درباره وبلاگ

آرشیو

آخرین پستها

پیوندها

نویسندگان

ابر برچسبها

آمار وبلاگ



Admin Logo
themebox Logo


نویسنده :سونار سونا
تاریخ:چهارشنبه 20 خرداد 1394-02:34 ق.ظ

پروژه بهینه سازی قطر حوضچه در یاتاقان به روش الگوریتم ژنتیک

جهت اخذ درجه کارشناسی
دسته: تحقیقات مکانیکی
عنوان کامل: بهینه سازی قطر حوضچه در یاتاقان هیدرواستاتیک به روش الگوریتم ژنتیک
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات پروژه: 51
______________________________________________________
بخشی از مقدمه:
نیروی اصطكاك علی الرغم فوایدی كه در برخی موارد برای انسان داشته است در مواردی هم بعنوان مانع در سر راه انسان بوده و باعث اتلاف مقدار بسیار زیادی از انرژی می شود. بطور مثال از حرارت ناشی از سوخت در خودرو 35 درصد از طریق سیستم اگزوز و 33 درصد از طریق آب و 7 درصد از طریق انتشار در هوا به بیرون از سیستم منتقل می شود و تنها 25 درصد از كل حرارت تولید شده برای انجام كار مفید باقی می ماند كه همه این هدر رفتن انرژی حرارت ناشی از وجود اصطكاك در بخشهای مختلف خودرو می باشد.
در تكیه گاه شفت بروی دیواره ها نیز نیروی اصطكاك بین شفت و دیواره باعث اتلاف انرژی می گردد. بمنظور كاهش اصطكاك در تكیه گاه شفتهای دوار از یاتاقانها استفاده می شود. در یك تعریف كلی به هر تكیه گاهی كه اصطكاك را كاهش دهد یاتاقان می گویند. در واقع نیروی اصطكاك مزاحم كار تكیه گاهی یاتاقان می باشد.
یافتن روشهای مناسب برای غلبه بر اصطكاك از دیر باز در سرلوحه كارهای بشر بوده است. بیشتر افراد از چرخ بعنوان بزرگترین اختراع در طول اعصار یاد می كنند، در صورتیكه این چنین نیست. بلكه نوآوری واقعی در قراردادن محور چرخ در یاتاقان (تكیه گاه مدور) شكل گرفت. مداركی دال بر استفاده از سطوح مدور برای كاهش نیروی لازم بمنظور جابجایی اجسام سنگین در زمانهای قدیم وجود دارد. برای مثال مصریان از الوار (تنه درخت) استفاده می كردند. یاتاقان هایی كه با چرخ ها و محورهای اولیه به كار می رفت، از نوع محوری بود كه در آنها محور با لقی اندكی درون سوراخ یاتاقان قرار می گیرد.
در هر حال اختراع چرخ پدیده مهمی بوده است ولی این یاتاقانها بودند كه باعث چرخش اجسام می شوند. در ابتدا رومی ها، بلبیرینگ ضد اصطكاك اولیه را در دوران حضرت مسیح (ع) بكار می بردند. باقیمانده های یك كشتی رومی در دریاچه «نمی» حكایت از وجود سه نوع اولیه بلبیرینگ یعنی كروی، استوانه ای و مخروطی (شیبدار) داشت، هر چند در این جستجو مورد استفاده آنها نامشخص ماند.





داغ کن - کلوب دات کام
نظرات() 

