فرمت فایل: پاورپوینت - ppt  

کتاب سبز - قابل ویرایش ) 

تعداد اسلاید : 17
بسم الله الرحمن الرحيم يک شبکه عصبی فازی ژنتيکی جديد برای حل مسأله فروشنده دوره گرد شرح مسأله فروشنده دوره گرد مساله فروشنده دوره‏گرد (Traveling Salesman Problem) روش های متداول برای حل TSP الگوريتم های کلاسيک جستجوی محلی بازپخت تطبيقی شبکه های عصبی مصنوعی الگوريتم های ژنتيکی برنامه نويسی تکاملی سيستم کولونی مورچه ها روش های آموزش افزايشی مبتنی بر جمعيت Fine-tuned learning کوهونن هاپفيلد بولين آشوبی CNN-TSP شبکه عصبی CNN-TSP يک شبکه عصبی چهار لايه دارای دو بخش بهينه ساز و سازنده الگوريتم آموزش CNN-TSP الگوريتم آموزش دارای دو فاز است: فاز سازنده: در اين مرحله، شبکه با اضافه شدن شهرهای جديد به مسير توسعه می يابد. فاز بهينه ساز: با جابجايی شهرهای موجود بر روی مسير، مسير فعلی بهبود می يابد. مزايای CNN-TSP در مقايسه با کوهونن: .سرعت همگرايی CNN-TSP در حدود 20 برابر کوهونن طول پاسخ های CNN-TSP به طور متوسط (برای مسيرهای 50 شهری) در مقايسه با کوهونن، 2.5% کوتاهتر است. بهبود CNN-TSP با استفاده از منطق فازی عامل مؤثر بر پاسخ های CNN-TSP در هر مرحله از فاز سازنده کدام شهر در مسير قرار گيرد. تصميم گيرنده رقابتی در نرون های لايه های سوم و چهارم تعيين می شود که کدام نرون بايد در کجای مسير قرار گيرد عامل مؤثر بر اين انتخاب افزايش طول ايجاد شده، با اضافه شدن شهر جديد به مسير است. الگوريتم های ژنتيکی بهبود CNN-TSP با استفاده از منطق فازی تصميم گيرنده فازی افزايش طول ايجاد شده که توسط نرونهای لايه سوم محاسبه می شود. طراحی پايگاه قواعد با استفاده از الگوريتم های ژنتيکی طراحی پايگاه قواعد با استفاده از الگوريتم های ژنتيکی طراحی پايگاه قواعد با استفاده از الگوريتم های ژنتيکی شبيه سازی شبيه سازی قدردانی با تشکر از اساتيد و حضار محترم

قسمتی از متن بالا پروژه میباشد که به صورت نمونه ، بعد از پرداخت آنلاین در جزوه باز آنی فایل را دانلود نمایید .

  

 « پرداخت آنلاین و دانلود در قسمت پایین »