نحوه مقدار دهی اولیه کشورها در الگوریتم رقابت استعماری – پرسش و پاسخ مطرح شده

این پست در پاسخ به سوال مطرح شده توسط یکی از دوستان دانشجو، تهیه شده است. به دلیل اینکه همین سوالات ممکن است برای دیگران نیز مطرح شود، به نظر رسید که انتشار آن در قالب یک پست عمومی خالی از لطف نباشد.

متن سوال مطرح شده به صورت زیر است.
______________________________________
با سلام و احترام،

من به الگوریتم ICA علاقمند شده و می‌خواهم روی آن کار کنم. ضمن مطالعه آن، یکسری سوالات برایم پیش آمدند. ممنون میشم جواب سوالاتم را بدهید.

۱- اول کار مقدار دهی اولیه (Intialization) کشور‌ها با چه مقداری انجام می‌شوند؟ تولید رندم در چه بازه ایی است؟

۲- زاویهٔ theta موقع محاسبهٔ x به چه صورتی تاثیر میگذارد؟

۳- آیا مقدار x که با توزیع یکنواخت (uniform) محاسبه می‌شود، به شکل زیر در متلب محاسبه می‌شود؟

(beta*d*rand)

۴- اگر قرار باشد به امپراتوری‌ای در اول کار مثلاً ۵ مستعمره تعلق بگیرد و ما مثلاً ۱۷ تا مستعمره داشته باشیم، کدام ۵ تا مستعمره به آن تعلق میگیرند؟

متن مشروح پاسخ ها نیز در ادامه آمده است.

______________________________________
پاسخ اغلب این سوالات با مراجعه به متن آموزشی فارسی الگوریتم رقابت استعماری که در حقیقت متن کامل یک پایان نامه در این حوزه است، قابل دریافت است. البته مطالعه کدهای نوشته شده در متلب الگوریتم نیز که کاملاً خوانا و منظم هستند، می تواند در پاسخ به این سوالات و سوالات احتمالی بعدی مفید باشد. متن آموزشی و کدهای آماده الگوریتم را می توانید از لینکهای زیر دریافت کنید.

لینک دانلود متن آموزشی

لینک دانلود کدهای آماده

در ادامه پاسخ تک تک سوالات را می بینیم.

1) همانگونه که در متن اموزشی بیان شده، تولید x با توزیع یکنواخت در بازه بین صفر و بتا ضربدر d انجام می گیرد. که در ان d فاصله میان مستعمره و امپریالیست است. بتا را نیز معمولاً حدود 2 در نظر می گیریم. وجود ضریب بتا بزرگتر از یک باعث مي‌شود تا کشور مستعمره در حين حرکت به سمت کشور استعمارگر، از جهت‌هاي مختلف به آن نزديک شود.

2) در الگوريتم معرفي شده، با افزودن يک زاويه تصادفي به مسير جذب مستعمرات، انحرافی در مسیر حرکت انجام مي‌گيرد. بدين منظور، در حرکت مستعمرات به سمت استعمارگر، کمي زاويه تصادفي نيز به جهت حرکت مستعمره، اضافه مي‌کنيم. بدين منظور اين‌بار به جاي حرکت به اندازه x، به سمت کشور استعمارگر و در جهت بردار واصل مستعمره به استعمارگر، به همان ميزان، ولي با انحراف theta در مسير، به حرکت خود ادامه مي‌دهيم. theta را به صورت تصادفي و با توزيع يکنواخت در نظر مي‌گيريم (اما هر توزيع دلخواه و مناسب ديگر نيز مي‌تواند استفاده شود). در حالت دو بعدی پیاده سازی این مورد بسیار ساده است. کافی است از ماتریس دوران دو بعدی استفاده کنیم. یعنی بردار کنونی را داریم. بردار موقعیت جدید از ضرب ماتریس دوران به ادهزه theta در ماتریس موقعیت قبلی ایجاد می گردد.

در حالتهای با بعد بزرگتر، این نوع نگاه ممکن است در پیاده سازی (کد نویسی برنامه) کمی پیچیدگی ایجاد کند. به همین منظور می توانیم مولفه های تک تک ابعاد را در اعداد تصادفی متفاوت ضرب کرده و بردار نهایی را نرمالیزه (هم اندازه با بردار اولیه) کنیم. اگر کدهای نوشته شده را ببینید، به همین صورت عمل شده است.

3) بله دقیقاً همین طور هست. باز هم توصیه می شود کد ها را ببینید.

4) این مستعمرات کاملاً تصادفی انتخاب می شوند و هیچ اولویتی بین آنها نیست. تابع randperm در متلب می تواند در انتخاب مستعمرات به ما کمک کند. این تابع جایگشت تصادفی n عدد را به ما می دهد. راهنمای متلب را برای همین موضوع ببینید.

 

_____________________________________________
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.

قدم اول در حل مسئله بهینه سازی مقید با استفاده از الگوریتم رقابت استعماری

این پست در پاسخ سوال یکی از دوستان در مورد نحوه مواجهه با قیود در الگوریتم رقابت استعماری تهیه شده است. مطالعه این پست را به آنهایی که علاقه دارند تا مسائل بهینه سازی مقید خود را با الگوریتم های تکاملی و به طور ویژه با الگوریتم رقابت استعماری حل کنند، توصیه می کنیم. ایده مطرح شده در این پست، کلی بوده و قابل اعمال به همه الگوریتم های تکاملی از جمله الگوریتم های ژنتیک (Genetic Algorithms)، الگوریتم پرندگان یا ازدحام ذرات (Particle Swarm Optimization) و یا کلونی مورچگان (Ant Colony Optimization) می باشد. با ما در ادامه مطلب همراه باشید.

همانگونه که در پست های مختلفی بر روی وبسایت الگوریتم رقابت استعماری و بهینه سازی تکاملی مثلاً در این پست (+) خدمتتان عرض کرده ایم، برای حل مسائل بهینه سازی مقید، اولین قدم، جلوگیری از تولید جوابهای خارج از محدود پذیرفته شده (Feasible Solutions) است. در کدهای الگوریتم رقابت استعماری برای این منظور چه باید کرد؟
اگر شما از کدهای الگوریتم رقابت استعماری استفاده می کنید، سه تابع وجود دارند که باعث ایجاد تغییرات در موقعیت کشورها (تغییر آنها) می شوند. هر یک از این سه بخش باید مورد بررسی قرار گرفته و تغییراتی در آنها ایجاد شود. نکته قابل ذکر این است که اگر قیود ساده و به صورت بازه ثابت برای هر متغیر باشند، نیازی به انجام این تغییرات نیست و نسخه های مختلف کدهای الگوریتم رقابت استعماری بر روی وب بازه اولیه متغیرها را در اول برنامه گرفته و جوابهای نهایی را نیز مطمئناً در این بازه می دهند. پس منظور از قیود، این نوع قیود ساده نیستند. به مثال زیر توجه کنید.

 

فرض کنید می خواهیم در یک مسئله بهینه سازی در حوزه مدیریت مالی، از مجموع یک بودجه برداشتی بهینه داشته باشیم. یک تابع هدف نیز داریم. قیدی داریم که مجموع برداشت ها باید یک (100 درصد) باشد. این قید هم باید در تولید جوابهای اولیه و هم در ایجاد تغییرات آرام (تابع جذب) و هم در تغییرات ناگهانی (تابع انقلاب) لحاظ شود.
در ورژن اولیه کدها که معمولاً استفاده می شود، این سه تابع به ترتیب عبارتند از
  • GenerateNewCountry
  • AssimilateColonies
  • RevolveColonies
در هر سه این توابع باید خطوطی از کد را اضافه کنیم که جمع متغیرهای تولیدی را برابر با یک کند. مثلاً تابع GenerateNewCountry در حالت اولیه به صورت زیر است.
function NewCountry = GenerateNewCountry(NumOfCountries,ProblemParams)
VarMinMatrix = repmat(ProblemParams.VarMin,NumOfCountries,1);
VarMaxMatrix = repmat(ProblemParams.VarMax,NumOfCountries,1);
NewCountry = (VarMaxMatrix – VarMinMatrix) . rand(size(VarMinMatrix)) + VarMinMatrix;
end
با اضافه کردن یک خط می توان مجموع اجزای یک کشور را در مرحله ایجاد برابر با یک کرد. تابع تغییر یافته و خط اضافه شده را در زیر می بینید.
function NewCountry = GenerateNewCountry(NumOfCountries,ProblemParams)
VarMinMatrix = repmat(ProblemParams.VarMin,NumOfCountries,1);
VarMaxMatrix = repmat(ProblemParams.VarMax,NumOfCountries,1);
NewCountry = (VarMaxMatrix – VarMinMatrix) . rand(size(VarMinMatrix)) + VarMinMatrix;
%% Normalizing the sum of population to 1
NewCountry = NewCountry . repmat(sum(NewCountry,2),1,ProblemParams.NPar);
end

نکته مهم: لازم به ذکر است که نرمالیزه کردن یک کشور (یک کردن مجموع اجزای آن) ممکن است در موارد معدودی باعث خروج از قیود بازه اولیه نیز بشود. بنابراین توصیه می شود اگر قید جدیدی را اضافه می کنید و تغییرات در موقعیت کشور (Position)، می دهید، درست بودن قیدهای قبلی را دوباره چک کنید. این کار باید در یک حلقه آنقدر تکرار شود که هنگام خروج از تابع همه قیود صادق باشند. ما در مورد بالا این کار را انجام ندادیم (و البته در حل مسئله خاصی که مدنظر بود، ظاهراً مشکلی ایجاد نمی شد)، اما شما حتماً این موضوع را در نظر بگیرید.

تغییرات مشابهی در توابع بعدی نیز باید ایجاد شود. دو تابع بعدی را به ترتیب در زیر آورده ایم.