نویسنده :سونار سونا
تاریخ:دوشنبه 4 خرداد 1394-12:31 ب.ظ

آزاد سازی ، مهاجرت ، و پیشرفت در ارتباط بین امریکا و مکزیک

عنوان انگلیسی مقاله: Routing in Dynamic Network using Ants and Genetic Algorithm
عنوان فارسی مقاله: مسیریابی در شبکه پویا با استفاده از الگوریتم ژنتیک و الگوریتم موریانه ای.
دسته: کامپیوتر و فناوری اطلاعات
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 14
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
مسیریابی در شبکه پویا یک فعالیت چالش انگیز است، چون توپولوژی شبکه ثابت نمی باشد. این مسئله در این بررسی با استفاده از الگوریتم موریانه ای  برای مد نظر قرار دادن شبکه هایی که از چنین بسته های اطلاعاتی استفاده می کنند، مطرح می گردد. مسیرهای ایجاد شده توسط الگوریتم انت (موریانه)  به عنوان داده ورودی برای الگوریتم ژنتیک می باشد. الگوریتم ژنتیکی مجموعه ای از مسیرهای مناسب را پیدا می کند. اهمیت استفاده از الگوریتم موریانه ای،  کاهش اندازه جدول مسیر می باشد. اهمیت الگوریتم ژنتیک بر مبنای اصل تکامل مسیرها به جای ذخیره مسیرهای از پیش محاسبه شده می باشد.
کلیدواژه:
مسیریابی، الگوریتم موریانه ای ، الگوریتم ژنتیکی، معبر، جهش، هر یک از این موارد در زیر به بحث گذاشته می شود. 
1. مقدمه
مسیریابی به عنوان فرایند انتقال بسته ها از گره مبدا به گره مقصد با هزینه حداقل می باشد. از این رو الگوریتم مسیریابی به دریافت، سازماندهی و توزیع اطلاعات در مورد وضعیت شبکه می پردازد. این الگوریتم به ایجاد مسیرهای عملی بین گره ها پرداخته و ترافیک داده ها را در بین مسیرهای گلچین شده ارسال کرده و عملکرد بالایی را حاصل می کند. مسیریابی به همراه کنترل تراکم و کنترل پذیرش به تعریف عملکرد شبکه می پردازد. الگوریتم مسیریابی می بایست دارای اهداف کلی از استراتژی مسیریابی بر مبنای اطلاعات سودمند محلی باشد. این الگوریتم همچنین می بایست کاربر را در مورد کیفیت خدمات راضی نگه دارد. بعضی از روش های مطرح شده برای رسیدن به این اهداف عبارتند از شبیه سازی حشرات اجتماعی و شبکه بسته شناختی. این دو روش از جدول مسیریابی احتمالات استفاده کرده و این امکان را به بسته ها می دهد تا به بررسی و گزارش توپولوژی و عملکرد شبکه بپردازند. دوریگو ام و دی کارو جی، شبکه موریانه ای را به عنوان روشی برای مسیریابی در شبکه ارتباطات مطرح می کنند. ار اسکوندر وورد، اون هالند، جانت (موریانه)  بروتن و و لئون روسکرانت، در مقاله شان به بحث در مورد حاصل شدن توازن ظرفیت در شبکه های ارتباطاتی با استفاده از الگوریتم موریانه ای می پردازند. تونی وارد در مقاله تخصصی اش به شرح این موضوع می پردازد که چگونه عوامل محرک بیولوژیکی می تواند برای حل مشکلات مدیریت و کنترل در ارتباطات مورد استفاده قرار گیرد. 
هدف این مقاله ایجاد راه حلی با استفاده از الگوریتم موریانه ای  ( استعاره حشره اجتماعی) و بهینه سازی راه حل با استفاده از الگوریتم های ژنتیکی می باشد. الگوریتم موریانه ای  دسته ای از تراکم اطلاعاتی می باشد. تراکم اطلاعاتی روش جایگزینی را در ارتباط با طراحی سیستم اطلاعاتی ارائه می دهد که در آن عملیات خودگردانی، ظهور و توزیع جایگزین کنترل، پیش برنامه ریزی و تمرکز می گردد. این روش تمرکزش را بر روی توزیع، انعطاف پذیری، توانمندی و ارتباطات مستقیم و غیرمستقیم در میان عوامل نسبتا ساده قرار می دهد. الگوریتم ژنتیک به عنوان الگوریتمی می باشد که در آن جمعیت مرتبط با هر گره در مجموع برای حل مشکلات مشارکت دارد.





