کنترل و بهینه سازی حرکت دسته ای یک توده رباتیکی به وسیله روش های الهام گرفته از طبیعت

اختصاصی از یارا فایل کنترل و بهینه سازی حرکت دسته ای یک توده رباتیکی به وسیله روش های الهام گرفته از طبیعت دانلود با لینک مستقیم و پرسرعت .

پایان‌نامه کارشناسی ارشد

کنترل و بهینه سازی حرکت دسته ای یک توده رباتیکی به  وسیله  روش های الهام گرفته از طبیعت

دانشگاه صنعتی شریف

156 صفحه در قالب word

فهرست مطالب

فصل1  1

مقدمه  1

1-1. حرکت توده­ای.. 2

1-2. حرکت توده­ای در سیستم‌های رباتیکی.. 4

1-3. مروری بر فصول پایان­نامه. 8

فصل2  10

مروری بر ادبیات توده رباتیکی و تعریف مسئله  10

2-1. مقدمه. 11

2-2. مروری بر پژوهش­های پیشین در زمینه توده رباتیکی.. 11

2-2-1. شبیه­ سازی و کنترل رفتاری توده با تعریف فاصله مطلوب بین­عضوی.. 11

2-2-2. شبیه­ سازی توده در حضور نیروهای بین­عضوی و پتانسیل محیطی.. 12

2-2-3. شبیه ­سازی توده با فرض دینامیک رسته یک و اثبات پایداری تمامیت توده 14

2-2-4. شبیه ­سازی توده با فرض دینامیک رسته یک در حضور موانع محیطی.. 19

2-2-5. شبیه­سازی توده با وجود محدودیت ارتباطی بین اعضای توده 20

2-2-6. استفاده از الگوریتم ژنتیک به منظور بهینه کردن پارامترهای یک توده رباتیکی.. 23

2-2-7. شبیه ­سازی توده رباتیکی جستجوگر و کمک­رسان.. 24

2-3. مدل توده رباتیکی استفاده شده در این رساله. 25

2-3-1. مدل­سازی توده رباتیکی.. 25

2-3-2. دینامیک حاکم بر حرکت توده 27

2-4. تعریف موضوع انجام شده در این رساله. 30

2-4-1. تعریف اهداف کنترلی توده 31

2-4-2. تعریف اهداف بهینه­سازی حرکت توده 31

2-5. بیان نوآوری و اهمیت موضوع رساله. 32

فصل3   34

اهداف کنترلی توده رباتیکی   34

3-1. مقدمه. 35

3-2. کنترلر بر مبنای یادگیری تقویتی.. 36

3-3. کنترلرهای تقویتی کلاسیک.... 36

3-4. کنترلرهای تقویتی نوین (کنترلرهای فازی- عصبی تطبیقی با وجود نقاد) 39

3-4-2. آموزش در کنترلرهای تقویتی نوین.. 44

3-5. کنترل رفتاری اعضای توده به منظور تقلید از رفتار مدل مطلوب... 48

3-5-1. مدل مطلوب و واقعی توده رباتیکی.. 48

3-5-2. طراحی کنترلر تقویتی نوین به منظور پیروی توده اینرسیال از رفتار مدل مطلوب... 49

3-5-3. نتایج شبیه­سازی حرکت اعضای توده 52

3-6. کنترل حرکت اعضای توده بر روی مسیر معین.. 62

3-6-1. طراحی کنترلر تقویتی نوین برای حرکت اعضای توده روی مسیر معین.. 62

3-6-2. نتایج شبیه­سازی کنترل حرکت اعضای توده روی مسیر مطلوب... 63

فصل4   69

بهینه سازی سرعت حرکت توده رباتیکی به وسیله الگوریتم پرواز پرندگان   69

4-1. مقدمه­ ای بر بهینه­ سازی.. 70

4-1-1. دسته­ بندی انواع مسائل بهینه­سازی.. 70

4-2. روشهای بهینه­سازی الهام گرفته شده از طبیعت... 71

4-3. الگوریتم بهینه­سازی پرواز پرندگان.. 73

4-3-1. معرفی الگوریتم ابتدایی بهینه ­سازی پرواز پرندگان ]39[ 73

4-3-2. ضعف الگوریتم بهینه ­سازی  PSO ]39[ 77

4-3-3. اصلاح روش PSO.. 78

4-3-4. گروه­ بندی ذرات در PSO.. 81

4-4. تعریف هدف بهینه ­سازی سرعت حرکت توده 82

4-5. به کارگیری الگوریتم پرواز پرندگان به منظور بیشینه ­سازی سرعت حرکت توده رباتیکی.. 83

4-5-2. نوآوری در الگوریتم پرواز پرندگان استفاده شده 86

4-6. نتایج شبیه­سازی.. 87

فصل5   94

بهینه سازی سرعت حرکت توده رباتیکی به وسیله الگوریتم مورچگان   94

5-1. مقدمه. 95

5-2. ارتباط غیرمستقیم در اجتماع مورچگان واقعی]49[ 96

5-2-2. آزمایش پل دو شاخه. 99

5-3. اجتماع مورچگان مجازی]49[ 102

5-3-1. تبخیر فرومون.. 105

5-4. مورچه­ های مجازی و مساله کوتاه­ترین مسیر]49[ 105

5-5. رویکرد بهینه­سازی اجتماع مورچگان ]49[ 108

5-6. به کارگیری الگوریتم مورچگان برای بیشینه کردن سرعت حرکت توده رباتیکی.. 110

5-7. نتایج شبیه­سازی.. 113

فصل6  116

بهینه سازی سرعت حرکت توده رباتیکی به وسیله الگوریتم ژنتیک     116

6-1. مقدمه. 117

6-2. الگوریتم ژنتیک.... 118

6-2-1. جمعیت در الگوریتم ژنتیک.... 118

6-2-2. تابع هدف و برازندگی.. 119

6-2-3. مراحل مختلف اجرای الگوریتم ژنتیک]54[ 120

6-2-4. معیار توقف الگوریتم ژنتیک.... 124

6-2-5. همگرایی الگوریتم ژنتیک.... 125

6-3. به کارگیری الگوریتم ژنتیک به منظور بیشینه­ سازی سرعت حرکت توده رباتیکی.. 126

6-4. نتایج شبیه­سازی.. 128

فصل7   131

نتیجه گیری و جمع بندی   131

7-1. نتیجه­ گیری و جمع­بندی.. 132

7-1-1. مقایسه نتایج به دست آمده از به کارگیری الگوریتم ­های پرواز پرندگان، مورچگان و ژنتیک در بهینه­ سازی سرعت حرکت توده رباتیکی.. 133

7-2. پیشنهادهایی برای ادامه کار در آینده 134

مراجع   136

حرکت توده ­ای

حرکت توده­ای یک نوع حرکت دسته­ جمعی هماهنگ است که معمولا با استفاده از ارتباطات اندک موجود بین اعضای آن و اطلاعات محدود از وضعیت کل سیستم انجام می­شود. با وجود توانایی و هوش محدود و اندک برای هر عضو، مجموعه این اعضا در کنار هم قادر به انجام اهداف سطح بالا و قابل توجهی هستند. این ویژگی باعث شده است که سیستم­های دارای این نوع حرکت اهمیت ویژه­ای پیدا کنند و از آنها برای انجام کارهای مختلف استفاده شود. حرکت توده­ای در سیستم­های بیولوژیکی، از تقابل بین مولکول‌ها و سلول‌ها گرفته تا اکولوژی رفتاری گروه‌های حیوانی، بسیار فراوان دیده می­شود. به طور مثال، دسته‌های پرندگان و ماهی‌ها توانایی حرکت با یک شکل مشخص و به صورت یک سیستم واحد را دارند (شکل‌های (1-1) و (1-2)). تحقیقات انجام گرفته نشان می­دهد که حرکت­های توده­ای در طبیعت در حالی صورت می‌گیرد که اعضای توده از دیدگاه جابجایی و موقعیت گیری، دارای رفتارهای تعاملی بسیار ساده در بین خود هستند. هر عضو توده تنها با مشاهده وضعیت اعضایی از گروه که در نزدیکی‌اش قرار دارد اقدام به تصمیم گیری می‌کند و از محرک‌های محیطی در جابجایی و رفتار خود تأثیر می‌پذیرد ]2-1[.

زندگی در مجموعه احتمال زیست را افزایش می‌دهد، زیرا:

• محدوده دید و آگاهی از عوامل محرک محیطی افزایش می‌یابد.
• نیازی نیست تا همیشه موجود در حداکثر هوشیاری باشد.
• قدرت برخورد با عوامل مزاحم محیطی بالا می‌رود.

در نتیجه حرکت توده­ای ذرات افزایش ایمنی و توانایی را برای هر عضو توده به دنبال دارد.

• تجمع در گروه ماهی‌ها [1].

• ایجاد الگو در حین مهاجرت دسته غاز‌های برفی [1].

