الگوریتم و سورس کد مسئله هشت وزیر ( 8 وزیر )

اختصاصی از یارا فایل الگوریتم و سورس کد مسئله هشت وزیر ( 8 وزیر ) دانلود با لینک مستقیم و پر سرعت .

مساله هشت وزیر از جمله مسائل پرمخاطب مباحث طراحی الگوریتم است. ۸  مهره وزیر رو روی صفحه شطرنج چنان بچینید که نتونن همدیگه رو تهدید کنن.

برای افرادی که با بازی شطرنج آشنایی ندارن:

وزیر مهره ای از مهره های بازی شطرنجه که می تونه در تمامی 8 جهت هر تعداد خانه – تا زمانی که مهره ای مانع نباشه – حرکت کنه و اگه در یکی از این خانه ها مهره حریف قرار داشته باشه تهدیدش کنه.

مساله هشت وزیر :  ما مساله رو در حالت کلی در نظر می گیریم. یعنی زمانی که ابعاد صفحه شطرنج n در n و تعداد مهره ها n هستش. ( n > 3 ) روشهای مختلفی برای پیدا کردن جواب وجود داره. یکی از این روشها چیدن تصادفی مهره ها روی صفحه شطرنجه! به عبارت دیگه n مهره رو به صورت تصادفی در خانه های مختلف صفحه قرار می دیم و بررسی می کنیم که آیا شرط مساله رو برآورده می کنن یا نه؟ این روش بسیار سریع ما رو به جواب می رسونه. اما ایرادی که داره نمی شه مطمئن بود بشه به همه حالتهای چینش دست پیدا کرد. در صفحه 8 در 8 شطرنج این مساله 92 جواب مختلف داره. شما ممکنه روش تصادفی رو هزار بار به کار ببرید، اما نتونید همه 92 حالت ممکنه رو به دست بیارید. این روش زمانی مفیده که پیدا کردن یه جواب برای ما کافی باشه.

در این دسته روشها مهره ها رو یکی یکی و به صورت بازگشتی روی صفحه طوری می چینیم که مطمئن باشیم با مهره های قبلی تداخل نداره و شرط مساله برآورده می شه. معمولا از سطر اول صفحه شروع می کنیم به قرار دادن مهره ها. پر واضحه که هر سطر فقط می تونه یه مهره رو تو خودش جا بده. مهره سطر دوم رو طوری قرار می دیم که توسط مهره سطر اول تهدید نشه. برای این کار خانه های مختلفی از سطر رو می شه انتخاب کرد. برای نظم داشتن کارهامون فرض می کنیم همیشه انتخاب خانه ها از سمت چپ سطر شروع می شه. به عبارت دیگه با شروع از سمت چپ سطر اولین خانه ای که شرط رو برآورده کنه انتخاب می کنیم. به همین ترتیب سطرهای بعدی رو هم می چینیم. اگر به سطری رسیدیم که بر اساس چیدمان سطرهای قبلی هیچ خانه امنی برای مهره وجود نداشت ( یعنی همه خانه ها توسط مهره های قبلی تهدید می شدن ) یه مرحله به عقب بر می گردیم و مهره سطر قبل رو جابجا می کنیم. این کار هم با حرکت مهره به اولین خانه سمت چپ موقعیت فعلی که شرط رو برآورده کنه، انجام می شه. با ادامه دادن این روال و با جابجا کردن مهره ها به صورت منظم و بازگشتی تمامی حالتهای ممکنه به دست می یان.

برای پیاده سازی چنین الگوریتمی و تشخیص اینکه چه خانه هایی از سطر امن هستن روشهای مختلفی وجود داره. ساده ترینشون اینه که هر بار تمامی خانه هایی رو که امکان تهدید شدن از اونها وجود داره بررسی کنیم تا از قرار نداشتن مهره وزیر در اونها مطمئن باشیم. اما این روش اصلا کارا و بهینه نیست.

روش دیگه تعریف کردن صفحه شطرنج به صورت یه آرایه n در n هستش که خونه های امن و غیر امن با علامتگذاری مشخص می شن. هر بار که مهره ای رو صفحه قرار می گیره تمام خونه هایی که توسط این مهره تهدید می شن به صورت غیر امن علامتگذاری می شن. به این ترتیب می شه فهمید که هر خونه با توجه به چینش مهره های قبلی امن هست یا نه؟ اما این روش هم معایبی داره که باعث می شه به روش سوم رجوع کنیم. برای آشنایی با این معایب کافیه سعی کنید کد برنامه رو بنویسید!