داغ کن - کلوب دات کام
نظرات() 

نویسنده :سونار سونا
تاریخ:یکشنبه 27 اردیبهشت 1394-09:09 ق.ظ

زمانبندی دوره تحصیلی دانشگاه با الگوریتم ژنتیک

عنوان انگلیسی مقاله: University Course Timetabling with Genetic Algorithm: a Laboratory Excercises Case Study
عنوان فارسی مقاله: زمانبندی دوره تحصیلی دانشگاه با الگوریتم ژنتیک، بررسی موردی تجارب آزمایشی.
دسته: علوم تربیتی
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 15
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
این مقاله به شرح کاربرد الگوریتم ژنتیکی هیبریدی در ارتباط با نمونه های دنیای واقعی در مورد زمانبندی دوره اموزش دانشگاهی می پردازد. ما زمانبندی آزمایشی را در محیط کاملا محدود مد نظر قرار می دهیم، که در ارتباط با آنف تعریف رسمی داده می شود. تکنیک های ارائه راه حل متناسب با این مسئله به همراه عملگرهای ژنتیکی مربوطه و الگوریتم جستجوی محلی تعریف می گردند. رویکرد مطرح شده در این مقاله به طور موفقیت آمیزی  برای زمانبندی در نهادهای پژوهشی مورد استفاده قرار گرفته و دارای قابلیت ایجاد زمانبندی برای نمونه های مسائل پیچیده تر می باشد.
1. مقدمه:
مسئله زمانبندی دانشگاهی و انواع  آن به عنوان بخشی از دسته بندی زمانبندی و مسئله زمانبندی می باشد. هدف جدول زمانبندی، تعیین ضوابطی برای تعداد محدودی از منابع بوده در حالی که تمام محدودیت ها نیز در نظر گرفته می شود. دو شکل مسئله زمانبندی دانشگاهی در تحقیقات امروزی مد نظر قرار می گیرد: زمانبندی امتحان و مسئله زمانبندی دوره آموزش می باشد، به ترتیبی که تفاوت بین این انواع معمولا بستگی به دانشگاه مربوطه دارد. این مسئله به صورت تخصصی تر مبتنی بر فعالیت های بعد از ثبت نام و یا تکلیف محور می باشد. در مسائل بعد ثبت نام، زمانبندی می بایست به گونه ای ایجاد گردد که تمام دانشجویان بتوانند در تمام برنامه هایی که ثبت نام کرده اند شرکت کنند، در حالی که در مسئله برنامه تحصیلی محدودیت ها بر طبق به دوره تحصیلات دانشگاه  و نه بر مبنای داده های نام نویسی می باشد. 
به دلیل پیچیدگی ذاتی مسئله و تغییر پذیری ، بیشتر مشکلات حقیقی مرتبط به زمانبندی دانشگاهی بر مبنای NP می باشد. این موارد مستلزم الگوریتم های ذهنی می باشد که تضمینی را برای راه حل های مطلوب ایجاد نمی کنند، اما در بسیاری از موارد قابلیت ایجاد راه حلی را دارند که که برای اهداف عملی مناسب می باشند. قبلا نیز نشان داده شده است که تکنیک های مبتنی بر موارد فرا ذهنی ( همانند الگوریتم های تکاملی؛جستجوی ممنوع و غیره) مشخصا متناسب با حل این نوع از مشکلات بوده، و این مقاله نمونه ای از آن رویکرد می باشد. 
این مقاله تمرکزش را بر روی مسئله زمانبندی آزمایشی (LETP) قرار می دهد، که ما آن را به عنوان نوعی از مسئله زمانبندی دوره آموزشی دانشگاهی (UCTP) تعریف می کنیم. انگیزه برای این مقاله حاصل از نیاز برای ایجاد زمانبندی خودکار در نهادهای پژوهشی می باشد. این جداول زمانی دیگر با استفاده از روش های سنتی به دلیل بالا رفتن پیچیدگی های مربوط به اصلاح دوره آموزشی ایجاد نمی گردد.





