پروژه متلب

بهینه سازی تابع ترید با استفاده از الگوریتم تبرید

در این ساعت از مطلب دی ال پروژه ای دیگر برای شما کاربران عزیز آماده کرده ایم تحت عنوان بهینه سازی تابع ترید با استفاده از الگوریتم تبرید ، در ادامه توضیحات این پروژه به همراه لینک دانلود آن آورده شده است.

مقدمه :

امروزه روش‌های متنوعی برای حل مسائل بهینه سازی و یافتن مقدار بهنیه وجود دارد. یکی از روش‌های قوی و کارا الگوریتم‌های تکامل می‌باشد. این الگوریتم‌ها بدون درگیر شدن با ذات مساله، مساله مورد نظر را بهینه می‌کنند که مزیت و برتری برای این روش‌ها محسوب می‌گردد.

هدف از انجام این پروژه پیدا کردن کمینه تابع ترید با استفاده از الگوریتم شبیه سازی ذوب فلزات می‌باشد. برای این کار برنامه‌ی الگوریتم شبیه سازی ذوب فلزات را در نرم‎افزار متلب پیاده سازی کرده و با استفاده از این کد و تعریف تابع هدف مناسب مقدار کمینه این تابع را پیدا می‎‌نماییم. 

برای این کار لازم است تابع هدف مناسب تعریف گردد و پارامترهای الگوریتم شبیه سازی ذوب فلزات نیز تعیین گردند.

تابع ترید:

تابع ترید یک تابع جهت ارزیابی الگوریتم‌های بهینه سازی می‌باشد. و فرم ریاضی آن به صورت رابطه شماره ۱ می‌باشد.

تابع ترید

تابع ترید

این یک تابع d بعدی می‌باشد. که ورودی آن یک بردار d بعدی می‌باشد. که در مرحله روی دو مقدار این بردار کار می‌کند. این تابع دارای بهینه های محلی نمی‌باشد اما دارای یک بهینه سراسری می باشد. و فضای جست‌وجوی آن یک فوق مکعب در محدوده‌ی بازه زیر می‌باشد:

تابع ترید

الگوریتم شبیه سازی ذوب فلزات(SA)

SA مخفف Simulated Annealing به معنای شبیه سازی گداخت یا شبیه سازی حرارتی می‌باشد که برای آن از عبارات شبیه سازی بازپخت فلزات، شبیه سازی آب دادن فولاد و الگوریتم تبرید نیز استفاده شده است. برخی مسائل بهینه سازی صنعتی در ابعاد واقعی غالباً پیچیده و بزرگ می‌باشند.

بنابراین روش‌های حل سنتی و استاندارد، کارایی لازم را نداشته و عموماً مستلزم صرف زمان‌های محاسباتی طولانی هستند. خوشبختانه، با پیشرفت فن‌آوری کامپیوتر و ارتقا قابلیت‌های محاسباتی، امروزه استفاده از روش‌های ابتکاری و جستجوگرهای هوشمند کاملاً متداول گردیده است.

یکی از این روش‌ها SA است. SA شباهت دارد با حرارت دادن جامدات. این ایده ابتدا توسط شخصی که در صنعت نشر فعالیت داشت به نام متروپلیس در سال ۱۹۵۳ بیان شد.

وی تشبیه کرد کاغذ را به ماده‌ای که از سرد کردن مواد بعد از حرارت دادن آنها بدست می‌آید. اگر یک جامد را حرارت دهیم و دمای آن را به نقطه ذوب برسانیم سپس آن را سرد کنیم جزئیات ساختمانی آن به روش و نحوه سرد کردن آن وابسته می‌شود. اگر آن جامد را به آرامی سرد کنیم کریستال های بزرگی خواهیم داشت که می‌توانند آن طور که ما می‌خواهیم فرم بگیرند ولی اگر سریع سرد کنیم آنچه که می‌خواهیم بدست نمی‌آید.

الگوریتم متروپلیس شبیه سازی شده بود از فرآیند سرد شدن مواد به وسیله کاهش آهسته دمای سیستم (ماده) تا زمانی که به یک حالت ثابت منجمد تبدیل شود.

این روش با ایجاد و ارزیابی جواب های متوالی به صورت گام به گام به سمت جواب بهینه حرکت می‌کند. برای حرکت، یک همسایگی جدید به صورت تصادفی ایجاد و ارزیابی می‌شود.

در این روش به بررسی نقاط نزدیک نقطه داده شده در فضای جستجو می‌پردازیم. در صورتی که نقطه جدید، نقطه بهتری باشد (تابع هزینه را کاهش دهد) به عنوان نقطه جدید در فضای جستجو انتخاب می‌شود و اگر بدتر باشد (تابع هزینه را افزایش دهد) براساس یک تابع احتمالی باز هم انتخاب می‌شود.

به عبارت ساده‌تر، برای کمینه سازی تابع هزینه، جستجو همیشه در جهت کمتر شدن مقدار تابع هزینه صورت می‌گیرد، اما این امکان وجود دارد که گاه حرکت در جهت افزایش تابع هزینه باشد.

بهینه‌سازی تابع ترید با استفاده از الگوریتم SA

برنامه SA را نوشته و تابع هدف متناسب با تابع ترید را تعریف می‌نماییم. همانگونه که بیان شد در این تحقیق مطالعه روی پارامترهای اندازه جمعیت، دمای اولیه، نرخ جهش و تعداد همسایه ها صورت می‌گیرد.

 


قیمت پروژه : ۵۰,۰۰۰ تومان

شماره پشتیبانی : ۰۹۳۷۹۸۴۰۱۶۵

 


حجم : ۲٫۳۴ مگابایت
منبع : مطلب دی ال
رمز فایل : www.matlabdl.com


0 پاسخ

دیدگاه خود را ثبت کنید

Want to join the discussion?
Feel free to contribute!

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *