کد متلب ارایه روشی بهبود یافته برای بهینه سازی، بر مبنای الگوریتم ازدحام ماهیهای مصنوعی (AFSA)
فرمت فایل دانلودی: .rarفرمت فایل اصلی: .m
حجم فایل: 1 کیلوبایت
قیمت: 6500 تومان
توضیحات:
کد متلب ارایه روشی بهبود یافته برای بهینه سازی، بر مبنای الگوریتم ازدحام ماهیهای مصنوعی (AFSA).
این فایل حاوی کد برنامه متلب برای پیاده سازی یک الگوریتم جدید و بهبود یافته الگوریتم ازدحام ماهیهای مصنوعی با هدف بهبود مدل های شبکه عصبی و مقایسه آن با الگوریتم(PSO) می باشد.
الگوریتم ازدحام ماهی های مصنوعی (artificalt fish-swarm algrithm) الگوریتمی از نوع تکاملی ، ابتکاری و بر گرفته از تئوریهای هوش جمعی می باشد که از رفتار های اجتماعی کلونی های ماهی در طبیعت الهام گرفته است . الگوریتم AFSA یک تکنیک توسعه یافته از الگوریتم ژنیک است و تا حدودی ساختار و مفاهیم پایه ای مشابه مانند کروموزوم،ژن، جمعیت، تکامل ، جهش و...در هر دوی آنها موجود است. ازویژگی ها و مزایای نسبی تکنیک AFSA میتوان به انعطاف پذیری و تحمل پذیری خطای بالا، عدم حساسیت به مقادیر اولیه و سرعت همگرایی بالا اشاره کرد. الگوریتم ازدحام ماهی ها، بطور ویژه ، در کاربردهای بهینه سازی، مانند آموزش شبکه های عصبی پیشرو ، بهینه سازی ترکیبی و تخمین پارامترها استفاده می شود.
این محصول، کد برنامه متلب برای پیاده سازی یک الگوریتم جدید و بهبود یافته الگوریتم ازدحام ماهیهای مصنوعی است و هدف آن بهبود مدل های شبکه عصبی، در مقایسه با الگوریتم بهینه سازی ازدحام ذرات ((PSO میباشد .ابتدا دو الگوریتم PSO و AFSA با شخصات اصلی زیر تعریف شده:
* برای دستیابی به مقاسیه ای منصفانه ، تعداد جمعیتها (20) و دوره های تکرار(200) برای هر دو الگوریتم یکسان در نظر گرفته شده .
* برای تولید ذرات وتعیین سرعت اولیه در هر دو الگوریتم از روش مقداردهی تصادفی استفاده شده، که در است که برای انجام مراحل بهینه سازی، تابع نمونه (f (x بهمراه متغیرها یی با مقادیر آزمایشی بعنوان ورودیهای شبکه ، تعریف شده. تابع و مقادیر متغیرهای ورودی با توجه به سناریو قابل تغییر است.). در نهایت ، کدنویسی برای شبیه سازی هر دو الگوریتم انجام گرفته.
چون در اینگونه الگوریتمها ، مقداردهی برای تولید ذرات اولیه بصورت random صورت میپذیرد،در هر بار اجرا نتایج بدست آمده با توجه به تغییر مقادیر پارامترهای ورودی ، تغییر خواهد کرد. لذا ، برای بررسی عملکرد ، باید برنامه را دفعات مشخصی اجرا کنیم ، در نهایت با روش شمارش نتایج شاخص fitness و یا معدل گیری از نتایج ، عملکرد را بررسی کنیم. مسلما" هر چه تعداد دفعات اجرا بیشتر شود، نتیجه حاصل شده ،از دقت بالاتری برخوردار خواهد بود.
برای نمونه ، برنامه 100 مرحله متوالی اجرا شد و نتایج بدست آمده برای شاخص شایستگی بررسی شد. عملکرد الگوریتم ازدحام ماهی مصنوعی پیشنهادی ، به روش شمارش نتایج نهایی ، در 61 مورد از 100 مورد اجرا، بهتر از الگوریتم استاندارد بهینه سازی ازدحام ذرات (pso) بدست آمد. تلاش شده برنامه دارای ساختاری روان و انعطاف پذیر داشته و وابستگیها سلسله مراتبی تعریف شود تا توسعه ساده آن برای سناریوهای مختلف بهینه سازی ، خصوصا" ارتقای عملکرد انواع مدلهای شبکه های عصبی با اعمال کمترین تغییرات ،فراهم شود. کدهای اصلی دارای کامنت انگلیسی میباشد.
برای اجرای برنامه، پس از خارج کردن فایل فشرده دانلودی از حالت فشرده، پوشه حاوی کدهای برنامه که شامل سه mfile میباشد را به current folder نرم افزار متلب کپی کنید و فایل با نام main.m را Run نمایید. نتایج محاسباتی در command window و نتایج گرافیکی مقایسه دو الگوریتم pso و AFSA است بصورت منحنی در پنجره فیگور نمایش داده میشود.