داغ کن - کلوب دات کام
نظرات() 

نویسنده :سونار سونا
تاریخ:جمعه 18 اردیبهشت 1394-07:20 ق.ظ

ترکیب الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات

عنوان انگلیسی مقاله: A combination of genetic algorithm and particle swarm optimization for optimal DG location and sizing in distribution systems
عنوان فارسی مقاله:  ترکیب الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات برای یافتن اندازه و مکان بهینۀ تولید پراکنده در سیستم‌های توزیع.
دسته: برق و الکترونیک
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 21
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
منابع تولید پراکنده (DG) به علت تقاضای روبروی رشد انرژی دارای اهمیت زیادی در سیستم‌های توزیع می‌گردند. مکان‌ها و توانمندی‌های منابع تولید پراکنده تاثیر عمیقی در تلفات سیستم در شبکه توزیع داشته‌اند. در این مقاله، یک ترکیب نوینی از الگوریتم ژنتیک  (GA)/ بهینه‌سازی ازدحام ذرات  (PSO) برای جایابی و یافتن اندازه بهینه تولید پراکنده در سیستم‌های توزیع معرفی می‌شود. هدف این است که تلفات توان شبکه کمینه شده، تنظیم ولتاژ بهتری صورت گرفته و پایداری ولتاژ در چارچوب قیود عملکردی و امنیتی سیستم در سیستم‌های توزیع شعاعی حاصل شود. یک تحلیل تشریحی روی سیستم‌های 33 و 39 باس انجام شده است تا کارائی روش ارائه شده نشان داده شود. 
کلیدواژه: منابع تولید پراکنده، الگوریتم ژنتیک، گمارش، بهینه‌سازی ازدحام ذرات، اتلاف
1.مقدمه:
سیستم‌های توزیع معمولا جهت تسهیل کارکرد به صورت طبیعی شعاعی هستند. سیستم‌های توزیع شعاعی  (RDSs) تنها در یک نقطه که همان پست باشد تغذیه می‌شوند. این پست، توان (برق) را مراکز تولید مرکزی و از طریق شبکه انتقال دریافت می‌کند. کاربران نهائی برق نیز توان الکتریکی را از پست و از طریق سیستم توزیع شعاعی که یک شبکه پسیو است دریافت می‌کنند. لذا، عبور توان در سیستم توزیع شعاعی به صورت یک‌طرفه است. نسبت R/X بالا در خطوط توزیع منجر به افت ولتاژ بزرگ، پایداری ولتاژ کوچک و افزایش تلفات توان می‌شود. در شرایط بارگذاری بحرانی در برخی نواحی صنعتی خاص، سیستم توزیع شعاعی به علت مقدار کم شاخص پایداری ولتاژ، در بیشتر گره‌های خود یک فروپاشی ناگهانی ولتاژ را تجربه می‌کند.





داغ کن - کلوب دات کام
نظرات() 

