گروه مورد نظر : عنوان پروژه :
قسمتی از عنوان پروژه تان را وارد نمائید ...
قیمت پروژه از : تا : داکیومنت : کامنت :
جستجو پروژه
طبقه بندی پروژه ها
خدمات ویژه ناب پروژه
آخرین پروژه ها
تبلیغات متنی
بنرهای تبلیغاتی
آمار بازدید سایت
افراد آنلاین در سایت ناب پروژه تعداد افراد آنلاين : 3
بازدید امروز سایت ناب پروژه تعداد بازديد امروز : 149
تعداد بازدید دیروز از سایت ناب پروژه تعداد بازديد دیروز : 1892
کاربران آنلاین در ناب پروژه تعداد بازدید کل : 831275
   

پروژه پیاده سازی الگوریتم بهینه سازی چند هدفه مبتنی بر الگوریتم تکاملی با matlab (پیاده سازی مقاله)


قیمت قبلی : 79500  تومان
 تخفیف : 0  %
قیمت  جدید: 79500   تومان
بانک : فاقد بانک اطلاعاتی
کامنت گذاری: دارد
فایل داکیومنت : دارد
رمز ورود پروژه : ندارد - ندارد

فایل دمو پروژه : دانلود فایل داکیومنت تکمیلی
فایل داکیومنت : دانلود فایل دمو | اجرایی پروژه
تعداد مشاهده : 909

- در صورت نیاز به آموزش آنلاین نحوه ساخت این پروژه توسط نرم افزارهای آموزش راه دور و یا درخواست تهیه پروژه مشابه، کافیست با شماره تماس 09179221734 یا آدرس ایمیل behnam.h1368@gmail.com هماهنگی های لازم را انجام دهید.
توضیح  کلی :

این پروژه که با زبان برنامه نویسی متلب نوشته شده است یک مقاله IEEE با عنوان

 A Multiobjective Optimization-Based Evolutionary Algorithm for Constrained Optimization را پیاده سازی میکند. این پروژه الگوریتم بهینه سازی شده چند هدفه را مبتنی بر الگوریتم های تکاملی بصورت ژنتیک پیاده سازی میکند.

کلیه سورس های نوشته شده دارای کامنت گذاری بوده و تنها کافیست جهت ارائه به استاد مطالعه بروی مقاله ی پیاده شده و کدهای نوشته شده داشته باشید.

در قسمت "دانلود دمو" میتوانید مقاله پیاده سازی شده را دانلود کنید.

این پروژه از چندین تابع تشکیل شده است که عبارتند از :

·        crossover.m : در این تابع کدهای مربوط به ترکیب در الگوریتم ژنتیک نوشته شده است.

·        fitness.m : فیت نس مربوط به الگوریتم ژنتیک نیز در قالب این اسکریپت یا متد نوشته شده است.

·        و ...

چکیده لاتین مقاله به صورت ذیل میباشد :

A considerable number of constrained optimization evolutionary algorithms (COEAs) have been proposed due to

increasing interest in solving constrained optimization problems (COPs) by evolutionary algorithms (EAs). In this paper, we first review existing COEAs. Then, a novel EA for constrained optimization is presented. In the process of population evolution, our algorithm is based on multiobjective optimization techniques, i.e., an individual in the parent population may be replaced if it is dominated by a nondominated individual in the offspring population. In addition, three models of a population-based algorithm-generator and an infeasible solution archiving and replacement mechanism

are introduced. Furthermore, the simplex crossover is used as a recombination operator to enrich the exploration and exploitation abilities of the approach proposed. The new approach is tested on 13 well-known benchmark functions, and the empirical evidence suggests that it is robust, efficient, and generic when handling linear/nonlinear equality/inequality constraints. Compared with some other state-of-the-art algorithms, our algorithm remarkably outperforms them in terms of the best, mean, and worst objective function values and the standard deviations. It is noteworthy that

our algorithm does not require the transformation of equality constraints into inequality constraints.

امکانات اصلی پروژه :

1.      کلیه کدها کامنت گذاری شده اند

2.      تحویل مقاله

3.      تحویل سورس همراه با توضیحات مربوطه پس از خرید

  در صورت تمایل به ارسال نظر ، تنها در مورد پروژه فعلی نظر خود را ثبت کنید .
نام شما :
ایمیل :
ثبت نظر
 

بزودی آموزش های تصویری مرتبط به هر موضوع تهیه و در سایت قرار داده خواهد شد.

پروژه های مرتبط :
برچسپ ها :

پیاده سازی الگوریتم بهینه سازی چند هدفه با متلب ,پیاده سازی الگوریتم بهینه سازی چند هدفه در mathlab , الگوریتم بهینه سازی چند هدفه مبتنی بر الگوریتم تکاملی با mathlab , پروژه الگوریتم بهینه سازی چند هدفه , مقاله الگوریتم بهینه سازی چند هدفه, مقاله فازی همراه با پیاده سازی با متلب,پیاده سازی الگوریتم های تکاملی با mathlab , الگوریتم بهینه سازی چند هدفه,پیاده سازی مسائل CO با متلب , پروژ constrained optimization problems (COPs)