران – دانشکده مهندسی برق و کامپیوتر
ایمیل نگارنده : sepehrir@ualberta.ca
کد سند: ica_thesis_fa_1386_sepehri
نحوه دسترسی به پایان نامه:

  1. مراجعه به کتابخانه
  2. مکاتبه با نگارنده

چکیده فارسی: سيستم هاي پيشنهاد گر سعي دارند با پيشنهاد اقلام و سرويس هاي مورد علاقه ونياز كاربران به آنها در يافتن اين اقلام از بين حجم وسيعي از اطلاعات كمك كنند. هدف از اين تحقيق بررسي كاربرد هاي ممكن براي روشهاي زيستي و اجتماعي و ارائه راه كارهاي جديدي در اين زمينه است روشهاي زيستي و اجتماعي روش هاي الهام گرفته شده از پديده هاي موجود در طبيعت مانند قانون وراثت و يا رفتارهاي اجتماعي نظير تعامل با اجتماغ و يادگيري هستند

______________________________________

عنوان: انتخاب و بهينه سازی سبد سهام با استفاده از روش هاي فراابتكاري و مقایسه ی آن با سبدهای تشکیلیِ خبرگان و تازه کارها در بازار بورس اوراق بهادار تهران.
نگارنده: آرش طالبی
استاد/اساتید راهنما: دکتر محمّد علی مولایی
استاد/اساتید مشاور: دکتر محمّد جواد شیخ
سال انتشار: 1389
زبان: فارسی
دانشگاه / دانشکده: دانشگاه صنعتی شاهرود – دانشکده مهندسی صنایع و مدیریت
ایمیل نگارنده : arash.talebi.thesisinfo@gmail.com
کد سند: ica_thesis_fa_1389_talebi
نحوه دسترسی به پایان نامه:

  1. مراجعه به کتابخانه مرکزی و یا کتابخانه دانشکده مهندسی صنایع و مدیریت دانشگاه صنعتی شاهرود.
  2. مراجعه به مرکز اسناد و مدارک علمی ایران، Irandoc
  3. مکاتبه با نگارنده

چکیده فارسی: در قياس با رشد روز افزون استفاده از پورتفويها و نيز با وجود ادبيات غني آن، همچنان موضوعات و سؤالات بي پاسخ فراواني در اين زمينه وجود دارد. همچنين، بازارهاي بورس ايران، به عنوان بازارهايي رو به رشد، نيازمند پژوهشهاي بومي در پاسخ به اين سؤالات و موضوعات ميباشد. هدف از اين پژوهش، ارائهي ابزاري مفيد و كارا براي كمك به متخصصين و محققين، در تئوريِ انتخاب پورتفوي است. پژوهش، ضمن بررسي جامع ادبيات موضوع و پيشرفتها و گسترشهاي صورت پذيرفته در زمينهي انتخاب و بهينهسازي پورتفوي، به مروري بر انواع مسائل و روشهاي بهينهسازي پرداخته، با مناسب تشخيص دادن روشهاي ابتكاري، به اعمال چهار الگوريتم ابتكاري جديد و پر كاربرد ژنتيك، تركيب ژنتيك و نلدر- ميد، گروه ذرات(كوچ پرندگان) و رقابت استعماري بر مسئلهي بهينهسازي پورتفوي در بازار بورس اوراق بهادار تهران و از بين سهام 50 شركت برتر ميپردازد؛ تا سبدهايي بهينه، داراي ريسك كمينه و بازده بيشينه –به طور همزمان- را انتخاب نمايد. همچنين، در اين پژوهش، جهت دستيابي به نتايجي در زمينهي چگونگي گزارشگري نرخ بازدهي، براي اثربخشي و كارايي بالاتر (بازدهي ماهانه در مقابل سالانه) به تشكيل دو پورتفوي مختلف با استفاده از هر الگوريتم و به كمك وروديهاي سالانه و ماهانه پرداخته ميشود. در ادامه، جهت سنجش و مقايسهي عملكرد سه گروه الگوريتمها، خبرگان و نيز تازهكارهاي بازار بورس با يكديگر، با ارائهي تعريفي از دو گروه آخر، به جمعآوري سبدهاي منتخب آنها توسط پرسشنامه، پرداخته خواهد شد. كلّيهي پورتفويهاي پژوهش، يعني هشت سبد منتخب الگوريتمها، چهل سبد منتخب كارگزاران به عنوان نمونهي خبرگان و چهل و سه سبد منتخب سرمايهگذاران فرديِ حاضر در تالار بورس به عنوان نمونهي تازهكارها، در شرايط واقعي بازار بر دورهاي شش ماهه كه از آن با عنوان دورهي آزمون ياد مي شود، اعمال ميگردند؛ به عبارت ديگر، به طور فرضي اما در بازار واقعي، طبق اين پورتفويها، سهام خريداري و به مدت شش ماه با استراتژي منفعلانه، نگهداري ميشوند. در نهايت، عملكرد هر سه گروه بر اساس مقياسهاي تعديل شده بر مبناي ريسك براي سنجش عملكرد پورتفوي، محاسبه شده، بر اساس فرضيات اصلي و فرعي پژوهش، مورد آزمون آماري تحليل واريانس تك-عاملي و آزمون تعقيبي شفه قرار ميگيرند تا مقايسههاي آماري، بين متوسط عملكرد اين سه گروه صورت پذيرد. نتايج آشكار ميسازند كه تفاوت معناداري بين متوسط عملكرد سبدهاي منتخب خبرگان و متوسط عملكرد الگوريتمها وجود ندارد، همچنين هر دو رويكرد، در دورهي آزمون، به طور متوسط بهتر از پورتفوي بازار عمل نموده، به بازدهي بالاتري دست يافتهاند. سرعت همگرايي الگوريتمها در رسيدن به پاسخ بهينه نيز، مناسب و معقول ميباشد. اما متوسط عملكرد تازهكارها، با متوسط عملكرد اين دو رويكرد تفاوت معناداري دارد، به طوريكه در بررسيهاي آزمون تعقيبي شفه، مشخص شد كه متوسط عملكرد خبرگان و الگوريتمها، در سطح معناداري بهتر از عملكرد تازهكارها بوده است. متغيرِ نوع اطلاعات ورودي (ماهانه يا سالانه) نيز، تأثير معناداري بر عملكرد سبدها ايجاد نكرده بود. با توجه به اين يافتهها، نتيجهگيريهاي پژوهش عبارتند از موارد ذيل: اولاً، از آنجا كه عملكرد الگوريتمها و سازگاري آنها با حل مسئلهي پورتفوي تأييد شد، به خبرگان كه هماكنون جهت تشكيل سبد به صرف منابع هنگفت مالي، انساني و … ميپردازند، استفاده از روشهاي پژوهش به شدت توصيه ميشود، و بدينوسيله، خبرگان قادر به دستيابي به اثربخشي يكسان و كارايي بالاتر خواهند بود. ثانياً، با توجه به مزاياي عمدهي تشكيل پورتفوي، آماتورها به تشكيل و نگهداري پورتفوي تشويق مي شوند، اما از آنجا كه در پژوهش، نشان داده شد كه مهارتي در اين امر ندارند، استفاده از الگوريتمهاي پژوهش، دست كم در بدو امر، براي آنها رويكردي هوشمندانه است. بخشي از آنها كه توان ماليِ خريد و نگهداري سبدي سهام را ندارند نيز، به خريد سهام شركتهاي سرمايهگذاري رهنمون ميشوند تا به طور غيرِمستقيم، صاحب پورتفوي شوند. ثالثاً، با توجه به عملكرد يكسان سبدهاي منتخب اطلاعات ماهانه و سالانه، استفاده از اطلاعات سالانه، به دليل حجم محاسباتي پايينتر و بنابراين كارايي بالاتر و با حفظ اثربخشي يكسان، در مقايسه با همتاهاي ماهانه، به سرمايهگذاران و پژوهشگران توصيه ميشود. در نهايت، با توجه به آنكه الگوريتمها صرفاً از اطلاعات تاريخي جهت تشكيل پورتفوي استفاده نمودند، و عملكرد قابل قبولي در مقايسه با پورتفوي بازار و خبرگان داشتند، شكل ضعيف فرضيهي بازار كارا كه بيانگر هضم و انعكاس اطلاعات تاريخي در قيمت سهام است، در بازار بورس تهران زير سؤال رفته، تا حد زيادي مورد ترديد قرار ميگيرد. 
______________________________________