نویسنده :سونار سونا
تاریخ:پنجشنبه 17 اردیبهشت 1394-05:28 ق.ظ

برنامه ریزی گسترش تولید در بازار برق متمرکز بنیان،الگوریتم ژنتیک

عنوان انگلیسی مقاله: Generation Expansion Planning in a Pool Based Electricity Market, using Game Theory and Genetic Algorithm
عنوان فارسی مقاله: برنامه ریزی گسترش تولید در بازار برق متمرکز بنیان، با استفاده از تئوری بازی و الگوریتم ژنتیک.
دسته: برق و الکترونیک
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 24
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
بازسازی، هدف برنامه ریزی گسترش تولید  (GEP)را از کم هزینه بودن به پرسود بودن، تغییر داده است. در این مقاله، ما یک فرمول تازه برای تابع هدف مساله ی GEP شرکت های تولید کننده (GENCOs) را در بازار برقی که شامل درآمدهای انرژی و بازارهای ذخیره ظرفیت و هزینه های سوخت، سرمایه گذاری، O&M، مالیات های قطع و وصل، می باشد را معرفی می کنیم. به علاوه، به منظور حل مساله ی GEP با تابع هدف بالا، از یک الگوریتمی که بترتیب از الگوریتم ژنتیک و تئوری گیم برای مدل کردن بازار و بهینه سازی توابع هدف GENCO استفاده کرده است، معرفی شده است. به منظور محاسبه سطوح تولید واحدهای تولید کننده و نرخ بلند-مدت بازار، ما از روش مرسوم هزینه ی تولید احتمالی (PPC) که به گونه ای اصلاح شده است که در بازار برق رقابتی قابل استفاده باشد، استفاده کرده ایم.
کلیدواژه: برنامه ریزی گسترش تولید، بازار برق متمرکز، تئوری بازی، الگوریتم ژنتیک
مقدمه:
برنامه ریزی گسترش تولید (GEP)، یک مساله ی بهینه سازی در مقیاس بزرگ، غیر خطی، گسسته، پویا و بسیار محدود شده می باشد که تعیین می کند کدام یک از واحدهای تولید باید ساخته شوند و چه موقع باید در افق برنامه ریزی به خط وصل شوند طوری که توان (ظرفیت) نصب شده تقاضای پیشبینی شده را ارضا کند [1-4]. موقعیت سایت ها و دیگر ضرایب مربوط به شبکه ی انتقال، بطور عادی و جداگانه و پس از اینکه یک اندازه برای گسترش تعیین شد، تجزیه و تحلیل می شود [5].
در یک چارجوب انحصاری مرسوم، فعالیت های گسترش تولید، توسط یک ابزاری که بطور عمودی مجتمع شده است، و به منظور ارضای معیارهای قابلیت اطمینان بلند مدت، انجام پذیرفته است.





داغ کن - کلوب دات کام
نظرات() 

نویسنده :سونار سونا
تاریخ:چهارشنبه 16 اردیبهشت 1394-01:08 ق.ظ

طراحی بهینه شبکه برق برای یک مزرعه بادی بزرگ دریایی

عنوان انگلیسی مقاله: Optimal Electric Network Design for a Large Offshore Wind Farm Based on a Modified Genetic Algorithm Approach
عنوان فارسی مقاله: طراحی بهینه شبکه برق برای یک مزرعه بادی بزرگ دریایی براساس رویکرد الگوریتم ژنتیک اصلاح شده.
دسته: برق و الکترونیک
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 20
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
توسعه روز افزون مزارع بادی درمقیاس بزرگ دریایی درسراسر جهان باعث ظهور بسیاری ازچالش های فنی و اقتصادی جدیدشده است. هزینه سرمایه شبکه‌ برقی که از مزارع بادی بزرگ دریایی پشتیبانی می‌کند، بخش قابل ‌‌توجهی از هزینه کل مزارع بادی را تشکیل می‌دهد. لذا، یافتن طراحی بهینه شبکه برق یک وظیفه خیلی مهم است که در این مقاله به آن پرداخته می‌شود. در این مقاله یک مدل هزینه توسعه یافته است که هزینه‌های دقیق‌تر و واقعی‌تر ترانسفورماتورها، پست‌ها و کابل‌ها را در بر می‌گیرد. همین موضوع باعث شده است مدل جدید ارائه شده نسبت به روش‌های موجود مبسوط‌تر و بهتر باشد. همچنین از یک الگوریتمی استفاده شده است که مبتنی است بر الگوریتم ژنتیک بهبودیافته و شامل الگوریتم خاصی است که حین طراحی آرایه‌های شعاعی، سطح مقطع‌های گوناگون کابل‌ها را هم در نظر می‌گیرد. رویکرد ارائه شده توسط یک مزرع بادی بزرگ دریایی آزموده شده است؛ نتایج آزمون نشان می‌دهد که الگوریتم معرفی‌شده طراحی‌های بهینه معتبری از شبکه برق را فراهم می‌کند. 
کلیدواژه‌ها- سیستم توزیع برق، الگوریتم ژنتیک، مزرعه بادی دریایی، بهینه‌سازی.
مقدمه:
انرژی بادی کم‌کم دارای اهمیت استراتژیک و اقتصادی فزاینده‌ای در سراسر جهان می‌شود. این انرژی یکی از گزینه‌های نویدبخش در بین سایر فناوری‌های تولید انرژی‌های تجدیدپذیر است و انتظار می‌رود نقش مهمی در کاهش پیامدهای زیست محیطی در رفع نیاز جوامع مدرن از صنعت برق ایفا کند. استفاده از تولید برق بادی دریایی بنا به دلایل زیر جذاب و قابل توجه است: 1) مزارع بادی دریایی، منابع باارزش سرزمین‌ها را به تصرف در نمی‌آورند؛ 2) استفاده از مکان‌های دریایی(مترجم: یعنی استفاده از مکان‌های داخل دریا) بدین معناست که مزرعه بادی تا حد زیادی دور از چشم و دید بوده و آلودگی صوتی نخواهد داشت؛ 3) جریان باد توسط ساختمان‌ها و جنگل‌ها مشوش نشده و بطور مستقیم و با سرعت زیاد با تیغه‌های توربین برخورد خواهد داشت لذا عملکرد توربین افزایش خواهد یافت؛ 4) طرح‌های توربین بادی دریایی با توان نامی بزرگتری نسبت به طرح‌های ساحلی موجودند که این نرخ‌های بزرگ باعث توسعه اقتصادی می‌شود؛ و 5) آب دریا باعث می شود خنک‌سازی قطعات امکانپذیر بوده و هزینه کمی را به دنبال داشته باشد.