• حرکت توده­ای در سیستم‌های رباتیکی

همین طور که در بخش (1-1) گفته شد، حرکت توده­ای در طبیعت اطراف بسیار دیده می­شود. وجود این منبع طبیعی باعث شده است که دانشمندان با مشاهده طبیعت و الهام از آن برای پیشبرد اهداف علمی بشر استفاده بسیاری کنند. اولین بار بردر در سال 1954 ]3[ و پارتریج در سال 1982 ]4[ حرکت توده­ای دسته ماهی­ها و پرواز پرندگان را مورد بررسی و مشاهده قرار دادند.

یک دلیل مهندسی مهم برای مطالعه حرکت‌های توده­ای و هماهنگ افزایش علاقه به سیستم‌های ربات‌های متحرک است]2[. با ایده گرفتن از حرکات توده­ای جانوران و رفتار بین آنها زمینه جدیدی در علم رباتیک به وجود آمد که حرکات توده رباتیکی[2] را شبیه­سازی می­کند.

توده رباتیکی از تعدادی ربات­های همسان[3]-که هر کدام از آنها در این توده دارای قابلیت­های پایین هستند- تشکیل شده است که این تعداد در کنار هم و به­طور جمعی توانایی­های قابل توجهی پیدا می­کنند. این دیدگاه وجود دارد که سیستم‌های رباتیکی توده­ای به زودی از نظر اقتصادی به صرفه شده و انجام کارهای متنوعی که نیاز به نوعی درک توزیعی از محیط و همکاری گروهی دارند را بر عهده خواهند گرفت. از جمله این کارها جستجو و نجات، مراقبت، نظارت محیط، اکتشافات فضایی، دفع زباله‌های خطرناک و عملیات‌های نظامی هستند (شکل‌ (1-3))]2[.

 

ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است

متن کامل را می توانید در ادامه دانلود نمائید

چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است

دانلود مجموعه طرح های گرافیکی معرق دسته گل

اختصاصی از یارا فایل دانلود مجموعه طرح های گرافیکی معرق دسته گل دانلود با لینک مستقیم و پرسرعت .

دانلود مجموعه طرح های گرافیکی معرق دسته گل

این مجموعه شامل ۹۰ طرح گرافیکی دسته گل بسیار زیبا با کیفیت فوق العاده بالا برای معرق کاری در زمینه طرح های معرق میباشد. این مجموعه طرح ها در فرمت jpg و فرمت های لایه باز EPS و CDR  قرار دارد.

مشخصات محصول:

 نام کتاب: مجموعه طرح های گرافیکی معرق دسته گل

 نوع فایل:    JPG ، EPS و COREL

 حجم فایل: ۲۱٫۲ مگابایت

 تعداد ایمیج: ۹۰ عکس با فرمت  CDR و EPS و JPG

 قیمت کتاب: 600 تومان

 نحوه خرید: خرید آنلاین و دانلود

دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM)

اختصاصی از یارا فایل دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM) دانلود با لینک مستقیم و پرسرعت .

عنوان پروژه : شناسایی و دسته بندی جدید تکنیک های تصمیم گیری چند معیاره گسسته

تعداد صفحات : ۱۵۲

شرح مختصر پروژه : پروژه ای که در این مطلب برای دانلود آماده شده است ، به شناسایی و دسته بندی  تکنیک های تصمیم گیری چند معیاره گسسته پرداخته است. تصمیم‌گیری چند شاخصه یا multiple Attribute Decision making و به اختصار MADM شاخه ای از تصمیم گیری چند معیاره می باشد. این نوع از تصمیم گیری شامل مدلها و روشهایی می باشد که خود به دو دسته ی مدلهای جبرانی و مدلهای غیرجبرانی تقسیم می گردد.با توجه به اینکه هدف از این پروژه ، ارائه دسته بندی های جدیدی از تکنیک های MADM است، این تکنیک ها بررسی و در نهایت، ۷ نوع دسته بندی مختلف ارائه و توجیه شده است.

پس از بررسی تکنیک های MADM کلاسیک، سعی شد، متدهای جدید MADM شناسایی و بررسی شود که نتیجه این تحقیقات و بررسی ها در فصل سوم آورده شده است .در فصل چهارم ، ۷ نوع دسته بندی برای تکنیک های MADM ارائه شده و فواید هر کدام مورد ارزیابی قرار می گیرد. هر مسئله با چند معیار برای تصمیم گیری، باید توسط یکی از تکنیک های متعدد MADM حل شوند. با توجه به اینکه هدف از انجام این پایان نامه شناسایی تکنیک های جدید و دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM)است ، آشنایی با مباحث اولیه مربوط به تکنیک های MADM ضروری به نظر می رسد.