Title: Computational Intelligence in Control Application
Author: Tushar Jain
Supervisor:  Prof. M.J. Nigam
Year:  May 2009
Language: English
Affiliation: Department of Electronics and Computer Engineering, Indian Institute of Technology, Roorkee,  India,
Contact Email: Tushar.Jain@cran.uhp-nancy.fr, tushaar(dot)iitr(at)gmail(dot)com
Doc Code: ica_thesis_en_2009_jian
Access:
Contact the author.
Abstract: The main aim of the thesis is to develop and implement biologically inspired and socio-political based optimization techniques in the field of control engineering. The research has been carried out in the direction of improving the behavior of existing classical algorithms (Genetic Algorithm, Particle Swarm Optimization, Bacterial Foraging, Colonial Competitive Algorithm) using hybridization. The novel approach is then successfully implemented on practical control problems: Inverted pendulum system, ball and beam system, magnetic levitation system and robot manipulators.
نکته: لیست به روزتر پایان نامه ها و مقالات فارسی و انگلیسی در مورد الگوریتم رقابت استعماری، را به صورت یک فایل excel، می توانید، در این لینک مشاهده نمایید. ممکن است، به دلیل انسداد سرویس گوگل داکز، با استفاده اینترنت داخل ایران، این لینک برای شما در برخی موارد باز نشود. در این صورت از ابزار مناسب برای حل این مشکل استفاده نمایید.
_____________________________________________
نظرات شما در انتهای این پست برای سایر خوانندگان، بسیار مفید خواهد بود. می توانید نظر خود را با اکانت سرویس های مختلف و یا به عنوان ناشناس در این پست درج نمائید.

 

صرف زمان برای یادگیری اتلاف زمان نیست. سرمایه گذاری زمانی است.

فایل راهنمای فارسی الگوریتم رقابت استعماری Imperialist Competitive Algorithm

 

این پست یک فایل آموزشی بسیار مفید راجع به Imperialist Competitive Algorithm یا الگوریتم رقابت استعماری در اختیار علاقه مندان قرار می دهد. این فایل آموزشی در حقیقت متن کامل یک پایان نامه در زمینه بهینه سازی و الگوریتم رقابت استعماری می باشد. در چکیده این فایل 100 صفحه ای می خوانید:

“الگوریتم های بهینه‌سازی الهام گرفته از طبیعت به عنوان روشهای هوشمند بهینه‌سازی در کنار روش‌های کلاسیک موفقیت خوبی از خود نشان داده‌اند. از جمله این روش‌ها می‌توان به الگوریتم‌های ژنتیک (الهام گرفته از تکامل بیولوژیکی انسان و سایر موجودات)، بهینه‌سازی کلونی مورچه‌ها (بر مبنای حرکت بهینه مورچه‌ها) و روش بازپخت شبیه‌سازی شده (با الهام‌گیری از فرایند تبرید فلزات) اشاره نمود. این روش‌ها در حل بسیاری از مسائل بهینه‌سازی در حوزه‌های مختلفی چون تعیین مسیر بهینه عامل‌های خودکار، طراحی بهینه کنترل کننده برای پروسه های صنعتی، حل مسائل عمده مهندسی صنایع همانند طراحی چیدمان بهینه برای واحدهای صنعتی، حل مسائل صف و نیز در طراحی عامل‌های هوشمند استفاده شده‌اند.

الگوریتم‌های بهینه‌سازی معرفی شده، به طور عمده الهام گرفته از فرایند‌های طبیعی می‌باشند و در ارائه این الگوریتم‌ها به سایر نمودهای تکامل انسانی توجهی نشده است. در این نوشتار الگوریتم جدیدی برای بهینه‌سازی مطرح می‌‌شود که نه از یک پدیده طبیعی، بلکه از یک پدیده اجتماعی – انسانی الهام گرفته است. بطور ویژه این الگوریتم به فرایند استعمار، به عنوان مرحله‌ای از تکامل اجتماعی – سیاسی بشر نگریسته و با مدل‌سازی ریاضی این پدیده تاریخی، از آن به عنوان منشأ الهام یک الگوریتم قدرتمند در زمینه بهینه‌سازی بهره می‌گیرد. در مدت کوتاهی که از معرفی این الگوریتم می‌گذرد، از آن برای حل مسائل بسیاری در حوزه بهینه‌سازی استفاده شده است. طراحی چیدمان بهینه برای واحد‌های صنعتی، آنتن‌های مخابراتی هوشمند، سیستم‌های پیشنهاددهنده هوشمند و نیز طراحی کنترل کننده بهینه برای سیستم‌های صنعتی شیمیایی تعدادی معدود از کاربردهای گسترده این الگوریتم در حل مسائل بهینه‌سازی می‌باشد.”

در ادمه لینک دانلود این کتاب قرار داده شده است:
اگر در هر مرحله ای، فایلها نیاز به پسورد داشتند، پسورد matlabsite.com را وارد کنید.
فایل راهنمای فارسی و انگلیسی در فرمت Word نیز در این لینک موجود می باشد.

 


صرف زمان برای یادگیری اتلاف زمان نیست. سرمایه گذاری زمانی است.