تابع AssimilateColonies در حالت اولیه

function TheEmpire = AssimilateColonies(TheEmpire,AlgorithmParams,ProblemParams)
NumOfColonies = size(TheEmpire.ColoniesPosition,1);
Vector = repmat(TheEmpire.ImperialistPosition,NumOfColonies,1)-TheEmpire.ColoniesPosition;
TheEmpire.ColoniesPosition = TheEmpire.ColoniesPosition + 2 AlgorithmParams.AssimilationCoefficient rand(size(Vector)) . Vector;
MinVarMatrix = repmat(ProblemParams.VarMin,NumOfColonies,1);
MaxVarMatrix = repmat(ProblemParams.VarMax,NumOfColonies,1);
TheEmpire.ColoniesPosition=max(TheEmpire.ColoniesPosition,MinVarMatrix);
TheEmpire.ColoniesPosition=min(TheEmpire.ColoniesPosition,MaxVarMatrix);
end

تابع AssimilateColonies در حالت تغییر یافته

function TheEmpire = AssimilateColonies(TheEmpire,AlgorithmParams,ProblemParams)
NumOfColonies = size(TheEmpire.ColoniesPosition,1);
Vector = repmat(TheEmpire.ImperialistPosition,NumOfColonies,1)-TheEmpire.ColoniesPosition;
TheEmpire.ColoniesPosition = TheEmpire.ColoniesPosition + 2 AlgorithmParams.AssimilationCoefficient rand(size(Vector)) . Vector;
%% Modifying Population according to Conditions
MinVarMatrix = repmat(ProblemParams.VarMin,NumOfColonies,1);
MaxVarMatrix = repmat(ProblemParams.VarMax,NumOfColonies,1);
TheEmpire.ColoniesPosition=max(TheEmpire.ColoniesPosition,MinVarMatrix);
TheEmpire.ColoniesPosition=min(TheEmpire.ColoniesPosition,MaxVarMatrix);
TheEmpire.ColoniesPosition = TheEmpire.ColoniesPosition .      repmat(sum(TheEmpire.ColoniesPosition,2),1,ProblemParams.NPar);
end

تابع RevolveColonies در حالت اولیه

function TheEmpire = RevolveColonies(TheEmpire,AlgorithmParams,ProblemParams)
NumOfRevolvingColonies = round(AlgorithmParams.RevolutionRate numel(TheEmpire.ColoniesCost));
RevolvedPosition = GenerateNewCountry(NumOfRevolvingColonies , ProblemParams);
R = randperm(numel(TheEmpire.ColoniesCost));
R = R(1NumOfRevolvingColonies);
TheEmpire.ColoniesPosition(R,) = RevolvedPosition;
MinVarMatrix = repmat(ProblemParams.VarMin,NumOfColonies,1);
MaxVarMatrix = repmat(ProblemParams.VarMax,NumOfColonies,1);
TheEmpire.ColoniesPosition=max(TheEmpire.ColoniesPosition,MinVarMatrix);
TheEmpire.ColoniesPosition=min(TheEmpire.ColoniesPosition,MaxVarMatrix);
end

تابع RevolveColonies در حالت تغییر یافته

function TheEmpire = RevolveColonies(TheEmpire,AlgorithmParams,ProblemParams)
NumOfRevolvingColonies = round(AlgorithmParams.RevolutionRate numel(TheEmpire.ColoniesCost));
RevolvedPosition = GenerateNewCountry(NumOfRevolvingColonies , ProblemParams);
R = randperm(numel(TheEmpire.ColoniesCost));
R = R(1NumOfRevolvingColonies);
TheEmpire.ColoniesPosition(R,) = RevolvedPosition;
%% Modifying Population according to Conditions
NumOfColonies = size(TheEmpire.ColoniesPosition,1);
MinVarMatrix = repmat(ProblemParams.VarMin,NumOfColonies,1);
MaxVarMatrix = repmat(ProblemParams.VarMax,NumOfColonies,1);
TheEmpire.ColoniesPosition=max(TheEmpire.ColoniesPosition,MinVarMatrix);
TheEmpire.ColoniesPosition=min(TheEmpire.ColoniesPosition,MaxVarMatrix);
TheEmpire.ColoniesPosition = TheEmpire.ColoniesPosition . repmat(sum(TheEmpire.ColoniesPosition,2),1,ProblemParams.NPar);
end

با ایجاد این تغییرات تضمین می شود که جواب بهینه نهایی مسئله مجموع یک خواهد داشت.

در زیر نمودار همگرایی مسئله را می بینیم.

توجه شود که ایجاد تغییرات در توابع تولید کننده و اصلاح کننده جمعیت کشورها اولین و موثرترین قدم در راه حل مسائل بهینه سازی مقید می باشد، ولی تنها راه نیست. در بسیاری موارد قیود ما آنقدر پیچیده هستند که نمی توان آنها را در مرحله تولید کشور ها لحاظ کرد. در این صورت سراغ روشهای بعدی می رویم. بر روی سایت پستی کوتاه در مورد نحوه مواجهه با قید ها در بهینه سازی قرار داده شده است. موارد تکمیلی و فیلم اموزشی مفصلی در حال تهیه است که در آینده بر روی همین وبسایت عرضه خواهد گرفت.
دو پرسش و دو پاسخ:

یکی از دوستان پس از مطالعه متن فوق، سوالات زیر را مطرح کرده بودند. این دو سوال را ببینید و اگر برای شما نیز مفید بودند، پاسخ به دو سوال را نیز در ادامه ببینید.

  1. مسئله من تعداد زیادی قید داره، تا جایی که من کد ها رو بررسی کردم باید اونا رو تو 3 جا اعمال کنیم:      RevolveColonies و GenerateNewCountry و AssimilateColonies. اینا درستن یا جای دیگه ای هم هست؟
  2. بعد از تولید جمعیت اولیه ( یا مراحل بعدی) به صورت اتفاقی، شرایط رو اعمال میکنم و اگر جواب نداد هر مرحله رو از اول تکرار میکنم تا جمعیت ها حتما قیود رو شامل باشن و این کار خیلی سرعت رو پایین میاره آیا راه حلی برای بهبود این وضعیت هست؟

پاسخ ها:

  1. دقیقاً این بخشها هستند که باید تغییر پیدا کنند. تازه اینها بخشهایی هستند در صورت استفاده از “سیاست پیشگیری”، باید تغییر یابند. اگر از سیاست جریمه استفاده شوند، همین ها هم نیازی به تغییر ندارند! در این مورد فرض بر این هست که شما فایل صوتی زیر را مورد استفاده قرار داده اید!
    1. http://www.icasite.info/2010/05/blog-post_1525.html
  2. این بخش نیاز به خلاقیت در هر مسئله دارد. به عنوان یک مثال ساده، مثلاً وقتی قیدها قرار است مجموعشان برابر عدد یک شود، شما می توانید همیشه یکی از متغیرها را برابر یک منهای بقیه تعریف کنید. روش دیگر می تواند، تقسیم همه اعداد به مجموع شان باشد. بسته به شرایط، هر یک از این دو روش می تواند مناسب تر از دیگری باشد. اینکه چه راهی مناسب تر است، نیاز به ایده زنی در آن مسئله دارد. در ضمن اگر دیدید این مسیر سخت می شود، استفاده از متدهای کلی مبتنی بر جریمه پیش روی شماست! در نهایت این را هم در نظر بگیرید که چرخه مورد نظر نباید آنقدر پیچیده و با تغییرات بسیار در جوابها باشد که اطلاعات جواب را از میان ببرد. یعنی فقط به خاطر قیدها آنقدر روی جوابها کار شود که معلوم نشود از کجا آمدند و به کجا رفتند. در این شرایط ممکن است الگوریتم گیج شود. چون کلی انرژی بر روی حرکت در مسیر خاصی گذاشته شده و بعد شما بصورت میانبر آن جواب را وارد حوزه ممکنه جوابها کرده باشید، بدون اینکه الگوریتم بفهمد از چه مسیری به اینجا رسید تا دفعه بعد نیز، حواسش باشد. در حقیقت همان سیستم ماهی و ماهی گیری می شود. باید شما به الگوریتم با قیدهایتان، ماهیگیری یاد دهید.
_____________________________________________
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.

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.

برخی از مستندات الگوریتم رقابت استعماری – بخش دوم: مقالات فارسی

بعضی از مقالات و مستندات مربوط به الگوریتم رقابت استعماری “به زبان فارسی” در این پست ارائه شده اند. مقالات دیگر مربوط به الگوریتم به تدریج برای استفاده در این پست در اختیار علاقه مندان محترم قرار خواهد گرفت. اگر مقاله ای را در اینترنت در مورد الگوریتم رقابت استعماری مشاهده کردید ولی امکان دانلود آن برای شما فراهم نبود، لطفاً از طریق بخش تماس با ما، این موضوع را به ما اطلاع دهید تا سریعاً مقاله تهیه شده و جهت استفاده در اختیار شما و دیگران قرار گیرد. جهت ارسال مشخصات مقاله مورد نظر خود می توانید از طریق فرم ثبت مقالات و مستندات الگوریتم رقابت استعماری (این لینک) نیز اقدام کنید. با ما در ادامه مطلب همراه باشید.

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.

 

مطالعه و استفاده از این مقالات به همه علاقه مندان به حوزه هوش مصنوعی و بهینه سازی تکاملی، و به طور ویژه علاقه مندان الگوریتم رقابت استعماری توصیه می شود.

فایل پی دی اف متن یک فایل آموزشی کامل به فارسی که در حقیقت متن کامل یک پایان نامه در مورد الگوریتم رقابت استعماری است، در پست جداگانه ای بر روی سایت موجود است.
جهت سهولت دانلود مقالات، آنها را در سرورهای مختلفی برایتان آپلود کرده ایم. اگر به هر دلیلی دانلود مقاله ای از یک سرور مقدور نبود، می توانید از سرورهای دیگر استفاده کنید. مقالاتی که لینک دانلود آنها فعال نیستند، در دسترس ما نبوده اند. اگر به مقاله ای که لینک دانلود آن فعال نیست، دسترسی دارید، لطفاً از طریق ایمیل icasite.info@gmail.com به ما بفرستید تا جهت استفاده دیگران بر روی سایت قرار گیرد.مستندات الگوریتم رقابت استعماری در سه بخش جداگانه به صورت سه پست مجزا با عناوین زیر بر روی سایت قرار گرفته اند.

اگر به هر دلیلی در دانلود هر یک از مقالات مذکور از هر کدام از لینکها با مشکل مواجه شدید، خواهشمندیم از طریق بخش تماس با ما و یا از طریق ارسال ایمیل به آدرس icasite.info@gmail.com ما را در جریان بگذارید.
در ادامه برخی از مقالات الگوریتم رقابت استعماری به زبان فارسی به ترتیب زمان انتشار آمده اند. مقالات جدیدتر به ترتیب در بالای مقالات قبلی قرار خواهند گرفت.

______________________________________

عنوان: الگوريتم رقابت استعماري با شعاع حركت تطبيقي
مولفین: مرجان عبدچيري، محمد صنيعي آباده، هلنا بهرامي
سال انتشار: 2010
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: کنفرانس مهندسی برق ایران 2010
ایمیل مولفین: marjan.abdechiri@qiau.ac.ir, h_hahrami@qiau.ac.ir
کد مقاله: ica_fa_2010_cnf_abdechiri_adaptive_radius
لینک های دانلود مقاله:

لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست

______________________________________

عنوان: كشف رمزهاي بلوكي جايگشتي با استفاده از الگوريتم رقابت استعماري
مولفین:بهاره قادري، كارولوكس

سال انتشار:___1388-2009

زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: ششمين كنفرانس بين المللي انجمن رمز ايران
ایمیل مولفین: در دسترس نیست
کد مقاله: ica_fa_2009_cnf_ghaderi_decoding_permutation_block
لینک های دانلود مقاله: در دسترس نیست

  • server 1: direct link
  • server 2: Google Doc
  • server 3: Google Sites
  • server 4: 4shared
  • server 5: box.net
  • server 6: drop.io

لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست

______________________________________

عنوان: طراحي کنترل کننده PI در يک محرکه DC سرعت متغير و بهينه سازي پارامترهاي آن با الگوريتم رقابت امپرياليستي
مولفین: مرتضي بابايي، حسن دادگر، سيد حميد شاه‏عالمي، کارولوکس
سال انتشار: 1388-2009
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: اولين کنفرانس بين المللي اتوماسيون صنعتي- دانشگاه شريف
ایمیل مولفین: mortezababaee@gmail.com, h.dadgar@qazviniau.ac.ir
کد مقاله: ica_fa_2009_cnf_ghaderi_decoding_permutation_block
لینک های دانلود مقاله: در دسترس نیست

  • server 1: direct link
  • server 2: Google Doc
  • server 3: Google Sites
  • server 4: 4shared
  • server 5: box.net
  • server 6: drop.io

لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست

______________________________________

عنوان: شبكه هاي عصبي تركيب شده با الگوريتم رقابت استعماري براي طبقه بندي ديتاهاي بازار بورس تهران
مولفین: حميد لطيفي، مجيد لطيفي
سال انتشار: 1388
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: پانزدهمين كنفرانس بين المللي سالانه انجمن كامپيوتر ايران
ایمیل مولفین: latifi2003@gmail.com
کد مقاله: ica_fa_2009_cnf_latifi_nn_burse_data_classification
لینک های دانلود مقاله: در دسترس نیست

  • server 1: direct link
  • server 2: Google Doc
  • server 3: Google Sites
  • server 4: 4shared
  • server 5: box.net
  • server 6: drop.io

لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست

______________________________________

عنوان: كاربرد الگوريتم رقابت استعماري براي انتخاب ويژگي در سيستم تشخيص چهره
مولفین: محمدحسين سيگاري، كارو لوكس
سال انتشار: 1388
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: 3rd Joint Congress on Intelligent and Fuzzy Systems _ISFS
ایمیل مولفین: hoseyn_sigari@ieee.org, lucas@ut.ac.ir
کد مقاله: ica_fa_2009_cnf_sigari_feature_selection_face_recognition
لینک های دانلود مقاله:

لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست

______________________________________

عنوان: مدلسازي جرثقيل سقفي و کنترل بهينه آن با فازي و الگوریتم رقابت استعماری
مولفین: مرتضی بابایی، حسن دادگر و دیگران
سال انتشار: 1388
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: سومين کنفرانس مشترک سيستمهاي فازي و هوشمند-دانشگاه يزد
ایمیل مولفین: mortezababaee@gmail.com, h.dadgar@qazviniau.ac.ir
کد مقاله: ica_fa_2009_cnf_babaei_lift_modelinf_fuzzy
لینک های دانلود مقاله: در دسترس نیست

  • server 1: direct link
  • server 2: Google Doc
  • server 3: Google Sites
  • server 4: 4shared
  • server 5: box.net
  • server 6: drop.io

لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست

______________________________________

عنوان: بكارگيري الگوريتم رقابت استعماري در حل مساله فروشنده دوره گرد
مولفین: مرتضي بابايي، حسن دادگر، بهرام كيميا قلم، كارو لوكس
سال انتشار: 1387
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: ششمين كنفرانس بين المللي مهندسي صنايع
ایمیل مولفین: mortezababaee@gmail.com, h.dadgar@qazviniau.ac.ir
کد مقاله: ica_fa_2008_cnf_babaei_tsp_solving
لینک های دانلود مقاله: در دسترس نیست

  • server 1: direct link
  • server 2: Google Doc
  • server 3: Google Sites
  • server 4: 4shared
  • server 5: box.net
  • server 6: drop.io

لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست

______________________________________

عنوان: معرفي مدل رياضي فرايند رقابت استعماري
مولفین: مرتضی بابایی، حسن دادگر و دیگران
سال انتشار: 1387
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: همايش انديشه هاي نوين رياضي-دانشگاه آزاد تهران جنوب
ایمیل مولفین: mortezababaee@gmail.com, h.dadgar@qazviniau.ac.ir
کد مقاله: ica_fa_2008_cnf_babaei_imperialism_math_model
لینک های دانلود مقاله: در دسترس نیست

  • server 1: direct link
  • server 2: Google Doc
  • server 3: Google Sites
  • server 4: 4shared
  • server 5: box.net
  • server 6: drop.io

لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست

اگر مقاله و یا 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.
_____________________________________________
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.

برخی از مستندات الگوریتم رقابت استعماری – بخش اول: مقالات لاتین

بعضی از مقالات و مستندات مربوط به الگوریتم رقابت استعماری “به زبان انگلیسی” در این پست ارائه شده اند. مقالات دیگر مربوط به الگوریتم به تدریج برای استفاده در این پست در اختیار علاقه مندان محترم قرار خواهد گرفت.

 

مطالعه و استفاده از این مقالات به همه علاقه مندان به حوزه هوش مصنوعی و بهینه سازی تکاملی، و به طور ویژه علاقه مندان الگوریتم رقابت استعماری توصیه می شود.در ضمن فایل پی دی اف متن یک فایل آموزشی کامل به فارسی که در حقیقت متن کامل یک پایان نامه در مورد الگوریتم رقابت استعماری است، در پست جداگانه ای بر روی سایت موجود است.
مستندات الگوریتم رقابت استعماری در سه بخش جداگانه به صورت سه پست مجزا با عناوین زیر بر روی سایت قرار گرفته اند.

اگر به هر دلیلی در دانلود هر یک از مقالات مذکور از هر کدام از لینکها با مشکل مواجه شدید، خواهشمندیم از طریق بخش تماس با ما و یا از طریق ارسال ایمیل به آدرس icasite.info@gmail.com ما را در جریان بگذارید.

در ادامه برخی از مقالات الگوریتم رقابت استعماری به زبان انگلیسی آمده اند.

نکته “بسیار مهم” در مورد ارجاع دهی: لیست مقالات بصورت خودکار و توسط برنامه نوشته شده جهت پردازش اتوماتیک مقالات تهیه شده اند. از این جهت ممکن است در ذکر نام صحیح نویسندگان و یا عنوان مقاله و … اشتباهات کوچکی رخ داده باشند. از این جهت حتماً پس از دانلود مقاله و استفاده از آنها، هنگام ارجاع دهی در مقاله خود به فرمت مناسب ارجاع دهی و رفع هر گونه نقص احتمالی اقدام نمایید.