داغ کن - کلوب دات کام
نظرات() 

نویسنده :سونار سونا
تاریخ:پنجشنبه 3 اردیبهشت 1394-01:11 ق.ظ

کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر(CAPP)

جهت اخذ درجه کارشناسی
عنوان کامل: کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر(CAPP) در محیطهای صنعتی مختلف
دسته: کامپیوتر (گرایش نرم افزار)
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات: 96
________________________________________________________
بخشی از مقدمه:
در یک محیط صنعتی توزیع شده، کارخانه های مختلف و دارای ماشین ها و ابزارهای گوناگون در مکان های جغرافیایی مختلف غالبا به منظور رسیدن به بالاترین کارایی تولید ترکیب می شوند. در زمان تولید قطعات و محصولات مختلف ، طرح های فرایند مورد قبول توسط کارخانه های موجود تولید می شود. این طرحها شامل نوع ماشین، تجهیز و ابزار برای هر فرآیند عملیاتی لازم برای تولید قطعه است. طرح های فرایند ممکن است به دلیل تفاوت محدودیت های منابع متفاوت باشند. بنابراین به دست آوردن طرح فرایند بهینه یا نزدیک به بهینه مهم به نظر می رسد. به عبارت دیگر تعیین اینکه هر محصول درکدام کارخانه و با کدام ماشین آلات و ابزار تولید گردد امری لازم و ضروری می باشد. به همین منظور می بایست از بین طرحهای مختلف طرحی را انتخاب کرد که در عین ممکن بودن هزینه تولید محصولات را نیز کمینه سازد. در این تحقیق  یک الگوریتم ژنتیک معرفی می شود که بر طبق ضوابط از پیش تعیین شده مانند مینیمم سازی زمان فرایند می تواند به سرعت طرح فرایند بهینه را برای یک سیستم تولیدی واحد و همچنین یک سیستم تولیدی توزیع شده جستجو می کند. با استفاده از الگوریتم ژنتیک، برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) می تواند براساس معیار در نظر گرفته شده طرح های فرایند بهینه یا نزدیک به بهینه ایجاد کند، بررسی های موردی به طور آشکار امکان عملی شدن و استحکام روش را نشان می دهند. این کار با استفاده از الگوریتم ژنتیک در CAPP هم در سیستمهای تولیدی توزیع شده و هم واحد صورت می گیرد. بررسی های موردی نشان می دهد که این روش شبیه یا بهتر از برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) مرسوم تک کارخانه ای است






داغ کن - کلوب دات کام
نظرات() 