در روش سوم که من ازش استفاده کردم، برای علامتگذاری خانه های امن و غیر امن از شیوه دیگه ای بهره می بریم. به این ترتیب که اقطار راست به چپ، چپ به راست و ستونها با شماره هایی مشخص می شن که کار علامتگذاری رو بسیار ساده می کنن. این روش بدون شک از کاراترین روشهای رسیدن به جواب مساله ماست. هم سرعت اجرای بالایی داره و هم حافظه مصرفی بسیار کم!

کدی که به زبان ++C درباره این مساله نوشته شده با استفاده از روش سوم تعداد جوابهای ممکن – و نه خود جوابها – برای مقادیر مختلف n رو مشخص می کنه. به عنوان مثال اگر n رو 8 وارد کنید خروجی برنامه 92 خواهد بود. توصیه می کنم برای nهای بزرگ برنامه رو امتحان نکنید! اگر n رو 16 وارد کنید بعد از گذشتن زمان زیادی عدد 14772512 روی صفحه نمایش چاپ می شه. یعنی در صفحه شطرنج 16 در 16 حدود ۱۵ میلیون حالت مختلف برای چیدمان صحیح وجود داره!!

دانلود تحقیق مقایسه و بررسی دو الگوریتم در بهره وری انرژی در شبکه های حسگر بی سیم

اختصاصی از یارا فایل دانلود تحقیق مقایسه و بررسی دو الگوریتم در بهره وری انرژی در شبکه های حسگر بی سیم دانلود با لینک مستقیم و پر سرعت .

الگوریتم ها :
انرژی مؤثر روزمره در شبکه های حساس بی سیم از بین دسته متعادل شده
استفان. ای. نیکلاس دایکس، دانیسیس کاندریس، دیمتریس دی. ورزگادز و کریستو دالی گرز
خلاصه: استفاده از شبکه های حساس بی سیم   توسط فشارهای انرژی محدود شده نودهای حساس اشخاص مسدود شده اند. این به خاطر این است که بخشی از تحقیق در WSNP بررسی رشد انرژی مؤثر روزمره پروتکل ها تمرکز می کند. در این مقاله یک پروتکل جدید حفظ انرژی را از دسته متعادل شده دنبال می کند. مدلهای ECHERP شبکه ای است که به عنوان یک سیستم طولانی با استفاده از حذف الگوریتم گاسین عمل می کند و ترکیبی از نودها که می تواند به عنوان یک دسته برای توسعه طول عمر شبکه انتخاب
 شده است محاسبه می گردد.
اجرای ارزیابی ECHERP از میان تستهای شبیه سازی انجام می شود که مدرکی برای مؤثر بودن پروتکل در انرژی مؤثر شبکه زمانی که با دیگر پروتکل های شناخته شده مقایسه می گردند است.
کلمات کلیدی:  ، انرژی کارآمد، سلسله مراتب، حذف گاسین
1- مقدمه
پیشرفت های اختر تکنولوژی تولید انبوه نودهای گران قیمت حساس را مقدور می سازد علیرغم اندوه نسبتاً کوچکشان قابلیت پردازش و ارتباطات پیشرفته ای را دارند. WSN شامل نودهای حساس توزیع شده می باشد بدون استفاده از سیم به هم وصل شده است. در یک WSN نودهای حساس محیط را حس می کنند و از عناصر ارتباطی شان برای انتقال داده های حسی از کاناهای بی سیم به نودهای دیگر استفاده می کنند. BS داده های انتقال شده را جمع آوری می کند تا پردازش گر ناظر کنترل عمل کند و یا به عنوان نقطه دسترسی به دخالت انسان در آن یا حتی به عنوان یک دروازه برای شبکه های دیگر می باشد. امروزه   به خاطر مزایای بی شمارش که استفاده های زیادی را در پی داشته است از رشد متنوع کاربردهای آن حمایت شده است. بنابراین علیرغم مزایی که استفاده از   پیشنهاد می دهد استفاده از آن توسط محدودیتهای انرژی به شده با سنسورها محدود گردیده است.
اکثر پروتکل ها برای بهبود انرژی مؤثر در بسته ها استفاده می کنند به خاطر این است طول عمر شبکه را زیاد کنند. هر بسته بک نود را به عنوان راس بسته (CH) انتخاب می کند و سپس نود در هر بسته داده هایش را به سر بسته خودشان ارسال می کنند. سه دسته داده هایش را به ایستگاه پایه می فرستند. این مقاله به شرح ذیل سازمان دهی شده است: در بخش 2 کار مرتبط با پروتکل های انرژی مؤثر ارائه شده است.
در بخش 3 پروتکل پیشنهاد شده مدلهای شبکه را به عنوان سیستم طولی با استفاده از محذف گاسین به خاطر انتخاب سر دسته معرفی می کند تا مصرف انرژی را در دسته به حداقل برساند. در بخش 4 اجرای پروتکل پیشنهاد شده مورد ارزیابی قرار گرفته است. در بخش 5 نتایج به شرح زیر آمده است.
2- کار ارتباط یافته
تحقیق قابل ملاحظه ای وجود دارد که تلاش می کند پروتکل عمومی   را توسعه دهد. توسعه این پروتکل ها براساس کاربرد خاص نیازها و مهندسی ساخت شبکه می باشد. بنابراین چندین عامل وجود دارد که در این رسیدگی ها اتفاق می افتد زمانی که پروتکل های معمولی در   در حال رشد هستند. انرژی مؤثر از مهمترین نکته از میان این عوامل به شمار می رود و از آنجایی که به طور مستقیم برروی طول عمر شبکه تأثیر می گذارد. عملکرد LEACH شامل دو دوره است.
- تشکیل دوره: در تشکیل دوره دسته ها سازمان دهی می شوند و سه دسته هرکدام انتخاب می شود. در هر چرخه یک الگوریتم اتفاقی توسط هر نود برای تعیین اینکه سه دسته شده است مورد استفاده قرار می گیرد اگر یک نود یکبار سه دسه شود نمی تواند در چرخه P دوباره سه دسته شود P میانگین سه دسته ها می باشد.
- دوره حالت ثابت: در دوره حالت ثابت داده ها به ایستگاه پایه ارسال می شوند در طول دوره حالت ثابت که طولانی تر از دوره تشکیل می باشد. در LEACH یک نود با استفاده از یک مکانیسم اتفاقی سه دسته می شود. این به تولید نامتعادل سطح انرژی در نودها متمایل می شود و بنابراین انرژی کل را در شبکه افزایش می دهد در PE GA-SIS انتخاب سه دسته با توجه به نودهای انرژی که در موقعیت ایستگاه پایه نیستند اتفاق می افتد.
PE GASIS در ومقایسه با LEACH بهتر عمل می کند اما نودهای به زنجیره ها گروه بندی شده اند باعث می شوند تا داده های زیادی را انتقال دهند. معماری حساس شبکه در TEEN براساس گروه بنذی سلسله مراتبی می باشد نودهای بسته در دسته ها با سطوح بالاتر داده ها را از نودهای دیگر که بیشتر دور هستند انتقال می دهند فرآیندی که در سطح دیگر ادامه دارد. مهمترین مزیت TEEN این است که در شرایط خوبی که تغییرات ناگهانی اتفاق می افتد کار می کند. به عبارت دیگر حوزه شبکه های بزرگتر زمانی که مقدار لایه های طبقاتی کوچک هستند TEEN مقادیر قابل توجهی انرژی را مصرف می کنند و به خاطر اینکه فاصله انتقال طولانی باشد. علاوه براین زمانیکه تعداد لایه ها افزایش یابد انتقال کوتاه تر می شود و در بالا دوره تشکیل قابل توجهی وجود دارد به محض اینکه شبکه وارد عمل شود. این پروتکل یک نود را با بالاترین حجم انرژی به عنوان سردسته انتخاب می کنند زیاد کردن طول عمر سر دسته (ELCH) پروتکل معمولی شکل وخاص به خود و ویژگی های اتفاقی معمولی را دارد. انرژی مؤثر شکل پروتکل دسته نودهایی را با انرژی بالاتری انتخاب می کند و آنها را در هر چرخه با فاصله قرار می دهد و بین مصرف انرژی تعادل برقرار می کند و انرژی مصرفی برای تشکیل دسته را به حداقل می رساند. بنابراین انتخاب یک نود با بالاترین انرژی به عنوان سر دسته هر چرخه ممکن است باعث شود تا نودهای دیگر انرژی بیشتری برای فرستادن داده ها به این ند را مصرف کنند. انتخاب ونود این امکان را برای نودهای دیگر بوجود می آورد تا در دسته انرژی کمتری را که بهترین راه حل است صرف کنند. این دلیلی است که در آن مایک پروتکل را پیشنهاد می کنیم که نودهای سر دسته را برای به حداقل رساندن کل انرژی مصرفی در دسته انتخاب کنند.