مباحث تصمیم گیری های چند معیاره یک بخش مهم از دانش تصمیم گیری مدرن را تشکیل می دهد. این مباحث به طور گسترده در زمینه های متعددی مانند: اجتماعی، اقتصادی، نظامی، مدیریتی و … به کار می رود. محققین در دهه های اخیر توجه خود را معطوف به مدل های چند معیاره (MCDM ) برای تصمیم گیری های پیچیده کرده اند. در این تصمیم ها به جای استفاده از یک معیار سنجش بهینگی از چندین معیار سنجش ممکن است استفاده گردد.این مدلهای تصمیم گیری به دو دسته عمده تقسیم می شوند: مدلهای چند هدفه (MODM ) و مدلهای چند شاخصه (MADM).در مدلهای MADM شاخص ها اغلب از مقیاس های مختلف بوده و غالبا در تعارض با یکدیگر هستند، لذا گزینه ای که بتواند ایده آل هر شاخص را تامین نماید، معمولا غیر ممکن است. در نتیجه در مدلهای MADM به دنبال پیدا کردن مناسب ترین گزینه به طور نسبی هستند. تفاوت اصلی مدل‌های تصمیم‌گیری چند هدفه با مدل های تصمیم‌گیری چند معیاره آن است که اولی در فضای تصمیم‌گیری پیوسته و دومی بر فضای تصمیم‌گیری گسسته تعریف می‌گردند.

یک گزینه MADM ممکن است توسط شاخص های کمی یا شاخص های کیفی توصیف شود.در شاخص های کمی، مقیاس های اندازه گیری ممکن است با یکدیگر متفاوت باشند (مانند فاصله به متر و هزینه به ریال).مدل‌های MADM شناخته شده‌ترین شاخه تصمیم‌گیری‌هاست. این مدل‌ها دارای تنوع تکنیکی بسیار گسترده‌ای هستند و این امر به هنگام کاربرد ممکن است سردرگمی تحلیلگر یا کاربر را باعث شود.

در ادامه فهرست مطالب پروژه شناسایی و دسته بندی جدید تکنیک های تصمیم گیری چندمعیاره گسسته (MADM) را مشاهده میفرمایید :

چکیده
مقدمه
فصل ۱- مفاهیم اولیه
۱-۱- مقیاس دوقطبی فاصله ای
۱-۲- بی مقیاس کردن
۱-۲-۱- بی مقیاس کردن با استفاده از نرم
۱-۲-۲- بی مقیاس کردن خطی
۱-۲-۳- بی مقیاس کردن فازی
۱-۳- ارزیابی اوزان (wj) برای شاخص ها
۱-۳-۱- تکنیک آنتروپی
۱-۳-۲- روش LINMAP
۱-۳-۳- روش کمترین مجذورات وزین شده
۱-۳-۴- تکنیک بردار ویژه
۱-۴- MADM فازی
۱-۴-۱- تعریف زیر مجموعه فازی
۱-۴-۲- روشهای رتبه بندی فازی Ui (فازی)
فصل ۲- تکنیک های MADM کلاسیک
۲-۱- تکنیک های MADM کلاسیک
۲-۲- مدلهای غیر جبرانی
۲-۲-۱- روش تسلط
۲-۲-۲- روش ماکسی مین
۲-۲-۳- روش ماکسی ماکس
۲-۲-۴- روش رضایت بخش شمول
۲-۲-۵- روش رضایت بخش خاص
۲-۲-۶- روش لکسیکوگراف
۲-۲-۷- روش حذف
۲-۲-۸- روش پرموتاسیون
۲-۳- مدلهای جبرانی
۲-۳-۱- زیرگروه نمره گذاری و امتیاز دهی
۲-۳-۲- زیرگروه سازشی
۲-۳-۳- زیر گروه هماهنگ
۲-۴- روش AHP
۲-۵- AHP گروهی
۲-۶- ساختار غیر رده ای و توام با بازخور
فصل ۳- تکنیک های جدید MADM
۳-۱- روش های فازی با مجموع وزین
۳-۱-۱- روش باآس
۳-۱-۲- روش کواکرناآک
۳-۱-۳- روش دوبوس
۳-۱-۴- روش چنگ
۳-۱-۵- روش بونیسون
۳-۲- استفاده از AHP به صورت فازی
۳-۲-۱- روش باکلی
۳-۳- TOPSIS فازی
۳-۴- ELECTRE GD
۳-۴-۱- حل تعارضات ماتریس ارجحیت
۳-۴-۲- یک ارتباط برتری فازی برای جمع کردن ارجحیت های SDMها
۳-۵- ELECTRE TRI
۳-۵-۱- ارتباط ارجحیت در ELECTRE TRI
۳-۵-۲- رویه تخصیص
۳-۶- FMADM برای GDM
۳-۶-۱- مرحله مقداردهی
۳-۶-۲- مرحله تجمع براساس معیارها
۳-۷- TOPSIS برای GDM
۳-۸- GRA (Grey Relation Analysis)
۳-۹- AIRM
۳-۱۰- رویکرد (ER  (Evidential Reasoning
۳-۱۱- DS-AHP
۳-۱۲- MP-MADM
فصل ۴- دسته بندی تکنیک های MADM
۴-۱- دسته بندی براساس نوع اطلاعات دریافتی از
۴-۲- دسته بندی براساس نوع کاربرد روش
۴-۳- دسته بندی براساس فازی و غیر فازی بودن
۴-۴- دسته بندی براساس تعداد DMها
۴-۵- دسته بندی بر مبنای قطعی یا احتمالی بودن اطلاعات
۴-۶- دسته بندی براساس کامل یا ناقص بودن اطلاعات ورودی
-۴-۷- دسته بندی براساس تعداد دوره های تصمیم گیری
منابع

