در صورتی که مایل به خرید این محصول هستید ابتدا باید آن را به سبد خرید اضافه کنید
# این محصول به صورت فایل می باشد و پس از پرداخت موفق توسط شما لینک دانلود به ایمیل شما ارسال میگردد .
# در صورتی که دارای ایمیل شخصی نمیباشید لینک دانلود در قسمت دانلود فروشگاه قرار میگیرد .
# این محصول پس از پرداخت موفق طی حداقل 30 دقیقه و حداکثر 10 ساعت آینده طبق فهرست ذیل ارسال میگردد .
قیمت:
۲۰,۴۰۰ تومان
موجود در انبار:
بله
فهرست مطالب
1- مقدمه 1
2- مرور ادبیات 6
3- تعریف مسئله و مدلسازی آن 18
3-1- تعریف مسئله 18
3-2- مدلسازی مسئله 20
3-2-1- روش دسترسی به مقصد 20
3-2-2- روش معیار جامع 24
3-2-3- روش تابع مطلوبیت 28
3-2-4- تکنیک آنتروپی 29
4- معرفی روش ارائه شده 32
4-1- استفاده از شبکه عصبی مصنوعی 32
4-1-1- مروری بر شبکه عصبی استفاده شده 34
4-1-2- نحوه استفاده از شبکه عصبی در مسئله 35
4-2- روش حل مسئله 37
4-2-1- مروری بر الگوریتم ژنتیک 37
4-2-2- اطلاعات اولیه برای الگوریتم ژنتیک 39
4-2-3- کروموزوم 39
4-2-4- جمعیت اولیه 39
4-2-5- عملگرهای الگوریتم ژنتیک 40
4-2-5-1- تقاطع 40
4-2-5-2- جهش 41
4-2-6- ارزیابی تابع هدف 42
4-2-7- انتخاب کروموزوم ها 42
4-2-8- معیار توقف 43
4-3- تنظیم پارامترهای الگوریتم ژنتیک 43
5- بررسی کارایی روش ارائه شده 46
5-1- شرح و حل یک مثال عددی 46
5-2- تنظیم پارامترهای الگوریتم ژنتیک 59
5-3- مقایسه آماری روش ها 72
6- نتیجه گیری و پیشنهادها 77
6-1- نتیجه گیری 77
6-2- پیشنهادهایی برای تحقیقات آینده 78
7- مراجع 79
چکیده انگلیسی 82
فهرست جدول ها
جدول 2-1- مقايسه توابع مطلوبيت و زيان مرسوم 15
جدول 2-2- بررسی ویژگی های رویکرد ایده آل 16
جدول 3-1- نتایج قدم 2 26
جدول 3-2- ماتریس تصمیم گیری 29
جدول 5-1- نتایج تجربی برای آزمایش نیروی مبدل 47
جدول 5-2- پاسخ ها بعد از بی مقیاس سازی خطی 49
جدول 5-3- ورودی ها بعد از بی مقیاس سازی نرم 50
جدول 5-4- ماتریس 52
جدول 5-5- محاسبه 53
جدول 5-6- مقادیر اوزان نهائی 53
جدول 5-7- ضرائب رگرسیون بدست آمده از روش RSM 54
جدول 5-8- مقایسه MSE شبکه های عصبی مصنوعی استفاده شده و رگرسیون 56
جدول 5-9- ضرائب عامل های الگوریتم ژنتیک برای اجراهای روش دسترسی به مقصد 60
جدول 5-10- محدوده سطوح پارامترهای الگوریتم ژنتیک 61
جدول 5-11- آنالیز واریانس برای نشان دادن صحت عملکرد محاسبات جدول 13 61
جدول 5-12- مقادیر مربوط به روش دسترسی به مقصد 62
جدول 5-13- ضرائب عامل های الگوریتم ژنتیک برای اجراهای روش L-P متریک 65
جدول 5-14- آنالیز واریانس برای نشان دادن صحت عملکرد محاسبات جدول 17 66
جدول 5-15- مقادیر مربوط به روش L-P متریک 66
جدول 5-16- مقادیر بهینه متناظر متغیرهای ورودی 70
جدول 5-17- مقایسه آماری روش 1و2 73
جدول 5-18- مقایسه آماری روش 1و3 74
جدول 5-19- مقایسه آماری روش 2و3 75
فهرست شکل ها
شکل 3-1- دیاگرام روش دسترسی به مقصد 22
شکل 3-2- روش L-P متریک 28
شکل 4-1- شماتیکی از چگونگی عملکرد شبکه عصبی برای پاسخ 37
شکل 4-2- فرآیند تقاطع یکنواخت 41
شکل 4-3- فرآیند جهش تصادفی 42
شکل 5-1- طراحی آزمایش به روش سطح پاسخ 54
شکل 5-2- نمودار کانتور و 55
شکل 5-3- نمودار کانتور و 55
شکل 5-4- نمودار کانتور و 55
شکل 5-5- شبکه عصبی با دو لایه پنهان 56
شکل 5-6- MSE برای ANN1 57
شکل 5-7- MSE برای ANN2 57
شکل 5-8- گرادیان برای ANN1 57
شکل 5-9- گرادیان برای ANN2 57
شکل 5-10- MU برای ANN1 58
شکل 5-11- MU برای ANN2 58
شکل 5-12- Val Fail برای ANN1 58
شکل 5-13- Val Fail برای ANN2 58
شکل 5-14- منحنی کانتور مربوط به روش دسترسی به مقصد برای داده های با تعداد اجراهای استاندارد روشRSM 71
شکل 5-15- مقایسه زمان های حل روش های دسترسی به مقصد و L-P متریک 72
شکل 5-16- مقایسه آماری روش 1و2 74
شکل 5-17- مقایسه آماری روش 1و3 75
شکل 5-18- مقایسه آماری روش 2و3 76
آیا در رابطه با پایان نامه رشته مهندسی صنایع - بهینه سازی مسائل آماری چند پاسخه با استفاده از الگوریتم ژنتیک و رویکرد شبکه های عصبی سوالی دارید؟
پروژه و پایان نامه