شامل 17 صفحه Word

الگوریتم دایجسترا با سی شارپ

اختصاصی از یارا فایل الگوریتم دایجسترا با سی شارپ دانلود با لینک مستقیم و پر سرعت .

الگوریتم دایجسترا با سی شارپ

دانلود مقاله کامل درباره تحلیل الگوریتم شاخه و قید موازی آسنکرون

اختصاصی از یارا فایل دانلود مقاله کامل درباره تحلیل الگوریتم شاخه و قید موازی آسنکرون دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل: Word (قابل ویرایش و آماده پرینت)

تعداد صفحه :51

بخشی از متن مقاله

تحلیل الگوریتم شاخه و قید موازی آسنکرون

1- خلاصه:

در این مقاله توضیحی درباره کامپیوترهای موازی می‌دهیم و بعد الگوریتمهای موازی را بررسی می‌کنیم. ویژگیهای الگوریتم branch & bound را بیان می‌کنیم و الگوریتمهای b&b موازی را ارائه می‌دهیم و دسته‌ای از الگوریتمهای b&b آسنکرون برای اجرا روی سیستم MIMD را توسعه می‌دهیم. سپس این الگوریتم را که توسط عناصر پردازشی ناهمگن اجرا شده است بررسی می‌کنیم.

نمادهای perfect parallel و achieved effiency را که بطور تجربی معیار مناسبی برای موازی‌سازی است معرفی می‌کنیم زیرا نمادهای قبلی speed up (تسریع) و efficiency (کارایی) توانایی کامل را برای اجرای واقعی الگوریتم موازی آسنکرون نداشتند. و نیز شرایی را فراهم کردیم که از آنومالیهایی که به جهت موازی‌سازی و آسنکرون بودن و یا عدم قطعیت باعث کاهش کارایی الگوریتم شده بود، جلوگیری کند.

2- معرفی:

همیشه نیاز به کامپیوترهای قدرتمند وجود داشته است. در مدل سنتی محاسبات، یک عنصر پردازشی منحصر تمام taskها را بصورت خطی (Seqventia) انجام میدهد. به جهت اجرای یک دستورالعمل داده بایستی از محل یک کامپیوتر به محل دیگری منتقل می‌شد، لذا نیاز هب کامپیوترهای قدرتمند اهمیت روز افزون پیدا کرد. یک مدل جدید از محاسبات توسعه داده شد، که در این مدل جدید چندین عنصر پردازشی در اجرای یک task واحد با هم همکاری می‌کنند. ایده اصل این مدل بر اساس تقسیم یک task به subtask‌های مستقل از یکدیگر است که می‌توانند هر کدام بصورت parallel (موازی) اجرا شوند. این نوع از کامپیوتر را کامپیوتر موازی گویند.

تا زمانیکه این امکان وجود داشته باشد که یک task را به زیر taskهایی تقسیم کنیم که اندازه بزرگترین زیر task همچنان به گونه‌ای باشد که باز هم بتوان آنرا کاهش داد و البته تا زمانیکه عناصر پردازشی کافی برای اجرای این sub task ها بطور موازی وجود داشته باشد، قدرت محاسبه یک کامپیوتر موازی نامحدود است. اما در عمل این دو شرط بطور کامل برقرار نمی‌شوند:

اولاً: این امکان وجود ندارد که هر taskی را بطور دلخواه به تعدادی زیر task‌های مستقل تقسیم کنیم. چون همواره تعدادی زیر task های وابسته وجود دارد که بایستی بطور خطی اجرا شوند. از اینرو زمان مورد نیاز برای اجرای یک task بطور موازی یک حد پایین دارد.

دوماً: هر کامپیوتر موازی که عملاً ساخته می‌شود شامل تعداد معینی عناصر پردازشی (Processing element) است. به محض آنکه تعداد taskها فراتر از تعداد عناصر پردازشی برود، بعضی از sub task ها بایستی بصورت خطی اجرا شوند و بعنوان یک فاکتور ثابت در تسریع کامپیوتر موازی تصور می‌شود.

الگوریتمهای B&B مسائل بهینه سازی گسسته را به روش تقسیم فضای حالت حل می‌کنند. در تمام این مقاله فرض بر این است که تمام مسائل بهینه سازی مسائل می‌نیمم کردن هستند و منظور از حل یک مسئله پیدا کردن یک حل ممکن با مقدار می‌نیمم است. اگر چندین حل وجود داشته باشد، مهم نیست کدامیک از آنها پیدا شده.

الگوریتم B&B یک مسئله را به زیر مسئله‌های کوچکتر بوسیله تقسیم فضای حالت به زیر فضاهای (Subspace) کوچکتر، تجزیه می‌کند. هر زیر مسئله تولید شده یا حل است و یا ثابت می‌شود که به حل بهینه برای مسئله اصلی (Original) نمی‌انجامد و حذف می‌شود. اگر برای یک زیر مسئله هیچ کدام از این دو امکان بلافاصله استنباط نشود، آن زیر مسئله به زیرمسئله‌های کوچکتر دوباره تجزیه می‌شود. این پروسه آنقدر ادامه پیدا می‌کند تا تمام زیر مسئله‌های تولید شده یا حل شوند یا حذف شوند.

در الگوریتمهای B&B کار انجام شده در حین اجرا به شدت تحت تاثیر نمونه مسئله خاص قرار می‌گیرد. بدون انجام دادن اجرای واقعی الگوریتم این امکان وجود ندارد که تخمین درستی از کار انجام شده بدست آورد. علاوه برآن، روشی که کار باید سازمان‌دهی شود بر روی کار انجام شده تاثیر می‌گذارد. هر گامی که در اجرای الگوریتم b&b ی موازی بطور موفقیت‌آمیزی انجام می‌شود و البته به دانشی است که تاکنون بدست آورده. لذا استفاده از استراتژی جستجوی متفاوت یا انشعاب دادن چندین زیر مسئله بطور موازی باعث بدست آمدن دانشی متفاوت می‌شود پس می‌توان با ترتیب متفاوتی زیر مسئله‌ها را انشعاب داد.

دقت کنید که در یک بدل محاسبه خطی افزایش قدرت محاسبه فقط بر روی تسریع الگوریتم اثر می‌کند وگرنه کار انجام شده همچنان یکسان است.

با این حال اگر قدرت محاسبه یک کامپیوتر موازی با اضافه کردن عناصر پردازشی اضافه افزایش پیدا کند. اجرای الگوریتم b&b بطور آشکاری تغییر می‌کند (به عبارت دیگر ترتیبی که در آن زیر برنامه‌ها انشعاب پیدا می‌کنند تغییر می‌کند). بنابراین حل مسائل بهینه‌سازی گسسته سرسع بوسیله یک کامپیوتر موازی نه تنها باعث افزایش قدرت محاسبه کامپیوتر موازی شده است بلکه باعث گسترش الگوریتمهای موازی نیز گشته است.

3- کامپیوترهای موازی (Parallel computers):

یکی از مدلهای اصلی محاسبات Control drivenmodel است، در این مدل کاربر باید صریحاً ترتیب انجام عملیات را مشخص کند و آن دسته از عملیاتی که باید به طور موازی اجرا شوند را تعیین کند. این مدل مستقل از عناصر پردازش به صورت زیر تقسیم‌بندی می‌شود:

- کامپیوترهای SISD، که یک عنصر پردازشی وجود دارد و توان انجام فقط یک عمل را در یک زمان دارد.

- کامپیوترهای MIMD، دارای چندین عنصر پردازشی هستند که بطور موازی دستورالعمل‌های متفاوت را روی دیتاهای متفاوت انجام می‌دهند.

- کامپیوترهای SIMD، همه عناصر پردازشی‌شان یک دستور یکسان را در یک زمان بر روی داده‌های متفاوتی انجام می‌دهند. اگر چه امکان پنهان کردن عناصر پردازشی وجود دارد. عنصر پردازشی پنهان شده نتیجه عملی را که انجام داده ذخیره نمی‌کند.

