صفحه اصلی / مهندسی صنایع,صنعت,نساجی / پروژه و پایان نامه

نسخه قابل چاپ

امتیاز به این محصول عالی خوب متوسط ضعیف خیلی بد	(تعداد رای: 6) نظرات کاربران (0 پست) 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 تعداد صفحات: 102 صفحه نوع فایل ارسالی: ورد (Word ) کد محصول : pn43
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؟ برای کسب اطلاعات بیشتر از فرم زیر استفاده نمایید. نام شما: پست الکترونیک: لطفا دقیقا مشخص نمایید در مورد محصول چه اطلاعاتی می خواهید پایان نامه رشته مهندسی صنایع - بهینه سازی مسائل آماری چند پاسخه با استفاده از الگوریتم ژنتیک و رویکرد شبکه های عصبی: