پروژه الگوریتم بهینه سازی هوشمند تکاملی به روش ازدحام ذرات (Partial Swarm Optimization) با استفاده از نرم افزار فرترن

انتخاب الگوریتم مناسب بهینه سازی یکی از موارد مهم در بهینه سازی در نرم افزار فرترن ( FORTRAN ) است که بستگی به طبیعت مسأله و مشخصات فضای طراحی دارد. انتخاب الگوریتم بهینه سازی در بهینه سازی مسائل مهندسی مختلف از جمله بهینه سازی در اجسام هوافضایی همچون ایرفویل، بال هواهپیما و پره بالگرد و توربین های بادی، با استفاده از نرم افزار فرترن نقشی محوری دارد چرا که نتیجه نهایی وابسته به دقت الگوریتم مورد استفاده و حساسیت آن به مینیمم های محلی است. دو گروه اصلی از الگوریتم های بهینه سازی روش های بر پایه گرادیان و روش های تکاملی و فرا هوشمند  هستند. الگوریتم های گرادیانی زمانی که تعداد پارامتر ها زیاد بوده یا زمان محاسبه تابع هدف طولانی باشد و یا در شرایطی همچون ناپیوستگی در فضای حل و مشتق ناپذیری تابع هدف و ... با مشکل مواجه می شوند  بر خلاف این الگوریتم ها، الگوریتم های غیر گرادیانی از مقادیر توابع به جای ارزیابی مشتقات استفاده می نمایند که این نکته باعث می‌شود که حتی در مسائلی که تابع هدف پیوسته یا مشتق پذیر نیست نیز قادر به جستجوی بهینه باشند. به علاوه این الگوریتم‌ها قابلیت بهینه سازی چندین تابع هدف را به صورت همزمان دارا می باشند و به دلیل اینکه از چندین نقطه در کل میدان حل نمونه گیری تصادفی انجام می دهند نقطه مینیمم مطلق را پیدا می کنند. از جمله مهم ترین این الگوریتم ها، الگوریتم ازدحام یا انبوه ذرات است که در سال های اخیر به دلیل قدرت و کارایی این روش، توجه ویژه ای به آن شده است. در این پروژه با استفاده از نرم افزار فرترن ( FORTRAN ) الگوریتم بهینه سازی به روش ازدحام ذرات به طور کامل شرح و به صورت کاملا کاربردی و کاربردوست در نرم افزار فرترن ( FORTRAN ) برای استفاده در هر گونه مسأله مهندسی پیاده سازی و ارائه شده است و نتایج آن برای انواع توابع هدف مختلف ارائه  شده و نقش و تأثیر هر یک از متغیرهای این روش ارزیابی شده است. لازم به ذکر است که از نقاط قوت این کد نرم افزار فرترن این است که می‌توان با هر کد تابع هدفی لینک نمود و در بهینه سازی مسائل مختلف بهینه سازی از جمله در بهینه سازی اجسام هوافضایی بهره برد.


آنچه در این کد خواهید آموخت:

1- نحوه محاسبه نقطه مینیمم یا ماکزیمم یک تابع به روش PSO

2- تئوری روش PSO و نحوه اعمال فرمول های آن در کد  نرم افزار فرترن

3- نحوه اعمال شرایط اولیه 

4- نحوه به روز رسانی متغیرها و نحوه همگرایی و تاثیر ضرایب مختلف بر روند همگرایی


نکات و الزامات:
1- این  برنامه در همه نسخه های کامپایلرهای نرم افزار فرترن ( FORTRAN )  قابل اجراست.
2- خروجی ها در همه نسخه های Tecplot قابل مشاهده است
3- آشنایی اولیه با مفاهیم بهینه سازی و الگوریتم های تکاملی 
4- آشنایی با زبان برنامه نویسی فرترن ( FORTRAN )

مشخصات کلی
تعداد صفحات محصول20-40
نمودارهای خروجیدارد
زبان برنامه نویسی
زبان برنامه نویسی اولFORTRAN
سیالات
حوزه تخصصی 1سایر

نظر بدهید

توجه: HTML ترجمه نمی شود!
    بد           خوب

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu.Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcuLorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu. 

پروژه الگوریتم بهینه سازی هوشمند تکاملی به روش ازدحام ذرات (Partial Swarm Optimization) با استفاده از نرم افزار فرترن

  • تولید کننده: حمید مرادتبریزی
  • شناسنامه: MC2-1191
  • موجودی: در انبار
  • تاریخ: 2017-05-09
  • زبان برنامه نویسی: FORTRAN
  • سریال برنامه: MC2-1191
  • سفارش دهنده: مارکت کد
  • فایل معرفی محصول: لینک
  • 100,000تومان

برچسب ها: الگوریتم بهینه سازی, روش های تکاملی و فرا هوشمند, تابع هدف, الگوریتم ازدحام, فرترن, FORTRAN, کدنویسی, روش PSO, مینیمم مطلق