کد متلب ارایه روشی بهبود یافته برای بهینه سازی، بر مبنای الگوریتم ازدحام ماهیهای مصنوعی (AFSA).
این فایل حاوی کد برنامه متلب برای پیاده سازی یک الگوریتم جدید و بهبود یافته الگوریتم ازدحام ماهیهای مصنوعی با هدف بهبود مدل های شبکه عصبی و مقایسه آن با الگوریتم(PSO) می باشد.
الگوریتم ازدحام ماهی های مصنوعی (artificalt fish-swarm algrithm) الگوریتمی از نوع تکاملی ، ابتکاری و بر گرفته از تئوریهای هوش جمعی می باشد که از رفتار های اجتماعی کلونی های ماهی در طبیعت الهام گرفته است . الگوریتم AFSA یک تکنیک توسعه یافته از الگوریتم ژنیک است و تا حدودی ساختار و مفاهیم پایه ای مشابه مانند کروموزوم،ژن، جمعیت، تکامل ، جهش و...در هر دوی آنها موجود است. ازویژگی ها و مزایای نسبی تکنیک AFSA میتوان به انعطاف پذیری و تحمل پذیری خطای بالا، عدم حساسیت به مقادیر اولیه و سرعت همگرایی بالا اشاره کرد. الگوریتم ازدحام ماهی ها، بطور ویژه ، در کاربردهای بهینه سازی، مانند آموزش شبکه های عصبی پیشرو ، بهینه سازی ترکیبی و تخمین پارامترها استفاده می شود.
این محصول، کد برنامه متلب برای پیاده سازی یک الگوریتم جدید و بهبود یافته الگوریتم ازدحام ماهیهای مصنوعی است و هدف آن بهبود مدل های شبکه عصبی، در مقایسه با الگوریتم بهینه سازی ازدحام ذرات ((PSO میباشد .ابتدا دو الگوریتم PSO و AFSA با شخصات اصلی زیر تعریف شده:
* برای دستیابی به مقاسیه ای منصفانه ، تعداد جمعیتها (20) و دوره های تکرار(200) برای هر دو الگوریتم یکسان در نظر گرفته شده .
* برای تولید ذرات وتعیین سرعت اولیه در هر دو الگوریتم از روش مقداردهی تصادفی استفاده شده، که در است که برای انجام مراحل بهینه سازی، تابع نمونه (f (x بهمراه متغیرها یی با مقادیر آزمایشی بعنوان ورودیهای شبکه ، تعریف شده. تابع و مقادیر متغیرهای ورودی با توجه به سناریو قابل تغییر است.). در نهایت ، کدنویسی برای شبیه سازی هر دو الگوریتم انجام گرفته.
چون در اینگونه الگوریتمها ، مقداردهی برای تولید ذرات اولیه بصورت random صورت میپذیرد،در هر بار اجرا نتایج بدست آمده با توجه به تغییر مقادیر پارامترهای ورودی ، تغییر خواهد کرد. لذا ، برای بررسی عملکرد ، باید برنامه را دفعات مشخصی اجرا کنیم ، در نهایت با روش شمارش نتایج شاخص fitness و یا معدل گیری از نتایج ، عملکرد را بررسی کنیم. مسلما" هر چه تعداد دفعات اجرا بیشتر شود، نتیجه حاصل شده ،از دقت بالاتری برخوردار خواهد بود.
برای نمونه ، برنامه 100 مرحله متوالی اجرا شد و نتایج بدست آمده برای شاخص شایستگی بررسی شد. عملکرد الگوریتم ازدحام ماهی مصنوعی پیشنهادی ، به روش شمارش نتایج نهایی ، در 61 مورد از 100 مورد اجرا، بهتر از الگوریتم استاندارد بهینه سازی ازدحام ذرات (pso) بدست آمد. تلاش شده برنامه دارای ساختاری روان و انعطاف پذیر داشته و وابستگیها سلسله مراتبی تعریف شود تا توسعه ساده آن برای سناریوهای مختلف بهینه سازی ، خصوصا" ارتقای عملکرد انواع مدلهای شبکه های عصبی با اعمال کمترین تغییرات ،فراهم شود. کدهای اصلی دارای کامنت انگلیسی میباشد.
برای اجرای برنامه، پس از خارج کردن فایل فشرده دانلودی از حالت فشرده، پوشه حاوی کدهای برنامه که شامل سه mfile میباشد را به current folder نرم افزار متلب کپی کنید و فایل با نام main.m را Run نمایید. نتایج محاسباتی در command window و نتایج گرافیکی مقایسه دو الگوریتم pso و AFSA است بصورت منحنی در پنجره فیگور نمایش داده میشود.
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
تحقیق سازه ی روش های مقابله ای