آنچه در این گزارش ارائه گردیده است توسعه کد بهینهسازی بر مبنای روشهای غیر گرادیانی میباشد. در این برنامه از پنج روش شناخته شده به نامهای الگوریتم ژنتیک ، الگوریتم آنیلینگ ، الگوریتم ازدحام ذرات ، الگوریتم کولونی مورچگان و الگوریتم دیفرانسیل تکاملی که در ادامه به توضیح آنها میپردازیم استفاده شده است. در این گزارش ابتدا پنج روش فوق و همچنین بقیه الزامات این روشها را به اختصار توضیح داده و سپس برای اعتبارسنجی از چند نمونه تابع ریاضی استفاده شده است. در روشهاي غیر گرادیانی هيچ اطلاعاتي از گراديانهاي تابع هزينه نسبت به متغيرهاي طراحي در خلال فرآيند بهينهسازي لازم نيست. و جستجو براي رسيدن به نقطه بهينه با مقايسه مقادير تابع هزينه در نقاط طراحي مختلف انجام ميشود. به این روشها در اصطلاح روشهای تکاملی میگویند که اکثرا از پدیدههای طبیعی الهام گرفتهاند. مزیت اصلی این روشها نسبت به روشهای گرادیانی، امکان یافتن نقطه کمینه سراسری به جای یافتن کمینه محلی است و مشکل اصلی آنها هزینه محاسباتی بالای آنها میباشد.
آنچه در این کد خواهیم آموخت:
۱- حل مسائل بهینه سازی تکاملی
۲- اعمال روشهای بهینه سازی تکاملی به مسئله بهینه سازی
۳- معادلات و الگوریتم روشهای بهینهسازی تکاملی
۴- نحوه ترکیب و جهش
۵- نحوه انتخاب اعضا برای نسل بعدی
۶- نحوه مینیممسازی توابع هزینه ریاضی با حل مسئله بهینهسازی تکاملی
ریاضی | |
حوزه تخصصی 1 | الگوریتم ژنتیک |
مشخصات کلی | |
تعداد صفحات | 29 |
تعداد صفحات محصول | 20-40 |
معرفی متغیر های ورودی نرم افزار | دارد |
نمودارهای خروجی | دارد |
زبان برنامه نویسی | |
زبان برنامه نویسی اول | FORTRAN |
زبان برنامه نویسی دوم | ++C |
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.