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.
___________________________________
Vahid Rashtchi, Saeed Behzadpoor, Mohammad Hashem and Ebrahim rahimpour, Application Of Imperialist Competitive Algorithm For Parameter Identification Of Transformer R-L-C-M Model, First International Conference on Computer Science, Engineering and Information Technology (CCSEIT-2011), 2011,
Saeed Jalilzadeh, Saeed Behzadpoor and Mohammad Hashemi, PID Design for AVR System by PSO and Imperialist Competitive Algorithms, First International Conference on Computer Science, Engineering and Information Technology (CCSEIT-2011), 2011,
A. Rabiee, A. Soroudi, B. Mohammadi-Ivatloo, Imperialist Competition Algorithm for Solving Non-convex Dynamic Economic Power Dispatch, 26th International Power System Conference (PSC2011), 2011, Download PDF (Link)
Farzaneh Fatemipour, Farnoush Fatemipour, Scheduling Scientific Workflows using Imperialist Competitive Algorithm, 2012 International Conference on Informatics, Enviroment, Energy and Applications. March 2012, Singapore, 2012,
M. Kohansal, G. B. Gharehpetian, M. Rahmatian and M. J. Sanjari, Multi-Objective Optimization of Microgrid Frequency and Energy Storage Capacity, International Conference on Renewable Energies and Power Quality (ICREPQ12) Santiago de Compostela (Spain), 28th to 30th March, 2012, 2012, Download PDF (Link)
Navid Razmjooy, Peyman Moallem, Somayeh Mousavi, Mohsen Khalilpour, Image Thresholding Based On Imperialist Competitive Algorithm, 3rd Iranian Conference On Alectrical And Electronics Engineering, Gonabad, Iran, July 2011., 2011,
M. Yousefi, A.N. Darus, H. Mohammadi, An imperialist competitive algorithm for optimal design of plate-fin heat exchangers, International Journal of Heat and Mass Transfer Volume 55, Issues 11ÿ12, May 2012, Pages 3178ÿ3185, 2012, Download PDF (Link)
Soroudi, A. Ehsan, M., Imperialist competition algorithm for distributed generation connections, IET Gener. Transm. Distrib., 2012, Vol. 6, Iss. 1, pp. 21ÿ29, doi: 10.1049iet-gtd.2011.0190, 2012, Download PDF (Link)
M. A. Soltani-Sarvestani, Shahriar Lotfi and Fatemeh Ramezani, Quad Countries Algorithm (QCA) , Intelligent Information and Database Systems, Lecture Notes in Computer Science, 2012, Volume 71982012, 119-129, DOI: 10.1007978-3-642-28493-9_14 , 2012, Download PDF (Link)
Meisam Hajizadeh and Javad Sadeh, Robust Coordination and Tuning of PSS and TCSC for Improving Damping and Loadability by Imperialist Competitive Algorithm , 11th International Conference on Environment and Electrical Engineering (EEEIC), 2012,
Ali Naimi Sadigh, Marzieh Mozafari, Behrooz Karimi, Manufacturer-retailer supply chain coordination: A bi-level programming approach, Advances in Engineering Software Volume 45, Issue 1, March 2012, Pages 144ÿ152, 2012, Download PDF (Link)
S M Hosseinirad and S K Basu, Imperialist Approach to Cluster Head Selection in WSN , IJCA Special Issue on Wireless Communication and Mobile Networks wcmn(1):1-5, January 2012. Published by Foundation of Computer Science, New York, USA, 2012, Download PDF (Link)
Amirhossein Ghodrati, Mohammad V. Malakooti and Mansooreh Soleimani, A Hybrid ICAPSO Algorithm by Adding Independent Countries for Large Scale Global Optimization , Intelligent Information and Database Systems, Lecture Notes in Computer Science, 2012, Volume 71982012, 99-108, DOI: 10.1007978-3-642-28493-9_12 , 2012, Download PDF (Link)
F. Jolai, M. Rabiee & H. Asefi, A novel hybrid meta-heuristic algorithm for a no-wait flexible flow shop scheduling problem with sequence dependent setup times, International Journal of Production Research, 2012, Download PDF (Link)
Mehdi Akhari Oskuyee, Evaluation of Optimization Methods Ant Colony and Imperialist Competitive Algorithm in Face Emotion Recognition, Volume 3, No. 1, Jan-Feb 2012, International Journal of Advanced Research in Computer Science, 2012, Download PDF (Link)
Helena Bahrami,Marjan Abdechiri,Mohammad Reza Meybodi, Imperialist Competitive Algorithm with Adaptive Colonies Movement, International Journal of Advanced Research in Computer Science, 2012, Download PDF (Link)
Mehdi Akhari Oskuyee, Performance optimization algorithms In the Classification Face Emotion Recognition, International Journal of Advanced Research in Computer Science ,Volume 3, Number 1, January-February 2012 , 2012, Download PDF (Link)
Kunlei Lian, Chaoyong Zhang, Liang Gao & Xinyu Shao, A modified colonial competitive algorithm for the mixed-model U-line balancing and sequencing problem, International Journal of Production Research, 2012, Download PDF (Link)
Elyas Rakhshani, Intelligent Linear-Quadratic Optimal Output Feedback Regulator for a Deregulated Automatic Generation Control System, Electric Power Components and Systems, Volume 40, Issue 5, 2012 , 2012, Download PDF (Link)
Zahra NASIRI-GHEDARI, Hamid LESANI, Design Optimization of a Single-Phase Axial Flux Induction Motor with Low Torque Ripple, Przeglad Elektrotechniczny, Przeglÿd Elektrotechniczny (Electrical Review), ISSN 0033-2097, R. 88 NR 3b2012, 2012, Download PDF (Link)
S J MousaviRad, Akhlaghian F Tab and K Mollazade, Application of Imperialist Competitive Algorithm for Feature Selection: A Case Study on Bulk Rice Classification , International Journal of Computer Applications 40(16):41-48, 2012, Download PDF (Link)
Mansour Noshfar, .., Multi-Processor Scheduling Problem (MPSP)with Imperialist Competitive Algorithm, Waset 2012 Florence, Italy International Conference, February 28-29, 2012 NH Anglo American Hotel, Via Garibaldi, 9 – 50123 Florence, 2012,
Serhat Duman, …, Imperialist Competitive Algorithm for Optimal Design of the PID Controller for an AVR System, 12th International Conference on Probabilistic Methods Applied to Power Systems – PMASP2012, 2012,
Bagheri, A. and G.G. Amiri , Detection and estimation of damage in structures using imperialist competitive algorithm, Shock and Vibration, DOI – 10.3233SAV-2010-0639, 2011,
Mohammad Rismanbor and Karim Faez, A multiple target detection algorithm based on Imperialist Competitive Algorithm , Control and Automation (ICCA), 2011 9th IEEE International Conference on , 2012, Download PDF (Link)
Saeid FallahÿJamshidi, Maghsoud Amiri, Synergy of ICA and MCDM for multiÿresponse optimisation problems, International Journal of Production Research, 2012, Download PDF (Link)
Fatemeh Ramezani, Shahriar Lotfi, and M.A. Soltani-Sarvestani, A Hybrid Evolutionary Imperialist Competitive Algorithm (HEICA), Intelligent Information and Database Systems, Lecture Notes in Computer Science, 2012, Volume 71962012, 359-368, DOI: 10.1007978-3-642-28487-8_37, 2012, Download PDF (Link)
S. Ashraf Vaghefi, S. J. Mousavi, Karim C Abbaspour, M. Ehtiat, Reservoir Operation Optimization Using Imperialist Competitive Algorithm to Balance Sediment Removal and Water Supply Objectives, The First International and Third National Conference on Dams and Hydropower in Iran, 2012,
Fariba Khademolghorani, A Novel Imperialist Competitive Algorithm for Automated Mining of Association Rules, Journal of Intelligent Computing, Volume: 2 , Issue:3 (September 2011), , 2011,
Siamak Talatahari, Ali Kaveh and Razi Sheikholeslami, Chaotic imperialist competitive algorithm for optimum design of truss structures , Structural and Multidisciplinary Optimization, DOI: 10.1007s00158-011-0754-4 , 2011, Download PDF (Link)
Hamid Reza Mohammadi; Saber Falahati; Mahdi Zeraati, A new method for Selective Harmonic Elimination in VSI using Imperialist Competitive Algorithm, 3rd Power Electronics, Drive Systems and Technologies Conference (PEDSTC 2012), 2012,
Coelho, L. D. S.; Afonso, L. D.; Alotto, P.;, A Modified Imperialist Competitive Algorithm for Optimization in Electromagnetics , Magnetics, IEEE Transactions on, Feb. 2012, Volume: 48, Issue:2, On page(s): 579 – 582 , 2012, Download PDF (Link)
V. Kayvanfar and M. Zandieh, The economic lot scheduling problem with deteriorating items and shortage: an imperialist competitive algorithm , The International Journal of Advanced Manufacturing Technology , 2012, Download PDF (Link)
Samaneh Karami and Shahriar Baradaran Shokouhi, Optimal Hierarchical Remote Sensing Image Clustering Using Imperialist Competitive Algorithm , Recent Advances in Computer Science and Information Engineering, Lecture Notes in Electrical Engineering, 2012, Volume 124, 555-561, DOI: 10.1007978-3-642-25781-0_82, 2012,
Masoud Nabipour Afrozi, Masoud Hassanpour Aghdam, Ahmad Naebi, Saeed Hassanpour Aghdam , Simulation and Optimization of asynchronous AC motor control by Particle Swarm Optimization (PSO) and Emperor Algorithm, 2011 UKSim 5th European Symposium on Computer Modeling and Simulation, 2011, Download PDF (Link)
Mansour Sheikhan, Sahar Garoucy, and S. Amir Ghoreishi, An Efficient Codebook Search Method for Speech Coders Optimized by Evolutionary and Swarm-Based Techniques, Science Academy Transactions on Computer and Communication Network (SATCCN) Vol. 1, No. 3, December 2011, ISSN: 2046-5157, 2011, Download PDF (Link)
Seyfolah Saedodin, Mohsen Torabi, Hadi Eskandar, Thermal Analysis of Workpiece under Electrical Discharge Machining (EDM), Using Hyperbolic Heat Conduction Model, Int J Advanced Design and Manufacturing Technology, , Vol. 3 No. 4 September 2010 © 2010, 2010, Download PDF (Link)
S. Amir Ghoreishi and Arash Ahmadivand, State Feedback Design Aircraft Landing System with Using Differential Evolution Algorithm, Advance in Computer Science Application 16 Vol. 1, No. 1, March 2012, 2012, Download PDF (Link)
M. A. Soltani-Sarvestani, S. N. Mazloumi, and Hadi Seyedarabi, Merged Clustering Imperialists Algorithm (MICA), International Journal of Information and Electronics Engineering vol. 2, no. 1, pp. 1-6, 2011., 2011, Download PDF (Link)
R. Jahani, A. Hosseinzadeh, A. Gharegozi, M. Mohammad Abadi, ICA-based Allocation of DGs in a Distribution System, American Journal of Scientific Research ISSN 1450-223X Issue 33(2011), pp. 64-75 © EuroJournals Publishing, Inc. 2011 http:www.eurojournals.comajsr.htm, 2011, Download PDF (Link)
Somayeh Kazemi, Ayaz Ghorbani and Seyed Naser Hashemi, Deployment of the meta heuristic Colonial Competitive Algorithm in synthesis of unequally spaced linear antenna array, IEICE Electronics Express Vol. 8 (2011) , No. 24 pp.2048-2053, 2011, Download PDF (Link)
Esmaeil Abedini Duki, HamidReza Abdollahi Mansoorkhani, Alireza Soroudi, Mehdi Ehsan, A Discrete Imperialist Competition Algorithm For Transmission Expansion Planning, 25th International PowerSystem Conference, 2010, Download PDF (Link)
A.Rabii, S. Mobaeen, H. Jafary, H. Shahbazi, A Novel Approach for Reactive Source Sizing and Placement in Distribution Networks, J. Basic. Appl. Sci. Res., 2(1)114-117, 2011, 2011, Download PDF (Link)
A. Rabii, S. Mobaieen, B. Mohamady and A. Suroody, A New Heuristic Algorithm for Solving Non-convex Economic Power Dispatch , J. Applied Sci., 11: 3791-3796., 2012, Download PDF (Link)
Ran Chen, Dongye Sun and Wen-Pei Sung, Solving the Job Shop Scheduling Problem Using the Imperialist Competitive Algorithm, Advanced Materials Research (Volumes 430 – 432), 2012,
Asghar Hemmati, Saeed Bahrami, Mohammad Alaghebandha and Mohammad Ahmadifard, Solving Combined Model Inventory Control with Queuing Theory Approach Using Meta-Heuristic Algorithms, Middle-East Journal of Scientific Research 10 (3): 374-388, 2011 ISSN 1990-9233 © IDOSI Publications, 2011, 2011, Download PDF (Link)
Alimohammad Karami, Ehsan Rezaei, Mohsen Shahhosseni, Masood Aghakhani, Optimization of Heat Transfer in an Air Cooler Equipped with Classic Twisted Tape Inserts using Imperialist Competitive Algorithm, Experimental Thermal and Fluid Science, 2011, Download PDF (Link)
Ehsan Rezaei, Alimohammad Karami, Mohsen Shahhosseni, Masood Aghakhani, The optimization of thermal performance of an air cooler equipped with butterfly inserts by the use of imperialist competitive algorithm, Heat Trans Asian Res, 2012, Download PDF (Link)
A. Tahershamsi and R. Sheikholeslami , Optimization to identify muskingum model parameters using imperialist competitive algorithm , International Journal of Optimization in Civil Engineering, Int. J. Optim. Civil Eng., 2011; 3:473-482, 2011, Download PDF (Link)
Mohammad Ali Ahmadi, Prediction of asphaltene precipitation using artificial neural network optimized by imperialist competitive algorithm, Journal of Petroleum Exploration and Production Technologies – Vol. 1, Numbers 1, 2011, Download PDF (Link)
Amir Masoud Bidgoli, Roozbeh Haghnazar Koochaksaraei , Cluster Heads Selection for Reduce Energy Consumption in Mobile Sensor Ad-Hoc Network by Using Imperialist Competitive Algorithm , International Conference on Measurement and Control Engineering 2nd (ICMCE 2011), 2011,
S. N. Mazloumi, M. A. Soltani-Sarvestani, Hadi Seyedarabi, Clustering Imperialists Algorithm (CIA) , International Conference on Computer and Electrical Engineering 4th (ICCEE 2011), 2011,
N. Javadian, H. Khorshidian, J. Rezaeian, K. Rahmani, Single machine preemptive scheduling by hybridized meta-heuristic approach , Communication Software and Networks (ICCSN), 2011 IEEE 3rd International Conference on , 2011, Download PDF (Link)
M. A. Soltani-Sarvestani, M. A. Badamchizadeh, Sh. Soltani-Sarvestani, Delaram Javanray, Investigation of Revolution Operator in Imperialist Competitive Algorithm (ICA), International Conference on Computer and Electrical Engineering 4th (ICCEE 2011), 2011,
M. A. Soltani-sarvestani and Mohammad-reza feizi-derakhshi, Imperialist Competitive Algorithm with Moving Imperialists (MICA), International Conference on Computer and Electrical Engineering 4th (ICCEE 2011), 2011,
E. Heidari, A. A. Afzalian and M. Khederzadeh, Optimal Power Flow and Dynamic Flow Controller Using Imperialist Competitive Algorithm, Electrical Power and Energy Conference (EPEC 2011), 2011,
Moslem Yousefi, Amer Nordin Darus and Hossein Mohammadi, Second law based optimization of a plate fin heat exchanger using Imperialist Competitive Algorithm, International Journal of the Physical Sciences Vol. 6(20), pp. 4749ÿ4759, 23 September, 2011, 2011, Download PDF (Link)
Mohsen Ebrahimi, Ali Sajedian, A New Approach for Well Placement Optimization Using Colonial Competitive Algorithm, 20th World Petroleum Congress, 2011,
Hadi Chahkandi Nejad, Rouzbeh Jahani, Comparison of Imperialist Competitive Algorithm and Other Heuristic Methods for Optimal Placement of UPFC in Electrical Power Systems, International Review on Modelling and Simulations (Vol. 4 N. 4) – August 2011 – Papers (Part B), 2011,
Hamid Mozafari, …, Optimization of Functional Graded Plates for Buckling Load by using Imperialist Competitive Algorithm, 1st World Conference on Innovation and Software Development (INSODE – 2011), Istanbul, Turkey., 2011,
Hamid Mozafari, …, Application of Imperialist Competitive Algorithm for Optimizing a Thin Resistant Interphase, 1st World Conference on Innovation and Software Development (INSODE – 2011), Istanbul, Turkey., 2011,
Hamid Mozafari, …, Optimization of Adhesive-Bonded Fiber Glass Strip using Imperialist Competitive Algorithm, 1st World Conference on Innovation and Software Development (INSODE – 2011), Istanbul, Turkey., 2011,
Ali Safari Mamaghani, Mohammad Reza Meybodi, An Application of Imperialist Competitive Algorithm to Solve the Quadratic Assignment Problem, The 6th International Conference for Internet Technology and Secured Transactions (ICITST-2011), December 11-14, 2011, Abu Dhabi, UAE, 2011, Download PDF (Link)
Arash Talebi, Mohammad Ali Molaei and Bozorgmehr Ashrafi, Application of an Imperialist Competitive Algorithm in Portfolio Optimization, World Applied Sciences Journal 14 (10): 1576-1598, 2011, 2011, Download PDF (Link)
A.J. Ghanizadeh, G. Mokhtari1, M. Abedi, G.B. Gharehpetian, Optimal Power Flow Based on Imperialist Competitive Algorithm, International Review of Electrical Engineering – June 2011 (Vol. 6 N. 4) – Papers Part B, 2011,
E. Bijami, R. Abshari, J. Askari, S. Hosseinnia, M. M. Farsangi, Optimal Design of Damping Controllers for Multi-machine Power Systems Using Metaheuristic Techniques, International Review of Electrical Engineering – June 2011 (Vol. 6 N. 4) – Papers Part B, 2011,
Ali Yousefi, …, Novel Design of FIR Digital Filters With Arbitrary Magnitude and Phase Specifications Based on Chaotic Imperialist Competitive Algorithm, International eConference on Computer and Knowledge Engineering :: ICCKE2011 , 2011,
Behzad Abdi, Hamid Mozafari, Amran Ayob, Roya Kohandel, Thermal Effect on Buckling of General Dome Ends Using Finite Element Method, Applied Mechanics and Materials (Volumes 121 – 126), 2012, Download PDF (Link)
Hamid Mozafari, Behzad Abdi, Amran Ayob, Optimization of Temperature-Dependent Functionally Graded Material Based on Colonial Competitive Algorithm, Applied Mechanics and Materials (Volumes 121 – 126), 2012, Download PDF (Link)
Yuan Ren, Guang Chen Bai, Colonial Competitive Algorithm Assisted Least Squares Support Vector Machines, Advanced Materials Research (Volumes 255 – 260), 2011, Download PDF (Link)
H. Chahkandi Nejad, J. Olamaei, R. Jahani, H. Ghiasi Zadeh, Optimal Distributed Generation Location in Radial Distribution Systems Using A New Heuristic Method, Australian Journal of Basic and Applied Sciences, 5(7): 612-621, 2011, 2011, Download PDF (Link)
Hamid Mozafari, Behzad Abdi, Amran Ayob, Optimization of Thin Adhesive Layer Based on Colonial Competitive Algorithm , International Journal of Applied Sciences (IJAS), 2011, Download PDF (Link)
Ali Naimi Sadigh, Marzieh Mozafari, Behrooz Karimi, Manufacturerÿretailer supply chain coordination: A bi-level programming approach, Advances in Engineering Software, doi:10.1016j.advengsoft.2011.09.008 | How to Cite or Link Using DOI , 2011, Download PDF (Link)
Ataollah Ebrahimzadeh, Jalil Addeha, Zahra Rahmania, Control chart pattern recognition using K-MICA clustering and neural networks, ISA Transactions, Volume 51, Issue 1, January 2012, Pages 111ÿ119 doi:10.1016j.isatra.2011.08.005, 2011, Download PDF (Link)
Mehdi Anjomshoa, Ali Mahani, Mostafa Esmaeil beig , Evolutionary design and optimization of digital Circuits using Imperialist Competitive Algorithm , International Journal of Computer Applications 32(1):14-19, October 2011, 2011, Download PDF (Link)
Mansour Ojaghi, Mehdi Mardani, Parameter Estimation of Induction Motor Using Shuffled Frog Leaping and Imperialistic Competitive Algorithms, International Power System Conference – PSC 2011, 2011, Download PDF (Link)
H. Chahkandi Nejad, R. Jahani, M. Mahvy, Applying Imperialist Competitive Algorithm for Optimal Placement of Unified Power Flow Controller in Power System, American Journal of Scientific Research, ISSN 1450-223X Issue July (2011), pp.20-33, 2011, Download PDF (Link)
Mohammadreza Kaviani, …, Stackelberg game theory approach for manufacturer-retailer supply chain coordination using Imperialist Competitive Algorithm, 2nd International and 4th National Logistics and supply chain conference, 2011,
Behzad Abdi, Hamid Mozafari, Amran Ayob, Roya kohandeld, Ali Alibeigloo, Buckling behavior of Optimal Laminated Composite Cylindrical Shells Subjected to axial compression and external pressure, Applied Mechanics and Materials Vols. 121-126 (2012) pp 48-54, 2012, Download PDF (Link)
Saeed Moadi, Afshin Shariat Mohaymany and Mohsen Babaei, Application Of Imperialist Competitive Algorithm To The Emergency Medical Services Location Problem , International Journal of Artificial Intelligence & Applications (IJAIA), Vol.2, No.4, October 2011, 2011, Download PDF (Link)
Ahad Mirlo, M.B.B Sharifian, Speed Observer Based on ICA Trained Neural Network in DTC drive of IPMSM, psc2011 – International Power System Conference 2001, Tehran, IRan, 2011, Download PDF (Link)
Kunlei Lian, Chaoyong Zhang, Liang Gao & Xinyu Li, Integrated process planning and scheduling using an imperialist competitive algorithm, International Journal of Production Research, 2011, Download PDF (Link)
Kourosh Nemati, Siti Mariyam Shamsuddin and Morteza Saberi Kamarposhti, Using Imperial Competitive Algorithm for Solving Traveling Salesman Problem and Comparing the Efficiency of the Proposed Algorithm with Methods in Use, %3