نویسنده :سونار سونا
تاریخ:جمعه 28 فروردین 1394-08:21 ق.ظ

روش موازی اثربخش برای داده کاوی ژنتیکی - فازی


عنوان انگلیسی مقاله: An effective parallel approach for genetic-fuzzy data mining
عنوان فارسی مقاله: روش موازی اثربخش برای داده کاوی ژنتیکی - فازی
دسته: فناوری اطلاعات IT - داده کاوی
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 23
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
مهم‌ترین کاربرد داده کاوی در تلاش‌هایی است که برای استنتاج قواعد وابستگی از داده‌های تراکنشی صورت می‌گیرد. در گذشته، از مفاهیم منطق فازی و الگوریتم‌های ژنتیکی برای کشف قواعد وابستگی فازی سودمند و توابع عضویت مناسب از مقادیر کمی استفاده می‌کردیم. با وجود این، ارزیابی مقادیر برازش نسبتاً زمان بر بود. به دلیل افزایش‌های شگرف در قدرت محاسباتی قابل دسترسی و کاهش همزمان در هزینه‌های محاسباتی در طول یک دهه‌ی گذشته، یادگیری یا داده کاوی با به کارگیری تکنیک‌های پردازشی موازی به عنوان روشی امکان پذیر برای غلبه بر مسئله‌ی یادگیری کند شناخته شده است. بنابراین، در این مقاله الگوریتم داده‌ کاوی موازی فازی – ژنتیکی را بر اساس معماری ارباب - برده  ارائه کرده‌ایم تا قواعد وابستگی و توابع عضویت را از تراکنش‌های کمی استخراج کنیم. پردازنده‌ی master مانند الگوریتم ژنتیک از جمعیت یگانه‌ای استفاده می‌کند، و وظایف ارزیابی برازش را بین پردازنده‌های slave توزیع می‌کند. اجرای الگوریتم پیشنهاد شده  در معماری ارباب – برده بسیار طبیعی و کارآمد است. پیچیدگی‌های زمانی برای الگوریتم‌های داده کاوی ژنتیکی – فازی موازی نیز مورد تحلیل قرار گرفته است. نتایج این تحلیل تأثیر قابل توجه الگوریتم پیشنهاد شده را نشان داده است. هنگامی که تعداد نسل‌ها زیاد باشد، افزایش سرعت الگوریتم ممکن است نسبتاً خطی باشد. نتایج تجربی تیز این نکته را تأیید می‌کنند. لذا به کارگیری معماری ارباب – برده برای افزایش سرعت الگوریتم داده‌ کاوی ژنتیکی – فازی   روشی امکان پذیر برای غلبه بر مشکل ارزیابی برازش کم سرعت الگوریتم‌ اصلی است.
کلمات کلیدی: داده کاوی، مجموعه های فازی، الگوریتم ژنتیک، پردازش موازی، قاعده اتحادیه
1- مقدمه
با پیشرفت روزافزون فن آوری اطلاعات (IT)، قابلیت ذخیره سازی و مدیریت داده‌ها در پایگاه‌های داده‌ اهمیت بیشتری پیدا می‌کند. به رغم اینکه گسترش IT پردازش داده‌ها را تسهیل و تقاضا برای رسانه‌های ذخیره سازی را برآورده می‌سازد، استخراج اطلاعات تلویحی قابل دسترسی به منظور کمک به تصمیم گیری مسئله‌ای جدید و چالش برانگیز است. از این رو، تلاش‌های زیادی معوف به طراحی مکانیسم‌های کارآمد برای کاوش اطلاعات و دانش از پایگاه داده‌های بزرگ شده است. در نتیجه، داده کاوی، که نخستین بار توسط آگراول، ایمیلنسکی و سوامی (1993) ارائه شد، به زمینه‌ی مطالعاتی مهمی در مباحث پایگاه داده‌ای و هوش مصنوعی مبدل شده است.





داغ کن - کلوب دات کام
نظرات() 




شبکه اجتماعی فارسی کلوب | Buy Mobile Traffic | سایت سوالات