الگوریتم ژنتیک

اختصاصی از یاری فایل الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

این فایل بصورت pdf در اختیار شما قرار میگیرد و ددارای فهرست و توضیحات و منابع می باشد و در ۱۰۸ صفحه مورد بررسی قرار گرفته شده است،امیدوارم از ما راضی باشید با تشکر از شما

بهینه سازی عملکرد مخزن سد لتیان با استفاده از الگوریتم ژنتیک

اختصاصی از یاری فایل بهینه سازی عملکرد مخزن سد لتیان با استفاده از الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

  |  مقاله با عنوان: بهینه سازی عملکرد مخزن سد لتیان با استفاده از الگوریتم ژنتیک

  |  نویسندگان: مهدی اژدری مقدم ، وحید کامرانی پونل ، توحید رهگشای

  |  محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94

  |  فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

روش الگوریتم ژنتیک کمتر در حوضه مدیریت منابع آب مورد استفاده قرار گرفته است در حالیکه به دلیل سرعت عمل و قدرت محاسباتی بالا، روش مناسبی جهت بهینه سازی عملکرد مخزن سد می باشد. این مقاله قصد دارد با در نظر گرفتن برنامه ریزی پنج ساله و بازه های زمانی یک ماهه، این الگوریتم را برای مدیریت مخزن سد لتیان استفاده نماید. کل دستورات اجرای الگوریتم بصورت یک M فایل آماده گردید و نتایج رضایت بخشی حاصل شد، زیرا نیازهای آبی پایین دست با درصد بالایی تامین و از اتلاف آب هم جلوگیری شده است. در این مطالعه اندازه جمعیت برابر 300 با محدوده اولیه 1-0، انتخاب یکنواخت احتمالی، ترکیب به روش پراکندگی، احتمال ترکیب برابر 0.75 و احتمال جهش برابر 0.07 انتخاب شدند.

نتایج این تحقیق نشان می دهد  که هر چه مسائل پیچیده تر و حجیم تر باشند، کارایی الگوریتم زنتیک بیشتر بوده و در مقایسه با بسیاری از مدل های بهینه سازی نتایج بهتری را به  همراه دارد.

تحقیق درباره بررسی الگوریتم ژنتیک

اختصاصی از یاری فایل تحقیق درباره بررسی الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه16

 آشنایی با الگوریتم ژنتیک

الگوریتم ژنتیک از روشهای جستجوی مستقیم اتفاقی است که بر پایه اصول انتخاب طبیعی و بقای اصلح قرار دارد. اصطلاحات بکار رفته در الگوریتم ژنتیک کاملاً شبیه واژگان ژنتیک طبیعی است و حتی تشابه نزدیکی بین عناصر این دو وجود دارد. این روش، اولین بار توسط جان هلند از دانشگاه میشیگان در سال 1975 پیشنهاد شد.

ساختار اصلی که توسط الگوریتم پردازش می‌شود، رشته ( کرموزم ) است. یک رشته زنجیره ای از تعدادی کد ( اغلب کدهایی دودیی ) با طول معلوم است. بیتهای رشته (صفر یا 1 در یک رشته دودویی) معادل ژنهای طبیعی‌اند. هر کدام بیانگر یک متغیر ( مشابه یک ویژگی در ژنتیک طبیعی همانند رنگ چشم ) و هر مصداق خاصی از کد به طور مستقیم یا غیر مستقیم بیانگر مقدار مشخصی از آن متغیر است ( معادل مثلاً چشم آبی ).

شکل 1- رشته در الگوریتم ژنتیک شامل پارامترها بصورت کد دودویی است.

کدهای یک رشته به اندازه تعداد متغیرهاست، پس یک رشته اساسا بیانگر یک جواب ممکن است. با الگوریتم ژنتیک ایجاد یک جمعیت اولیه از رشته‌ها از طریق انتخاب تصادفی مقادیر بیتهای رشته آغاز می‌شود. تعداد رشته‌ها (کروموزمها) در جمعیت، اندازه جمعیت نامیده می‌شود. اندازه جمعیت در ابتدا توسط کاربر تعیین می‌شود یا اینکه بر طبق قاعده‌ای که بعدا خواهد آمد، توسط کامپیوتر تعیین می‌شود و در طی جستجو، ثابت نگه داشته می‌شود.

برازندگی یک رشته (جواب ممکن ) توسط تابع محاسبه می‌شود. چون الگوریتم ژنتیک دنبال ماکزیمم کردن برازندگی جوابهای ممکن است، در یک مسأله ماکزیمم سازی، برازندگی برابر مقدار تابع هدف محاسبه شده برای مقادیر خاص پارامتر که هر رشته بیان می‌کند، می‌باشد. یعنی تابع برازندگی همان تابع هدف است اما در مسأله مینیمم سازی برازندگی با افزایش تابع هدف کاهش می‌یابد. یک راه برای جبران آن تعریف تابع برازندگی به صورت :

1- تابع هدف- مقدار ثابت = تابع برازندگی

که مقدار ثابت به اندازه کافی بزرگ انتخاب می‌شود تا از منفی شدن برازندگی جلوگیری شود. یک مقدار متداول برای این مقدار ثابت، مجموع و ماکزیمم تابع هدف درهر نسل است.

روش دیگرمعکوس کردن تابع هدف می‌باشد.