ویدئو: سخنرانی: استعمار نو و استعمار فرهنگی –

 

این ویدئو، جلسه یک کلاس درس در دانشگاه Yale آمریکا است. موضوع بحث “استعمار نو و استعمار فرهنگی” است. مثالهای واضح مطرح شده در این سخنرانی جالب، نحوه ظهور و عملکرد استعمار را نشان می دهد. مشاهده این ویدئو به همه علاقه مندان الگوریتم رقابت استعماری توصیه می شود. بررسی و مطالعه پدیده استعمار می تواند در جهت ایجاد تغییرات و ارائه نسخه های جدیدتر الگوریتم رقابت استعماری مفید باشد. در توضیحات مربوط به این ویدئو به زبان اصلی می بینیم.

European Civilization, 1648-1945 (HIST 202) The boom in European colonial expansion in the second half of the nineteenth century, the so-called New Imperialism, can be seen to follow from three principle factors, in ascending order of importance: religious proselytizing, profit, and inter-imperial political strategy. With respect to the latter concern, the conflicts emerging from imperialism set the stage for World War I. Along with its military and industrial consequences, imperialism also entailed a large-scale cultural program dedicated to strengthening support for its objectives among the domestic populations of the imperial powers. The creation of the Boy Scouts is an exemplary form of such a program, founded upon a mythology of the American frontier reformulated to encompass Africa and Asia. Complete course materials are available at the Open Yale Courses website: open.yale.edu This course was recorded in Fall 2008.
ویودئو ها در دو سرور مختلف قرار گرفته اند. اگر به هر دلیلی ویدئوها را مشاهده نکردید، می توانید از طریق یکی از سایتهای زیر و یا هر سایت مشابه دیگر نسبت به دانلود این ویدئوها اقدام کنید. برای این کار کافی است لینک یوتیوب ویدئو مورد نظر خود را در نظر گرفته و از سایتهای زیر و یا سایتهای مشابه استفاده کنید.
keepvid.com
videodownloadx.com
لینک یوتیوب ویدئو به صورت زیر است.
http://www.youtube.com/watch?v=sUo3ffE1imo

 

 

_____________________________________________
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.

استراتژی حل مسائل بهینه سازی با استفاده از الگوریتم رقابت استعماری

در بسیاری از موارد دوستان زیادی این سوال را مطرح کردند که چگونه باید الگوریتم رقابت استعماری را به مسئله بهینه سازی خود اعمال کنند. در حقیقت، برای حل یک مسئله بهینه سازی، باید تعریف دقیقی از خود مسئله و متغیرها و اهداف بهینه سازی به عمل آید. در این بخش می خواهیم استراتژی حل یک مسئله بهینه سازی را گام به گام بیان کنیم. توضیحات ارائه شده کاملاً عمومی خواهند بود و نه تنها برای استفاده از الگوریتم رقابت استعماری، بلکه برای حل مسائل بهینه سازی با استفاده از هر الگوریتمی مفید خواهند بود.

استراتژی حل مسائل بهینه سازی را گام به گام با بیان تعاریف زیر و پاسخ به سوالات رایج در این مورد ارائه می کنیم.

“این پست اختصاصی وبسایت محاسبات تکاملی و الگوریتم رقابت استعماری تهیه شده است و درج آن در رسانه های چاپی و یا مجازی فقط با کسب اجازه از وبسایت مذکور، مجاز می باشد.”
1) بهینه سازی چیست؟
بهينه‌سازي، تغيير دادن ورودي‌ها و خصوصيات يک دستگاه، فرايند رياضي و يا آزمايش تجربي است، به نحوي که بهترين خروجي يا نتيجه به دست بيايد (شکل زیر). ورودي‌ها، متغيرهاي فرايند يا تابع مورد بررسي هستند که با نام‌هاي تابع هدف (Objective Function)، تابع هزينه (Cost Function) و يا تابع برازندگي (Fitness Function) ناميده مي‌شود. خروجي‌ نيز به صورت هزينه، سود و يا برازندگي تعريف مي‌شود. غالب مسائل بهينه‌سازي به صورت کمينه‌سازي مقدار يک تابع هزينه در نظر گرفته شده‌اند. به راحتي مي‌توان نشان داد که هر نوع مسأله‌ي بهينه‌سازي را مي‌توان در قالب يک مسأله‌ي کمينه‌سازي تعريف نمود.

شكل: فرايند يا تابعي که بهينه‌سازي مي‌شود. در بهينه‌سازي ورودي‌ها يا متغيرها به نحوي تغيير داده مي‌شوند که خروجي مطلوب به دست بيايد.
مراحل حل یک مسئله بهینه سازی
مهمترین قدم در حل یک مسئله بهینه سازی با استفاده از الگوریتم رقابت استعماری و هر روش دیگری، تعریف متغیرهای بهینه سازی و در کنار آن اهداف بهینه سازی می باشد. فرض کنید که می خواهیم آنتن تلویزیون را به گونه ای تنظیم کنیم که بیشترین کیفیت تصویر دریافتی را داشته باشد. عبارت “تنظیم آنتن تلویزیون برای داشتن بیشترین کیفیت تصویر دریافتی” یک بیان کیفی از یک مسئله بهینه سازی است. در بعضی موارد روشهای سعی و خطا برای یافتن جواب بهینه استفاده می شود. بدین ترتیب که در این مثال نوعی، یک نفر به پشت بام رفته و شروع به جابجا کردن آنتن تلویزیون می کند و یک نفر دیگر نیز پشت تلویزیون نشسته و با عبارتهایی نظیر:
  • آهان همین زاویه رو نگه دار
  • یکم برگرد عقب تر
  • نه الان خیلی بد شد
  • و ….
با صدای بلند میزان کیفیت هر یک از موقعیت های آنتن را به گوش تنظیم کننده آنتن می رساند. معمولاً کسی که بالا رفته و آنتن را جابجا می کند، حرفه ای تر از فردی هست که پایین پشت تلویزیون نشسته و داد می زند.فرد بالای پشت بام (فرد حرفه ای تر) نقش الگوریتم بهینه سازی و فردی که کیفیت تصویر را داد میزند، نقش تابع هزینه را بازی می کند.در موارد زیادی حل مسئله بهینه سازی با سعی و خطا امکن پذیر نیست! یک دلیل برای این کار این است که فضای جستجوی مسئله بسیار بزرگ است. دلیل دیگر این است که نمی توان هر بار سیستم را اجرا کرده و نتیجه آن را مشاهده کرد. فرض کنیم که برای قرار گرفتن یک ماهواره در مدار زمین باید، بهینه ترین سرعت و زاویه پرتاب و بهینه ترین مسیر حرکت باید تعیین شوند. نمی توان برای تعیین جواب مسئله هر بار ماهواره ارسال کرد و با همان عبارتهای مشابه ” آهان همین رو نگه دار”، “یکم برگرد عقب تر” و “نه الان خیلی بد شد” (مشابه روش تعیین مسیر بهینه شلیک گلوله توپ به هدف) بهترین روش پرتاب ماهواره را تعیین نمود.

چاره چیست؟ برای فرار از استفاده از سعی و خطا برای حل مسائل بهینه سازی باید سعی کرد تا مسئله بهینه سازی را به صورت ریاضی مدل کرد. این مهمترین قدم در حل مسائل بهینه سازی در حوزه مهندسی و علوم است. پس از مدلسازی ریاضی تابع هزینه می توان از الگوریتم رقابت استعماری و هر روش دیگری در حوزه بهینه سازی تکاملی استفاده نمود. همان مثال تنظیم آنتن تلویزیون را در نظر می گیریم و به ترتیب به سوالات زیر پاسخ می دهیم.

2) هدف چیست (بیان کیفی هدف)؟

در مثال مطرح شده هدف رسیدن به بیشترین کیفیت تصویر دریافتی از تلویزیون است.

3) متغیرهای بهینه سازی چه هستند؟

با بیان هدف به صورت کیفی، به سراغ پارامترهایی می رویم که دست ما هستند و می توانند برای رسیدن به هدف ما را کمک کنند. در این مورد متغییر قابل تغییر، زاویه آنتن تلویزیون می باشد. اگر پارامترهای دیگری نیز در مسئله تاثیر دارند، لیستشان می کنیم و در غیر این صورت به گام بعدی می رویم. به عنوان مثال در کنار زاویه آنتن، ممکن است که ارتفاع آن نیز در کیفیت تصویر دریافتی تاثیر داشته باشد. مواردی مانند کیفیت آنتن و یا مثلاً طول سیم آنتن و موارد مشابه دیگر می توانند بسته به تعریف ما، وارد متغیرهای بهینه سازی بشوند یا نشوند. ما فعلاً همان دو مورد اول را در نظر می گیریم و بنابراین داریم.

Image Quality = function(Antenna Angle , Antenna Height)

و به طور خلاصه داریم:

IQ = f(x1 , x2)

که در آن x1، میزان زاویه آنتن و x2 میزان ارتفاع آنتن است.

4) ارتباط میان هدف بهینه سازی و متغیرهای بهینه سازی به صورت ریاضی چیست؟

تا الان کاری که کردیم ارائه یک بیان کیفی از مسئله بهینه سازی است و عملاً تا الان کار زیادی انجام نداده ایم. کار اصلی بیان ریاضی یک مسئله بهینه سازی، در این مرحله انجام می شود. در این مرحله باید ارتباط میان متغیرها و هدف بهینه سازی را بیان کنیم. معمولاً بسته به حوزه تخصصی مربوط به مسئله بهینه سازی، این مرحله به دانش نسبتاً زیادی از مسئله بهینه سازی نیاز دارد و اینگونه نیست که فردی خارج از حوزه مرتبط به مسئله، حتی با داشتن تخصص بالا در بهینه سازی بتواند به بیان تابع هزینه کمک کند. مثلاً برای بیان ارتباط میان کیفیت تصویر دریافتی از تلویزیون و زاویه و ارتفاع آنتن، به دانش تخصصی در حوزه میدان ها و امواج و نیز تصویر نیاز است. فرض کنیم که با مراجعه به متون تخصصی این حوزه به رابطه مفروض زیر می رسیم.

IQ = 100 – x1^2 – (x2-5)^2

با بیان این رابطه ریاضی، فرایند تعریف مسئله بهینه سازی به پایان می رسد. حال باید به دنبال یک الگوریتم برای حل مسئله فوق باشیم. در مواردی که مسئله همانند مورد بالا فقط دارای یک نقطه می نیمم (یا ماکزیمم) بوده و تابع هزینه نسبت به متغیرها مشتق پذیر باشد، روش های مبتنی برای گرادیان (مشتق) بهترین انتخاب هستند و به سادگی و با سرعت بالا، بهترین جواب مسئله را به ما می دهند. مثلاً جواب مسئله فوق به صورت زیر خواهد بود.

x1 = 0;
x2 = 5;

که با مقادیر فوق به کیفیت تصویر 100 می رسیم.

5) حال اگر رابطه فوق کمی پیچیده تر باشد، چه باید کرد؟ مثال زیر را در نظر می گیریم.

IQ = -20 – x1^2 + x2^2 + 10 * (cos(2*pi*x1) + cos(2*pi*x2));

این رابطه دارای تعداد زیادی نقاط اکسترمم محلی و یک نقطه اکسترمم مطلق در نقطه (0,0) می باشد. برای حل چنین مسائل بهینه سازی، از روش های دیگر بهینه سازی همچون بهینه سازی تکاملی و در میان آنها از می توان از الگوریتم رقابت استعماری استفاده کرد.

6) پس از تعریف ارتباط ریاضی تابع هزینه و متغیرهای بهینه سازی چه باید کرد؟

در این مرحله پیاده سازی عملی کار شروع می شود. در مراجع مختلف و به ویژه در اینترنت، کدهای رایگان بسیاری از الگوریتم های بهینه سازی تکاملی وجود دارند. کدهای رایگان الگوریتم رقابت استعماری نیز به سادگی با جستجوی عبارت “کدهای رایگان الگوریتم رقابت استعماری” و یا “Imperialist Competitive Algorithm Code” به زبانهای مختلف قابل تهیه هستند. نکته مشترک میان همه این کدها این هست که این کدها، تابع هزینه مسئله شما را گرفته و پس از جستجو با استراتژی های مختلف، جواب مسئله را به شما می دهند. برای استفاده از همه کدهای موجود بر روی وب باید تابع هزینه خود را به صورت یک تابع جداگانه بنویسید. البته میان نحوه تعریف تابع هزینه در کدهای مختلف شاید ، اندکی تفاوت موجود باشد. منتها روند کلی به صورت زیر است.

Cost = function(X)
Cost = f(X);
end

در مورد نحوه تعریف تابع هزینه، فیلم آموزشی کوتاهی بر روی سایت الگوریتم رقابت استعماری قرار گرفته است و موارد تکمیلی به زودی ارائه خواهند شد.

7) آیا تابع هزینه مسئله همیشه به صورت یک برنامه ساده و یک رابطه ریاضی مشخص است؟

خیر! در بسیاری از موارد عملی تابع هزینه یک رابطه ریاضی مشخص نیست. بلکه مثلاً برای یافتن مقدار تابع هزینه، باید یک پروسه فیزیکی، شیمیایی و یا کنترلی را اجرا کنیم. مثلاً ممکن است برای طراحی یک آنتن بهینه هر بار مقادیر بهینه سازی را به تابع هزینه ارسال کنیم و تابع هزینه نیز به نوبه خود، این مقادیر را به یک نرم افزار تخصصی در حوزه میدانها و امواج ارسال کند و نتیجه حاصل را گرفته و دوباره محاسباتی روی آنها انجام داده و آنها را به عنوان هزینه ورودی معین برگرداند. در بسیاری از موارد دانشجویان رشته کنترل نیاز پیدا می کنند که در داخل تابع هزینه خود، یک پروسه کنترلی را از طریق سیمولینک متلب اجرا کرده و نتیجه حاصل را آنالیز کرده و برگردانند.

به طور خلاصه می توان گفت که شروع نوشتن کد تابع هزینه بهینه سازی، شروع به حل آن و پایان کد نویسی آن نیز، آخرین مرحله به حساب می آید. ایجاد ارتباط میان یک کد تابع هزینه مرتب با یک الگوریتم بهینه سازی، کار چندان سختی به شمار نمی آید.

8) مسئله بهینه سازی من پارامتهای دیگری دارد که متغیر بهینه سازی نیستند ولی در بهینه سازی تاثیر دارند، چه کنم؟

معمولاً تابع هزینه ما پارمترهای دیگری دارد. سعی کنید، تمام پارامتهای اضافی (پارامتهای به غیر از متغیرهای بهینه سازی) را داخل کد تابع هزینه قرار دهید و تابع هزینه شما فقط شامل متغیرهای بهینه سازی باشد (تابع شما فقط متغیرهای بهینه سازی را به عنوان ورودی دریافت کند). مثلاً جنس آنتن می تواند پارامتری باشد که کاملاً مدل شده است ولی جزو متغیرهای بهینه سازی ما نیست و در عین حال روی تابع هزینه مثال مطرح شده، تاثیر دارد. البته در کدهای تهیه شده برای الگوریتم رقابت استعماری، متغیرهای اضافی برای دریافت پارامتهای اضافی نیز ذخیر شده اند.

برای واضح تر شدن مسئله می خواهیم قدم به قدم به سوال مطرح شده زیر پاسخ دهیم. یکی از دوستان سوال مشکل خود در استفاده از الگوریتم رقابت استعماری را اینگونه مطرح کرده اند.

—————————————————————–

قسمتی از پروژه ی پایان نامه ی من به این شکل تعریف شده است:انجام آزمایشات (32 موردآزمایش) با استفاده از دستگاه WEDM: در طول انجام این آزمایشات که بر حسب روش طراحی آزمایش تاگوچی طرح ریزی شده اند، 5 فاکتور ورودی سیستم یعنی W (تغذیه ی سیم)، P (توان)، V (ولتاژ)، S (سر) و زمان تغییر می کند تا از این طریق اثر تغییر این پارامترها روی خروجی و یا کارایی سیستم بررسی شود. خروجی های سیستم هم حجم برداشته شده از سطح قطعه کار (MRR) و صافی سطح (SR) است.برای بهینه سازی خروجی فرایند، تصمیم گرفتم که از الگوریتم استعماری استفاده کنم. ولی مشکلی که دارم این است که نمی دانم به چه شکل می توانم تابع هزینه متناسب با این فرایند را تعریف کنم؟ یکی از توابع هزینه که درفرایند های ماشینکاری مطرح میشود به شکل زیر است

L(w,p,s,v,t) = MRR + 1/SR

به این مفهوم که با تغییر ورودی ها به ماکزیمم مقدار برداشت مواد از سطح و کمترین پستی و بلندی که با SR نمایش داده می شود برسیم.

