کاربرد الگوریتم فراابتکاری بهینه سازی ازدحام ذرات در حل مسئله زمان بندی پروژه با منابع محدود

نوع فایل :PDF

تعداد صفحات :16

سال انتشار :1394

چکیده

در این مقاله یک الگوریتم بهینه سازی فراابتکاری در حل مسئله زمان بندی پروژه با منابع محدود با استفاده از الگوریتم PSO تغییریافته پیشنهاد شده است. روش پیشنهادی با استفاده از زمانبندی کارامد امکان اجرای سریع کارها رابر روی پروزهبا منابع محدود را فراهم می کند. همچنین این روش می تواند تعداد کارهای تاخیر دار را کاهش داده و زمان اجرای کل کاهش می یابد. الگوریتم پیشنهادی با الگوریتم های ابتکاری دیگار بر رو ی مجموعه داده ها ی استاندارد Kacem و Brandimarte مقایسه شده و کارایی آن با الگوریتم های دیگر مورد بررسی قرار گرفت . نتایج تجربی نشان داد الگوریتم پیشنهادی نسبت به الگوریتم های ابتکاری دیگر دارای عملکرد بهتری است و در زمان کمتری به راه حل بهینه دست می یابد.

واژگان کلیدی

الگوریتم بهینه سازی فراابتکاری، PSO تغییریافته، زمان بندی پروژه با منابع محدود

بررسی روش اصلاح میدان بایاس و بخش بندی همزمان در الگوریتم تنظیم سطح و محاسبه حجم نواحی بافت های بخش بندی شده در تصاویر MR مغزی

نوع فایل:PDF

تعداد صفحات :10

سال انتشار : 1395

چکیده

امروزه به دلیل وجود ناهمگنی های شدت در تصاویر MR واقعی، انجام عملیات اصلاح میدان بایاس و بخش بندی به صورت همزمان تبدیل به یکی از زمینه های تحقیقاتی مهم در زمینه پردازش تصاویر فوق شده است. تلاش های زیادی درجهت حل این مساله صورت گرفته، با این وجود الگوریتم های بسیار کمی وجود دارد که قادر به اصلاح میدان بایاس و بخش بندی به صورت همزمان هستند. اغلب الگوریتم های ارایه شده دارای یک روال جداگانه برای تخمین و اصلاح میدان بایاس بوده و یک روال جداگانه نیز برای بخش بندی تصاویر فوق دارند که به لحاظ محاسبات و زمان هزینه بر بوده و اغلب دچار خطا می شوند. در این مقاله روشی بر مبنای الگوریتم تنظیم سطح ارایه می شود که قادر است تا به صورت همزمان عملیات اصلاح میدان بایاس و بخش بندی را در حالت خودکار انجام دهد. هدف استفاده از این الگوریتم بخش بندی دقیق نواحی بافت های سه گانه مغزی یا GM ، WM و CSF بوده و همچنین به دست آوردن حجم هرچه دقیق تر هر ناحیه به صورت جدامی باشد. تحلیل های کمی و کیفی بر روی نتایج حاصل از این الگوریتم که توسط شاخص های ژاکارد، دایس و دقت کلاس بندی انجام شد، مقادیر بالای 9/ را برای هر سه شاخص فوق و نواحی سه گانه بافت های مغزی را نشان دادند که دقت بخش بندی بالای الگوریتم را نشان می دهد.

واژگان کلیدی

الگوریتم تنظیم سطح، اصلاح میدان بایاس، ناهمگنی شدت، بخش بندی تصاویر ام. ارمغزی،تصاویر تشدید مغناطیسی

مدیریت منابع پویا در رایانش ابری با الگوریتم ژنتیک پرندگان

نوع فایل :PDF

تعداد صفحات :11

سال انتشار :1395

چکیده

رایانش ابری مدل رایانشی بر پایه شبکه های بزرگ کامپیوتری مانند اینترنت است ک الگویی تازه برای عرضه مصرف و تحویل سرویس های فناوری اطلاعات با به کارگیری اینترنت ارائه می کند و راهکارهایی مشابه با صنایع همگانی مانند )اب برق و ...(پیشنهاد می کند. هدف اصلی این مقاله، ارایه روشی مناسب برای مدیریت منابع در رایانش ابری میباشد که یکی از چالش های اصلی در فناوری رایانش ابری، مدیریت و تخصیص مناسب منابع به مصرفکنندگان میباشد در این مقاله در مورد رایانش ابری و مدیریت منابع و روش های تخصیص منابع پویا و الگوریتم ژنتیک پرندگان به تفصیل بحث خواهیم کرد

واژگان کلیدی

رایانش ابری ،مدیریت و تخصیص منابع ،الگوریتم ژنتیک پرندگان

دانلود تحقیق الگوریتم های تخصیص داده پویا در سیستم های پایگاه داده توزیعی+ پاورپوینت

این تحقیق بصورت Word و با موضوع الگوریتم های تخصیص داده پویا در سیستم های پایگاه داده توزیعی انجام گرفته است.تحقیق برای مهندسی کامپیوتر و IT مناسب است و در 24 برگه می باشد. می توانید این تحقیق را بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.