پایان نامه دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM) رشته مهندسی صنایع

اختصاصی از یارا فایل پایان نامه دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM) رشته مهندسی صنایع دانلود با لینک مستقیم و پرسرعت .

...

دانلود مقاله فایلهای دسته ای LINGO

اختصاصی از یارا فایل دانلود مقاله فایلهای دسته ای LINGO دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:54

فهرست مطالب:

MODEL:

RVRT

Import LINGO File … F12

EXIT F10

منوی EDIT

Go To LINE…Ctrl+T

Match Parenthesis Ctrl+P

PASTE FUNCTION

منوی LINGO

RANGE Ctrl+R

CENERATE … Ctrl+G

Option… Alt+O

Workspace limit… Ctrl+W

منوی Windows

Open Status Window Alt+S

اطلاعات: Information

ورودی: INPUT

خروجی فایل: OUTPUT

راه حل: SOLUTION

ویرایش مساله PROBLEM EDITING

پارامترهای محاوره ای CONVERSATIONAL PARAMETERS

متفرقه: MISCELLANEOUS

توضیحات تکمیلی توابع و عملگرها

عملگرهای استاندارد: Standard Operators

عملگرهای ریاضی:

عملگرهای منطقی:

VARIABLE

EXPORT RANGE

توابع فراخوانی فایل File Import Function

روابط مساوی و یا نامساوی Equality and Inequality Relation

توابع مالی Financial Functions

توابع ریاضی Mathematical Function

توابع احتمال Probability Functions

توابع دامنه‌ی متغیر Varible Domian Function

توابع دیگر Other Function

مدلهای پیمانه‌ای (Modular) :

ورود فایل توسط @FILE

ایجاد واسطه از طریق صفحه گسترده‌ها:

تابع @IMPORT :

EXPORT TO SPREADSHEET (نسخه‌ی تحت ویندوز):

دستور EXPORT (نسخه های غیر ویندوز)

فایل های TAKE در LINGO :

فایل Autolg.dat

فراخوانی خودکار در لینگوی تحت ویندوز

LINGO.<inputFileName>OutputFileName

مدیریت فایلها در LINGO

منابع:

مقدمه:

برای آوردن یک فایل دسته ای LINGO ، به منظور انجام خودکار عملیات مورد استفاده قرار میگیرد. یک مثال از فایل Take در LINGO بصورت زیر میباشد:

MODEL:

! Design a box at minimum cost that meets area. Volume, marketing and aesthetic requirements:

[COST] min=2*(.05*(d*w+d*h)+I*w*h);

[SURFACE] 2*(h*d+r*w+d*w)>=888;

[VOLUME] h* d*w>=1512;

!These two enforce aesthetics:

[NOTNARRO] h/w<=.718;

[NOTHIGH] h/w>=.518;

! Mardeting requires a small footprint:

[FOOTPRNT] d*w<=252;

@GIN (d);

@GIN (w);

@GIN (h);

END

! DIVERT The solution to BOXSOLN.TXT;

DIVE C:\MYDIR\BOXSOLN.TEX

!SOLVE the model;

GO

! Close the file BOXSOLN.TXT;

RVRT

در نتیجه‌ی استفاده از این فایل دسته ای، متغیرهای W,d,h مدلی که در حافظه قرار داشته باشد، عدد صحیح خواهد شد. سپس با راه حلی که در پنجره‌ی گزارش‌ها نمایش داده می‌شود و راه حل با عنوان فایل BOXSOLN.TXT ذخیره می شود.