—————————————————————–

سوالاتی زیر برای من مطرح است:

سوال 1: برای استفاده از الگوریتم رقابت استعماری، چه تعداد تابع هزینه بایستی تعریف شود؟

پاسخ: الگوریتم رقابت استعماری در حال حاضر برای حل مسائل بهینه سازی تک هدفه مفید می باشد. علاقه مندان زیادی بر روی نسخه های چند هدفه الگوریتم کار می کنند و مطمئناً به زودی کدهای چند هدفه الگوریتم را نیز بر روی وب خواهیم داشت. البته لازم به ذکر هست که مسائل بهینه سازی چند هدفه غالباً با جمع خطی تک تک اهداف به مسائل تک هدفه تبدیل می شوند. مسئله مذکور نیز همین گونه است. دو هدفMRRوSRبا جمع شدن با وزن واحد تبدیل به یک هدفLشده اند. البته همانگونه که به نظر می رسد، ظاهراًMRRباید کمینه شود وSRباید بیشینه شود، زیرا معکوس آن باMRRجمع شده است. البته تبدیل یک مسئله دو یا چند بعدی به یک مسئله یک بعدی روش هایی دیگری دارد که در مورد آنها در مطالب بعدی بر روی سایت بحث خواهد شد. فعلاً خلاصه می کنیم که تابع شما یک تابع یک هدفه است و یک تابع هزینه باید برای آن نوشته شود. البته این به این معنی نیست که کد برنامه فقط یک تابع خواهد داشت. در بسیاری موارد ما یک تابع تک هدفه حتی ساده را نیز به تعدادی تابع کوچکتر شکانده و وظایف بخش های مختلف برنامه را به این زیر تابع ها می سپاریم. اما در نهایت آنها در قالب یک تابع هزینه اصلی کنار هم سازمان دهی می کنیم. مثلاً

function Y = f(x)

Y = f1(x) + f2(x)

end

function Y = f1(x)

Y = sin(x)

end

function Y = f1(x)

Y = cos(x)

end
فراخوانی تابع f برای هر مقدار x به عبارت sin(x)+coss(x) خواهد رسید. بنابراین تعداد اهداف مسئله بهینه سازی (که در اکثر کاربردها یک می باشد)، لزوماً تعداد توابع مورد استفاده برای کد نویسی آن را نشان نمی دهد.

سوال 2: تابع هزینه به صورت FUNCTION باید باشد؟

پاسخ: بله! شما پس از جدا کردن و تعریف کردن متغیرهای بهینه سازی خود، یک تابع هزینه می نویسید که با دریافت این متغیرها ، خروجی هزینه را بدهد. در این مورد فیلم آموزشی کوتاهی بر روی سایت الگوریتم استعماری (www.icasite.info) وجود دارد. موارد آموزشی تکمیلی به زودی بر روی سایت قرار خواهد گرفت.

سوال 3: تابع هزینه باید رابطه ای بین ورودی ها باشد ویا خروجی ها؟

پاسخ: ظاهراً تابع هزینه شما باید بهترین مقادیر (w,p,s,v,t) را بدهد. بنابراین شما باید تابعی بنویسید که این مقادیر را گرفته وMRRوSRاز روی آنها تعیین شوند و در نهایتLبه دست آید. در حقیقت داریم.

MRR = MRR(w,p,s,v,t)
SR = SR(w,p,s,v,t)
L = L(w,p,s,v,t) = MRR + 1/SR = MRR(w,p,s,v,t) + 1/SR(w,p,s,v,t)

اگر بخواهیم تا حدی یک شبه کد برای این مسئله بنویسیم خواهیم داشت.

Function L = L_Fcn(w,p,s,v,t)
L = MRR_Fcn(w,p,s,v,t) + 1/ SR_Fcn(w,p,s,v,t)
end
Function MRR = MRR_Fcn(w,p,s,v,t)
{Required Calculations}
end
Function SR = SR_Fcn(w,p,s,v,t)
{Required Calculations}
end

الگوریتم رقابت استعماری فقط با تابع L_Fcn کار خواهد کرد و با بقیه تابع ها کاری نخواهد داشت.

پایان متن
————————————————————————–

بخش 1 این نوشتار با عنوان بهینه سازی چیست، به همراه تصویر موجود در این بخش برداشتی از کار ارزشمند جناب آقای مهندسی سید مصطفی کلامی هریس با کسب اجازه از ایشان بوده است.

 

_____________________________________________
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.

متن آموزشی: فصل 6 — مراجع

6 مراجع
در این بخش، مراجع مربوط به متن آموزشی که بر روی سایت قرار  دارد، لیست شده است.

 

[1] Pablo Pedregal, Introduction to Optimization, Springer-Verlag New York Inc., 2004.

[2] Stephen Boyd and Lieven Vandenberghe, Convex Optimization, Cambridge University Press, 2004.

[3] Edwin K. P. Chong and Stanislaw H. Żak, An Introduction to Optimization, John Wiley & Sons Inc., 2001.[4] Wenyu Sun and Ya-Xiang Yuan, Optimization Theory and Methods: Nonlinear Programming, Springer Science + Business Media, LLC, 2006.

[5] Jorge Nocedal and Stephen J. Wright, Numerical Optimization, 2nd Edition, Springer Science + Business Media, LLC, 2006.

[6] Mitchell Melanie, An Introduction to Genetic Algorithms, MIT Press, 1999.

[7] Stephen Olariu and Albert Y. Zomaya, Handbook of Bioinspired Algorithms and Applications, Taylor & FrancisGroup, LLC, 2006.

[8] Jens Gottlieb and Güntel R. Raidl, Evolutionary Computation in Combinatorial Optimization, Springer-Verlag Berlin Heidelberg, 2006.

[9] Fred Glover and Gray A. Kochenberger, Hanbook of Metaheuristics, Kluwer Academic Publishers, 2003.

[10] Patrick Siarry and others, Metaheuristics for Hard Optimizations, Springer-Verlag Berlin Heidelberg, 2006.

[11] Anthony Brabazon and Michael O’Neill, Biologically Inspired Algorithms for Financial Modelling, Springer-Verlag Berlin Heidelberg, 2006.

[12] Amit Konar, Artificial Intelligence and Soft Computing, CRC Press LLC, 2000.

[13] J. Kennedy and R. C. Eberhart, “Particle Swarm Optimization” in Proceedings of the 4th IEEE International Conference on Neural Networks, pp. 1942-1948, 1995.

[14] R. C. Eberhart and J. Kennedy, “A new optimizer using particle swarm theory,” in Proceedings of the 6th International Symposium on Micro Machine and Human Science, pp. 39-43, 1995.

[15] Marco Dorigo, Luca Maria Gambardella and others, Ant Colony Optimization and Swarm Intelligence, Springer-Verlag Berlin Heidelberg, 2006.

[16] Marco Dorigo and Gianni Di Caro, The Ant Colony Optimization Metaheuristic, Iridia University, 1999.

[17] V. Chellaboina and M. K. Ranga, “Reduced Order Optimal Control Using Genetic Algorithms“, 2005 American Control Conference, June 8-10, 2005. Portland, OR, USA

[18] B. Bontoux. and D. Feillet, “Ant colony optimization for the traveling purchaser problem”, Computers & Operations Research, In Press, Corrected Proof, Available online 26 May 2006

[19] Y. T. Hsiao, C. L. Chuang and C. C. Chien, “Ant Colony Optimization for Designing of PID Controllers”, 2004 IEEE International Symposium on Computer Aided Control Systems Design, September 24, 2004, Taipei, Taiwan

[20] H. H. Balaci and J. F. Valenzuela, “Scheduling Electric Power Generators Using Particle Swarm Optimization Combined with Lagrangian Relaxation Method”, International Journal of Applied Mathematics and Computer Scince, 2004, Vol. 14, No. 3, 411–421

[21] Pack, D., G. Toussaint, and R. Haupt. 1996. Robot trajectory planning using a GA. Int. Symp. on Optical Science, Engineering, and Instrumentation. SPIE’s Annual Meeting, Denver, CO.

[22] Obayashi, S., D. Sasaki,Y. Takeguchi, and N. Hirose. 2000. Multiobjective evolutionarycomputation for supersonic wing-shape optimization. IEEE Trans. Evol. Comput. 4:182–187.

[23] Loughlin, D. H., S. R. Ranjithan, J.W. Baugh, Jr., and E. D. Brill Jr. 2000. Application of GAs for the design of ozone control strategies. J. Air Waste Manage. Assoc. 50:1050–1063.

[24] Chambers, L. (ed.). 1995. GAs, Applications,Vol. 1. New York: CRC Press.

[25] Angeline, P. J. 1996. Evolving Fractal Movies. Proc. 1st An. Conf. on Genetic Programming, MIT Press, Cambridge, MA, pp. 503–511.

[26] Biles, J. A. 1994. GenJam: A GA for generating jazz solos. Proc. Int. Computer MusicvT Conf, San Francisco: 131–137.

[27] Horner, A., and D. Goldberg. 1991. GAs and computer-assisted music composition. Proc. 4th Int. Conf. on GAs. Urbana-Champaign, IL.

[28] Johnson, C.G., and J. J. Romero Cardalda. 2002. GAs in visual art and music. Leonardo 175–184.

[29] Sims,K. 1991.Artificial evolution for computer graphics. Siggraph ’91 Proc. 25:319–328.

[30] The Hutchinson Dictionary of World History, Oxford: Helicon Publishing, 1999

[31] R. R. Palmer, “A History of the Modern World”, New York: Alfred A. Knopf, 1964, ©1956.

[32] C. V. Findley & J. A. M. Rothney, Twentieth century world, 3rd edition, Boston: Houghton Mifflin Company, 1986

[33] R. Goff, J. Terry, W. Moss, J. H. Upshur, The Twentieth Century: A Brief Global History, ‎6th edition, ‎ Boston: McGraw-Hill‬, 2001, part1.

[34] Y. T. Hsiao, C. L. Chuang and C. C. Chien, “Ant Colony Optimization for Designing of PID Controllers”, 2004 IEEE International Symposium on Computer Aided Control Systems Design, September 24, 2004, Taipei, Taiwan

[35] Xiong Q., Cai W. J., He M.J., (2007), “Equivalent transfer function method for PI/PID controller design of MIMO processes”, Journal of Process Control 17, pp 665–673

[36] Christen U., Musch H. E. and Steiner M., (1997) “Robust control of distillation columns: µ- vs. H∞- synthesis” J Proc C, mt Vol 7, No 1, pp. 19 30, 1997

[37] Roffel B. etal (2000), “First principles dynamic modeling and multivariable control of a cryogenic distillation process” Computers and Chemical Engineering 24, pp111–123

[38] Halevi Y., Palmor Z.J. and Efrati T., (1997), “Automatic tuning of decentralized PID controllers for MIMO processes” J. Proc. Cont. Vol. 7, No. 2, pp. I19-I28

[39] Ruiz-López I.I., Rodríguez-Jimenes G.C., García-Alvarado M.A., (2006) “Robust MIMO PID controllers tuning based on complex/real ratio of the characteristic matrix eigenvalues”, Chemical Engineering Science 61, pp 4332 – 4340

[40] García-Alvarado M.A., Ruiz-López I.I., Torres-Ramos T., (2005), “Tuning of multivariate PID controllers based on characteristic matrix eigenvalues, Lyapunov functions and robustness criteria”, Chemical Engineering Science 60, pp 897 – 905

[41] Chang W. D. , (2007), “A multi-crossover genetic approach to multivariable PID controllers tuning”, Expert Systems with Applications 33, pp 620–626

[42] Hsin-Chieh Chen, Jen-Fuh Chang, Jun-Juh Yan, Teh-Lu Liao, (2007), “EP-based PID control design for chaotic synchronization with application in secure communication” Expert Systems with Applications, Article in press

[43] Su C. T. , Wong J. T., (2007), “Designing MIMO controller by neuro-traveling particle swarm optimizer approach”, Expert Systems with Applications 32, pp 848–855.

[44] Wang, Q. G., Zou, B., Lee, T. H., & Qiang, B. (1997). Auto-tuning of multivariable PID controllers from decentralized relay feedback. Automatica, 33(3), pp 319–330.

