
پاورپوینت الگوریتم کلونی زنبور عسل
27 اسلاید آماده ارائه در قالب پاورپوینت
فهرست:
کاربردهای هوش مصنوعی:
پاورپوینت الگوریتم کلونی زنبور عسل
پاورپوینت الگوریتم کلونی زنبور عسل
27 اسلاید آماده ارائه در قالب پاورپوینت
فهرست:
کاربردهای هوش مصنوعی:
موضوع فارسی : الگوریتم بهینه سازی کلونی مورچه اعمال شده به کشتی فرمان
موضوع انگلیسی : Ant colony optimization algorithm applied to ship steering control
تعداد صفحه : 10
فرمت فایل :pdf
سال انتشار : 2014
زبان مقاله : انگلیسی
چکیده
مقاله استفاده از یک الگوریتم مورچه برای بهینه سازی پارامترهای کنترل البته کشتی، بر اساس توصیف
الگوریتم کنترل PID. الگوریتم مورچه یک روش بهینه سازی ترکیبی، که الگوی از مورچه ها با بهره گیری از است
جستجو برای کوتاه ترین مسیر از لانه به مکانی که در آن مواد غذایی است که واقع شده است. روش تنظیم پارامتر برای
کنترل البته کشتی به مورد استفاده شد زمانی که کنترل شد تغییر مسیر کشتی و تکمیل
عمل خاموش بود. پارامترهای تنظیم از کنترل البته کشتی توسط الگوریتم کلونی مورچه ها، که ارزیابی شده است
با استفاده از اشتباه بر اساس تابع هدف دوره و انحراف فرمان داده شده است. نتایج مورد مقایسه قرار با
نتایج به دست آمده معادل با استفاده از یک الگوریتم ژنتیک. ، علاوه بر این، اثر PID تنظیم پارامتر کنترل شد
ارزیابی با استفاده از مورچه الگوریتم بهینه سازی کلونی.
کلمات کلیدی: الگوریتم بهینه سازی کلونی مورچه؛ الگوریتم ژنتیک؛ هوش مصنوعی؛ کنترل کننده PID. کنترل کشتی.
روش جمعی شاخه ای از پژوهش بر اساس جمعیت است که مدل های جمعیتی از عوامل مورد تداخل یا ازدحام که می توانند خود سازماندهی کنند . کلونی مورچه، ازدحام پرندگان و یا زنبورها یک نمونه ساده ای از سیستم جمعیتی است. دیگر نمونه ای از هوش جمعی کلونی زنبور عسل در اطراف کندو است. هوش کلونی زنبور عسل (ABC) یک الگوریتم است که یک الگوریتم بهینه سازی بر اساس رفتار هوشمندانه جمعیت زنبور عسل است. در این مفاله، الگوریتم ABC برای بهینه سازی توابع چند متغیره مورد استفاده قرار می گیرد. و نتایج تولید شده توسط الگوریتم ABC مقایسه می شوند.
کلمات کلیدی : هوش جمعی ، کلونی زنبور، بهینه سازی توابع عددی، چندین الگوریتم اکتشافی جدید، کلونی مورچه ها، رفتار هوشمند خاص ازدحام زنبور، زنبورها ی کارگر، انواع الگوریتم هوشمند، الگوریتم کلونی زنبورها، بهینه ترین الگوریتم، الگوریتم های بهینه سازی، الگوریتم ازدحام پرندگان، ثریا حدادی لایقی،
عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان
قالب بندی : PDF, Matlab
شرح مختصر : فایل پروژه از دو فایل اصلی تشکیل شده است : یکی ACO_feature_selection.m و ExteractFeatureZernik_DWT.m و یک پایگاه داده که ۴۰۰ تصویر از ۴۰ شخص در ۱۰ حالت متفاوت گرفته شده است. مراحل اجرای پروژه به صورت زیر است :
ابتدا با استفاده از اجرای فایل ExteractFeatureZernik_Dw ویژگی های زرنیک و DWT که مربوط به ویولت هست را از ۴۰۰ تصویر بیرون کشیده و در یک ماتریس با ۴۰۰ ردیف ذخیره می کنیم. تعداد ویژگی های استخراجی برای DWT برابر ۱۶۸ ویژگی است. که با توجه به مقاله ی شماره ۲(شکل۴ مقاله) که در فایل پروژه هست پیاده سازی شده است. تصاویر پایگاه داده ۹۲×۱۱۲ می باشد سه سطح رزولوشن آن باستفاده از تبدیل وارون ویولت کم می شود سطح اول ۴۶×۵۶ ، سطح دوم ۲۳×۲۸ و سطح سوم و آخر ۱۲×۱۴ می شود. در این مرحله تصویر با ابعاد سطح سوم را به صورت برداری تک ردیف ارائه می کنیم و اینکار با کنار هم و بهم پیوست ستون ها انجام می دهیم. که برای هر تصویر بردار ویژگی DWT برداری با طول ۱۶۸ خواهد بود زیرا ۱۲×۱۴=۱۶۸ خواهد شد. پس از استخراج ویژگی های آنها را در ماتریس Feature_DWT.mat با ابعاد ۴۰۰×۱۶۸ برای استفاده ی الگوریتم ACO ذخیره می کنیم. به منظور استخراج ویژگی-های زرنیک نیز از به جای استفاده مستقیم از تصاویر پایگاه داده از تصاویر کاهش یافته ی ۶۴×۶۴ استفاده شده است. که فقط ۲۰ مرتبه ی اول ویزگی های زرنیک محاسبه می شود. و دراین حالت نیز ماتریس با نام Zernike_Moment_features.mat با ابعاد ۴۰۰×۲۰ را به منظور استفاده ACO ذخیره می کنیم.
فهرست :
توضیحات اجرای پروژه
مقاله زبان اصلی
فایل سورس پروژه