سیستمهای SIMD بر اساس نحوه ارتباط و اتصال عناصر پردازشی به یکدیگر خود به بخشهایی تقسیم می‌شوند: اگر تمام عناصر پردازشی به یکدیگر متصل باشند و از طریق یک حافظه مشترک ارتباط داشته باشند، به آن tightly coupled system گویند.

و اگر عناصر پردازش حافظه مشترک نداشته باشند اما از طریق شبکه‌ای بهم متصل باشند و بروش message passing با هم ارتباط داشته باشند، به آن loosely coupled system گویند.

حافظه مشترک در tightly coupled system ها هم نقطه قوت و هم نقطه ضعف این سیستمها است. امکان به اشتراک گذاشتن راحت و سریع اطلاعات بین عناصر پردازشی مختلف را فراهم می‌کند. ارتباط به عملیات ساده read و wite روی حافظه مشترک خلاصه می‌شود و هر عنصر پردازشی مستقیماً با دیگر عناصر پردازشی ارتباط برقرار می‌کند. با این حال، اگر تعداد عناصر پردازشی متصل به حافظه مشترک افزایش یابد، حافظه مشترک تبدیل به گلوگاه (Bottleneck) می‌شود.

بنابراین تعداد عناصر پردازشی در یک سیستم tightly coupled محدود است. به جهت اینکه تمام عناصر پردازشی بایستی به ان حافظه مشترک متصل باشند، این سیستمها بصورت کامل از پیش ساخته هستند و امکان اضافه کردن عناصر پردازش به سیستم وجود ندارد.

از طرف دیگر، ارتباط در یک سیستم loosely coupled کند و آهسته است. تبادل پیامها نیاز به زمانی بیش از زمان لازم برای نوشتن یا خواندن از یک حافظه مشترک دارد. این امکان هم وجود دارد که یک عنصر پردازش مستقیماً به عنصر پردازش دیگر که قصد ارتباط دارد متصل نباشد.

در مقابل compactness بودن سیستمهای tightly coupled ، عناصر پردازشی در یک سیستم loosely coupled می‌توانند در تمام نقاط توزیع شوند. لذا فاصله فیزیکی که یک پیام باید طی کند، بیشتر می‌شود. به جهت این حقیقت که عناصر پردازشی برای ارتباط در یک شبکه از یک پروتکل استفاده می‌کنند، lossely coupled system می‌توانند شامل انواع مختلفی از عناصر پردازشی باشند. امکان اضافه کردن عناصر پردازشی اضافه‌تری به سیستم وجود دارد. در حالت کلی عناصر پردازشی خودشان یک کامپیوتر کاملی هستند.

مثالی از سیستمهای loosely coupled، Distributed Processing utilities Package است که بعداُ به تفضیل درباره آنها توضیح می‌دهیم.

*** متن کامل را می توانید بعد از پرداخت آنلاین ، آنی دانلود نمائید، چون فقط تکه هایی از متن به صورت نمونه در این صفحه درج شده است ***

الگوریتم بهینه سازی PSOبرای حل مسئله بهینه سازی چند هدفه بهره برداری از مخزن

اختصاصی از یارا فایل الگوریتم بهینه سازی PSOبرای حل مسئله بهینه سازی چند هدفه بهره برداری از مخزن دانلود با لینک مستقیم و پر سرعت .

الگوریتم بهینه سازی  PSOبرای حل مسئله بهینه سازی چند هدفه بهره برداری از مخزن.

فایل ورد قابل ویرایش 

3000تومان 

چکیده

بهره برداری از مخازن سدها همواره از مسائلی بوده است که بهینه کردن توابع هدف متضاد در آن‌ها مد نظر بوده است. کاربرد روش‌های تکاملی در بهینه‌سازی بهره برداری از سدها در دو دهه اخیر مورد توجه بسیاری از محققین قرار گرفته است. از روش‌های نوین در این دسته، روش بهینه‌سازی دسته ذرات[1] است که تاکنون بیشتر برای حل مسائل تک هدفه مورد استفاده قرار گرفته است. در این مقاله سعی شده است تا با استفاده از رویکردی نوین، الگوریتم بهینه سازی  PSOبرای حل مسئله بهینه سازی چند هدفه بهره برداری از مخزن مورد استفاده قرار گیرد. لزوم یافتن جواب‌های غیر پست با تنوع بالا و یافتن بهینه فراگیر مناسب برای دسته ذرات در الگوریتم چندگانه PSO از جمله مواردی هستند که در این تحقیق مورد بحث و بررسی قرار گرفته‌اند.

هم اکنون کار روی توسعه سیستم‌های هوشمند با الهام از طبیعت از زمینه‌های خیلی پرطرفدار هوش مصنوعی است. الگوریتم‌های ژنتیک که با استفاده از ایده تکاملی داروین و انتخاب طبیعی مطرح شده ،روش بسیار خوبی برای یافتن مسائل بهینه سازی است. ایده تکاملی داروینی بیانگر این مطلب است که هر نسل نسبت به نسل قبل دارای تکامل است و آنچه در طبیعت رخ می‌دهد حاصل میلیون‌ها سال تکامل نسل به نسل موجوداتی مثل مورچه است. الگوریتم کلونی مورچه برای اولین بار توسط دوریگو و همکارانش به عنوان یک راه حل چند عامله[2] برای مسائل مشکل بهینه سازی مثل فروشنده دوره گرد[3] ارائه شد.

فهرست مطالب

1-1مقدمه .................................................................................................................................................................. 1

1-2الگوریتم‌های بهینه سازی .................................................................................................................................2

1-2-1الگوریتم تپه نوردی ......................................................................................................................................2

1-2-2بررسی الگوریتم تپه نوردی.........................................................................................................................2

1-2-3الگوریتم ...............................................................................................................................................2

1-3مسئله n وزیر ......................................................................................................................................................3

1-4الگوریتم‌های بهینه سازی مشابه .....................................................................................................................3

1-5الگوریتم تقسیم و حل .......................................................................................................................................3

1-5-1مثال‌های قدیمی..............................................................................................................................................4

1-5-2دسترسی به حافظه........................................................................................................................................5

1-6الگوریتم حریصانه ...............................................................................................................................................6

1-7 روش پنالتی ........................................................................................................................................................7

1-8 هوش ازدحامی ....................................................................................................................................................7

1-8-1روش‌های هوش ازدحامی .............................................................................................................................8

1-8-2جذابیت هوش ازدحامی در فناوری اطلاعات ...........................................................................................9

1-8-3اهداف................................................................................................................................................................9

1-9 بهینه سازی کلونی مورچه‌ها............................................................................................................................9

1-9-1الگوریتم..........................................................................................................................................................11

1-9-2روش‌های مرتبط...........................................................................................................................................12

1-10 الگوریتم PSO ..............................................................................................................................................12

منابع ...........................................................................................................................................................................25

فهرست اشکال و تصاویر

شکل1-3 مسالهn وزیر ................................................................................................................................................4

شکل1-9 الگوریتم کلونی مورچه‌ها ......................................................................................................................10

شکل2-9مراحل مسیریابی توسط مورچه‌ها.........................................................................................................10

شکل4-9 مراحل گراف...............................................................................................................................................11

شکل10-1 پیدا کردن بهترین مسیر توسط swarm ها ....................................................................................14

شکل 10-2 نمای برنامه DYNAMIC-FINAL-PROJECT.m....................................................................18

شکل 10-3 اجرای برنامه DYNAMIC-FINAL-PROJECT.m..................................................................18

شکل 10-4 نمای برنامه DYNAMIC-FINAL-PROJECT.m....................................................................19

شکل 10-5 نمای برنامه DYNAMIC-FINAL-PROJECT.m ...................................................................20

شکل10-6 نمای برنامه DYNAMIC-FINAL-PROJECT.m .....................................................................22

شکل 10-7 نمای برنامه DYNAMIC-FINAL-PROJECT.m ...................................................................22

شکل 10-8 شکل فرم تابع با تغییر wها(local maximizeزیاد)...............................................................23

شکل 9-10 شکل فرم تابع با تغییر wها(local maximizeزیاد)...............................................................24

شکل 10-10 اجرای تابع با تغییر wها(local maximizeزیاد)...................................................................24

شکل 10-11 نمای DynamicPSO_With_OneDetectionChanged_with_localmini ma................25

[1] -Particle Swarm Optimization (PSO)

[2] -Multi Agent

[3] -Traveling Salesman Problem(TSP)