[45] Luyben, W. L. (1986). “A simple method for tuning SISO controllers in a multivariable system”. Industrial & Engineering Chemistry Product Research and Development”, 25, pp 654–660.

[46] T.J.Ross, Fuzzy Logic with Engineering Applications, John Wiley & Sons, New York, NY, USA, 2nd edition, 2004

_______________________________________________
آنچه مطالعه کردید، بخشی از متن آموزشی جامعی در مورد الگوریتم رقابت استعماری بود که بر روی سایت “الگوریتم رقابت استعماری و بهینه سازی تکاملی” قرار گرفته است. این متن آموزشی که توضیحات مفصلی را در مورد لگوریتم رقابت استعماری در اختیار می کذارد، در حقیقت بخشهایی نسبتاً کامل از یک پایان نامه در مورد این الگوریتم می باشد. در ادامه فهرست کامل مطالب این متن آموزشی آمده است. برای مشاهده هر بخش می توانید روی عنوان آن بخش کلیک کنید.

 

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

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.

 

نکته دیگر قابل ذکر این است که الگوریتم رقابت استعماری در حال حاضر در نسخه 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.

 

_____________________________________________
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.

متن آموزشی: فصل 5 — خلاصه، نتيجه‌گيري و پيشنهادات

5 خلاصه، نتيجه‌گيري و پيشنهادات
آنچه در اين نوشتار مورد بررسي قرار گرفت ارائه يک الگوريتم بهينه‌‌سازي جدبد بر مبناي مدلسازي رياضي فرايند اجتماعي‌ـ‌سياسي پديده استعمار بود. روش‌هاي مختلفي براي حل مسائل بهينه‌سازي معرفي شده اند. بعضي از اين روشها به صورت تکراري و بر مبناي گراديان، نقطه بهينه تابع هزينه را پيدا مي‌کنند. اين روش‌ها معمولاً سرعت بالايي دارند ولي در درعوض مشکل افتادن در دام بهينه محلي را با خود حمل مي‌کنند. در نقطه مقابل روش‌هايي وجود دارند که به جستجوي نقطه بهينه مطلق تابع مي‌پردازند. الگوريتم‌هاي ژنتيک و بهينه‌سازي گروه ذرات نمونه‌هايي از اين روش‌ها هستند. نکته قابل توجه در مورد اکثر روش‌هاي بهنيه‌سازي تکاملي مطرح شده، اين است که اين روش‌ها معمولاً برگرفته از تکامل زيستي و مدلسازي پديده‌هاي طبيعي هستند و معمولاً جنبه‌هايي از تکامل که مدل شناخته‌شده‌اي از آن وجود ندارد، در حاشيه تحقيقاتي قرار گرفته است. در حقيقت انگيزش اصلي نگارش اين پايان‌نامه پر کردن اين خلا و بررسي جوانب پاسخ منفي‌اي بود که به سوال زير داده مي‌شد:

“آيا تکامل موجودات و به ويژه انسان، تنها به تکامل زيستي او محدود مي‌شود؟!؟”

و آنچه در ادامه مسير مطرح شد، يافتن پاسخ به اين سوال بود که “آيا جوانب ديگر تکامل انساني مي‌توانند به عنوان منبع الهام يک الگوريتم بهينه‌سازي مورد استفاده قرار بگيرند؟”

الگوريتم معرفي شده در اين نوشتار، “الگوريتم رقابت استعماري”، يکي از پاسخ‌هاي مثبتي بود که مي‌شد به اين سوال داد. بطور ويژه در معرفي اين الگوريتم، يک فرايند خاص مورد بررسي ويژه‌اي قرار گرفت. فرايند اجتماعي‌ـ‌سياسي‌ـ‌تاريخي استعمار، پديده‌اي بود که در اين نوشتار براي ارائه الگوريتم مورد استفاده قرار گرفت.

بررسي تاريخي رفتار متقابل مستعمرات و استعمارگران نشان داد که فرايند همگون‌سازي، از سوي استعمارگران براي جذب مستعمرات در فرهنگ و رسوم آنها اعمال مي‌‌شد. همانگونه که موارد تاريخي نشان مي‌دهند، اعمال سياست جذب در بعضي موارد موجب ايجاد تغييرات سريع اجتماعي، سياسي و اقتصادي در مستعمرات شد. سياست جذب در کنار رقابت استعماري، هسته‌هاي الگوريتم معرفي شده را تشکيل مي‌دهند.

بطور خلاصه الگوريتم معرفي شده، با تعدادي کشور اوليه شروع مي‌شود. اين کشورها به دسته‌هايي به نام امپراطوري تقسيم مي‌شوند. هر امپراطوري از تعدادي مستعمره و يک امپرياليست تشکيل شده است. در داخل امپراطوري، سياست جذب از سوي استعمارگران به مستعمرات اعمال شده و آنها را در راستاي محورهاي مختلف اجتماعي‌ـ‌سياسي به سوي خود مي‌کشند. به همراه سياست جذب، رقابتي نيز ميان امپراطوري‌ها برقرار است و همه آنها براي در دست گرفتن مستعمرات همديگر تلاش مي‌کنند. حاصل اين چرخه جذب و رقابت، همگرايي کشورها (جواب‌هاي ممکن مسئله) به سمت نقطه بهينه مطلق است.

نتايج آزمايش روش پيشنهادي بر روي توابع هزينه مختلف نشان ميدهد که الگوريتم معرفي شده در يافتن نقطه بهينه اين توابع کاملاً موفق عمل مي‌کند. همچنين مسائل مختلف کاربردي حل شده با اين الگوريتم نشان مي‌دهند که استراتژي بهينه‌سازي مطرح شده مي‌تواند با موفقيت کامل در کنار ساير روش‌هاي مطرح بهينه‌سازي همچون الگوريتم ژنتيک و گروه ذرات، به حل مسائل کاربردي و مهندسي کمک کند. مقايسه نتايج حاصله توسط الگوريتم مطرح شده با روش‌هاي رايج بهينه‌سازي نيز از برتري نسبي اين الگوريتم حکايت دارد.
الگوريتم معرفي شده به عنوان نسخه اوليه يک الگوريتم مبتني بر يک فرايند اجتماعي‌ـ‌سياسي و بطور اخص پديده يچيده استعمار مي‌باشد. بنابراين مطمئناً مي‌توان اصلاحاتي در آن نيز ايجاد نمود. الگوريتم معرفي شده در حال حاضر براي حل مسائل پيوسته بهينه‌سازي مناسب مي‌باشد. براي حل مسائل گسسته بهينه‌سازي بايد تغييراتي در الگوريتم اعمال شود. ارائه نسخه گسسته الگوريتم مي‌تواند براي حل مسائلي همچون انتخاب ورودي در شناسايي سيستمها و انتخاب ويژگي براي اهداف بازشناسي الگو مفيد باشد. الگوريتم‌هاي رايجي همچون بهينه‌سازي گروه ذرات نيز در نسخه اوليه خود براي حل مسائل پيوسته مطرح شده بودند و بعدها نسخه‌هاي گسسته آنها معرفي گرديده است. در کاربردهاي اعمال شده نيز، همه مسائل بهينه‌سازي داراي تنها يک تابع هدف بودند. الگوريتم مطرح شده کنوني در نسخه تک هدفه اش، مي‌تواند براي حل مسائل بهينه‌سازي چندهدفه و براي يافتن منحني پرتو نيز استفاده شود ولي نتايج بدست آمده از آن به خوبي نتايج الگوريتم‌هاي بهينه‌سازي مخصوص مسائل چند هدفه (همانند NSGA-II، نسخه چند هدفه الگوريتم ژنتيک) نخواهد بود. بنابراين در ادامه کار مي‌توان با اعمال تغييراتي در ساختار الگوريتم آن را براي حل مسائل بهينه‌سازي چند هدفه مناسب نموده و نسخه ویژه چند هدفه این الگوریتم را ارائه نمود.

همانگونه که بيان شد، روشهاي تکاملي ويژگي گريز از نقطه مينيمم محلي را دارند. در مقابل روشهاي کلاسيک بهينه‌سازي داراي سرعت همگرايي بيشتري مي‌باشند. براي داشتن هم سرعت همگرايي بالا و هم گير نکردن در نقاط بهينه محلي، يک روش رايج ترکيب الگوريتم‌هاي تکاملي با روش‌هاي کلاسيک بهينه‌سازي همچون روش نيوتون است. در ادامه کار مي‌توان ترکيبي از الگوريتم مطرح شده را نيز با الگوريتم‌هاي کلاسيک بهينه‌سازي ترکيب نمود. با اين کار اميد آن است که نتايج به مراتب بهتري (از ديد سرعت همگرايي) بدست آيد.

بنابراين گام‌هاي عمده پيش‌روي ادامه کار عبارتند از:

  • ارائه نسخه گسسته الگوريتم براي حل مسائلي همچون انتخاب ورودي در شناسايي سيستم‌ها
  • ايجاد تغييرات در الگوريتم براي حل مسائل بهينه‌سازي با چند تابع هدف
  • ترکيب الگوريتم معرفي شده با الگوريتم‌هاي کلاسيک بهينه‌سازي و آزمايش آن براي حل مسائل مختلف بهينه‌سازي

در راستاي گام‌هاي اساسي فوق، مي‌توان مي‌توان پيشنهادات زير را نيز براي ادامه کار مطرح نمود.

  • مطالعه دقيقتر پيرامون فرايند اجتماعي‌ـ‌سياسي تکامل انساني و سعي در مدلسازي فرايندهاي مدل نشده در الگوريتم.
  • در الگوريتم معرفي شده ظهور يک امپراطوري مدل نشده است و الگوريتم با امپراطوري‌هاي اوليه شروع شده و با سقوط آنها ادامه مي‌يابد. به عنوان يک تغيير در الگوريتم مي‌توان تولد يک امپراطوري نيز وارد مدل کرد.
  • اعمال الگوريتم‌ معرفي شده به مسائل بيشتر در حوزه مهندسي براي يافتن نقاط ضعف و قوت آن
  • ايجاد ارتباط ميان الگوريتم معرفي شده با ساير روشها در حوزه‌هاي ديگر. به عنوان مثال تشکيل امپراطوري ها و جابجايي مستعمرات ميان آنها شباهت بسيار زيادي به مسئله خوشه‌بندی و روش‌های خوشه‌بندی مطرح شده دارد. با بررسي بيشتر هر دو روش شايد بتوان از الگوريتم مطرح شده به عنوان ابزاري براي خوشه‌بندي نيز استفاده نمود.
نکته مهم: مطالب بیان شده، مربوط به پایان نامه سال 2008 بوده است. از زمان ارائه پایان نامه تا کنون نسخه های زیادی از الگوریتم معرفی شده اند و شاید نتایج ارائه شده در این بخش تغییر یافته باشند.
_______________________________________________
آنچه مطالعه کردید، بخشی از متن آموزشی جامعی در مورد الگوریتم رقابت استعماری بود که بر روی سایت “الگوریتم رقابت استعماری و بهینه سازی تکاملی” قرار گرفته است. این متن آموزشی که توضیحات مفصلی را در مورد لگوریتم رقابت استعماری در اختیار می کذارد، در حقیقت بخشهایی نسبتاً کامل از یک پایان نامه در مورد این الگوریتم می باشد. در ادامه فهرست کامل مطالب این متن آموزشی آمده است. برای مشاهده هر بخش می توانید روی عنوان آن بخش کلیک کنید.

 

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

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.

نکتهدیگر 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.

_____________________________________________
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.