دانلود پاورپوینت الگوریتم های ژنتیک

اختصاصی از یاری فایل دانلود پاورپوینت الگوریتم های ژنتیک دانلود با لینک مستقیم و پر سرعت .

lیک GA برای حل یک مسئله مجموعه بسیار بزرگی از راه حلهای ممکن را تولید میکند.

lهر یک از این راه حلها با استفاده از یک “ تابع تناسب” مورد ارزیابی قرار میگیرد.

lآنگاه تعدادی از بهترین راه حلها باعث تولید راه حلهای جدیدی میشوند. که اینکار باعث تکامل راه حلها میگردد.

lبدین ترتیب فضای جستجو در جهتی تکامل پیدا میکند که به راه حل مطلوب برسد

lدر صورت انتخاب صحیح پارامترها، این روش میتواند بسیار موثر عمل نماید.

lالگوریتم ژنتیک بجای جستجوی فرضیه های general-to specific و یا simple to complex فرضیه ها ی جدید را با تغییر و ترکیب متوالی اجزا بهترین فرضیه های موجود بدست میاورد.

lدر هرمرحله مجموعه ای از فرضیه ها که جمعیت (population) نامیده میشوند از طریق جایگزینی بخشی از جمعیت فعلی با فرزندانی که از بهترین فرضیه های موجود حاصل شده اند بدست میآید.

 

این فایل به صورت پاورپوینت و در 62 صفحه می باشد.

بهسازی سیگنال گفتار در حوزه زمان-فرکانس

اختصاصی از یاری فایل بهسازی سیگنال گفتار در حوزه زمان-فرکانس دانلود با لینک مستقیم و پر سرعت .

بهسازی سیگنال گفتار در حوزه زمان-فرکانس

بصورت ورد ودر103صفحه

چکیده

یکی از موضوعات مهم پردازش سیگنال) به عنوان مثال در سیستمهای ارتباطی، کدینگ سیگنالهای صوتی، تشخیص صوت (…، کاهش و حذف نویز ناخواسته از سیگنال اصلی و بهبود آن است. به همین منظور در دهه های گذشته تحقیقات گسترده ای برای بهسازی گفتار انجام شده است. بهسازی گفتار بسته به مساله، هدف آن، ویژگی های نویز و امکانات موجود، قابل بررسی است. از این رو، روش های متفاوتی برای طبقه¬بندی سیستم¬های بهسازی گفتار وجود دارد، یکی از طرق تفکیک روش¬ها بر اساس تک‌کاناله و چندکاناله بودن می باشد. روش های ¬یک کاناله که تنها یک میکروفون ورودی در دسترس دارند، متداولترین نوع الگوریتم‌های بلادرنگ می‌باشند چرا که به سادگی قابل پیاده‌سازی هستند و به طور نسبی هزینه آنها کمتر از سیستمهایی با چند کانال ورودی می‌باشد. از خانواده ی روش های تک کاناله، میتوان به روش های تفریق طیفی ، فیلتر وینر، بهسازی گفتار با استفاده از مدل های آماری، تبدیل موجک و ... اشاره کرد که هر کدام از این روش ها دارای معایب نظیر نویز موزیکال و اعوجاج و پیچیدگی ... می باشند یکی از روش هایی که میتوان عیب این روش ها را بهبود بخشید، استفاده از سیستم های ترکیبی است که از ترکیب روش ها حاصل می شود. در این پایان¬نامه دو روش ترکیبی جدید بر مبنای روش تک کاناله برای بهسازی گفتار پیشنهاد شده است. در ضمن عموما برای اندازه¬گیری مشخصات نویز از بخش¬های غیر گفتار (سکوت) که معمولا از پنجره اول سیگنال است، استفاده می شود. ضعف شدید این روش هنگامی آشکار میشود که فریم اول، یک فریم سکوت نباشد. در این پایان نامه روش جدیدی نیز برای بر طرف کردن این عیب پیشنهاد شده است که این روش ها به شرح زیر می باشند: الف)روش پیشنهادی تخمین نویز: تخمین نویز با استفاده از آنالیز LPC صورت گرفته است و در هر دو روش پیشنهادی زیر از این روش برای تخمین نویز استفاده شده است. ب) روش پیشنهادی اول: بهسازی سیگنال های صوتی با استفاده از الگوریتم ژنتیک و آنالیز LPC در روش تفریق موجک، از ترکیب روش های تفریق طیفی و تبدیل موجک حاصل شده و تخمین نویز آن هم که توسط آنالیز LPC صورت گرفته است با الگوریتم ژنتیک بهبود یافته است. پ) روش پیشنهادی دوم: بهسازی سیگنال های صوتی با استفاده از روش میانگین خطای مربعات در فضای موجک، از ترکیب دو روش تبدیل موجک و کمینه کردن لگاریتم خطای میانگین مربعات(LOG-MMSE) حاصل شده است. در این روش با استفاده از تبدیل فوریه ضرایب موجک سیگنال گفتار آغشته به نویز و سیگنال نویز، تخمین زننده ی لگاریتمی بر مبنای کمترین خطای میانگین مربعات پیشنهاد شده است. در این رساله معیار ارزیابی ، معیارهای مهم نسبت سیگنال به نویز(SNR) و تست شنوایی(MOS) بوده است. با توجه به نتایج، این روش ها هم از لحاظ کیفی و هم از لحاظ کمی عملکرد بهتری داشته اند و توانسته اند SNR و MOS و اعوجاج و نویز موزیکال را بهبود ببخشند.