شایان ذکر است که این فایل شامل PowerPoint (پاورپوینت) با 27 اسلاید نیز می باشد.

پیشرفت در تکنولوژی های شبکه و پایگاه داده در دهه های اخیر منجر به ایجاد سیستم های پایگاه داده توزیع شده گشته است .یک سیستم پایگاه داده توزیع شده مجموعه ای از سایتها می باشد که از طریق شبکه به هم متصل شده اند که هر کدام از سایت ها پایگاه داده مخصوص به خود دارد اما می توانند با یکدیگر کار کنند بنابراین هر کاربری در هر سایتی می تواند به همه داده های موجود در شبکه دسترسی داشته باشد درست مانند اینکه همه داده ها در سایت کاربر ذخیره شده است .

دغدغه اصلی سیستم های پایگاه داده توزیع شده قطعه قطعه کردن و تخصیص پایگاه داده اصلی می‍باشد واحد قطعه داده می تواند یک فایل باشد که در این حالت موضوع تخصیص همان تخصیص فایل خواهد بود مشکل تخصیص داده یک مسئله NP-complete می باشد بنابراین نیاز به هیوریستیکهای سریع برای تولید راه حل های موثر می باشد علاوه بر اینها تخصیص بهینه اشیا پایگاه داده به طور شدید بستگی به استراتژی اجرای پرس وجو که به وسیله پایگاه داده توزیع شده پیاده سازی شده دارد .

هزینه اصلی در اجرای پرس و جو در سیستم های پایگاه داده توزیع شده هزینه انتقال داده هنگام انتقال یک رابطه در موقع درخواست پرس و جو از یک سایت و انتقال آن از یک سایت متفاوت می باشد . هدف اصلی الگوریتم های تخصیص داده تعیین نسبت دادن فرگمنتها به سایتهای مختلف برای کمینه کردن هزینه انتقال داده در اجرای یک مجموعه از پرس و جو ها می باشد که معادل کمینه کردن زمان متوسط اجرای پرس و جو می باشد که اهمیت اصلی در محیط های توزیع شده و پایگاه داده چند رسانه ای دارد . 

فهرست مطالب

1. مقدمه. 1

2. الگوریتم های استاتیک... 2

3. الگوریتم ژنتیک... 3

4. الگوریتم Simulated Evolution. 4

5. هیوریستیک نگاشت... 5

6. الگوریتم MFA.. 5

7. الگوریتم تخصیص داده جستجوی تصادفی همسایگی.. 7

8. الگوریتم تخصیص پویا8

9. الگوریتم شمارنده ساده. 8

10. الگوریتم Load Sensitive counter10

11. الگوریتم Incremental10

12. الگوریتم Threshold. 12

13. الگوریتمNear Neighborhood Allocation با حد آستانه نسبی.. 16

14. الگوریتم Revise Relative Threshold Near Neighborhood Allocation. 18

15. آزمایش ها و تجربه ها18

منابع.. 21

الگوریتم تکاملی در حوزه رفتاری هوش مصنوعی

نوع فایل:PDF

تعداد صفحات :9

سال انتشار : 1395

چکیده

هوش مصنوعی از مهم ترین حوزه های پژوهشی در سال های اخیر بوده است، که با الگوریتم های گوناگونی کار کرده و پایه ریزی شده است. این الگوریتم های در جهت بهینه سازی برنامه های هوش مصنوعی طراحی و به کار گرفته شده اند. الگوریتم های گونا گونی با شیوه های رفتاری گوناگونی برای توسعه هوش مصنوعی به در حال کار می باشد که هرکدام دارای مزایا و معایبی است. یکی از مهم ترین الگوریتم های استفاده شده در هوش مصنوعی مجموعه الگوریتم های تکاملی است که در جای خود دارای گستره زیادی است. در این مقاله به بررسی و کاربردهای الگوریتم های تکاملی در هوش مصنوعی خواهیم پرداخت و نمونه های از آن را ذکر خواهیم کرد.

واژگان کلیدی

الگوریتم تکاملی، هوش مصنوعی، حوزه رفتاری