پاورپوینت کامل سیستم های بهینه سازی گروه ذرات (pso) 79 اسلاید در PowerPoint

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل سیستم های بهینه سازی گروه ذرات (pso) 79 اسلاید در PowerPoint دارای ۷۹ اسلاید می باشد و دارای تنظیمات کامل در PowerPoint می باشد و آماده ارائه یا چاپ است

شما با استفاده ازاین پاورپوینت میتوانید یک ارائه بسیارعالی و با شکوهی داشته باشید و همه حاضرین با اشتیاق به مطالب شما گوش خواهند داد.

لطفا نگران مطالب داخل پاورپوینت نباشید، مطالب داخل اسلاید ها بسیار ساده و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی پاورپوینت کامل سیستم های بهینه سازی گروه ذرات (pso) 79 اسلاید در PowerPoint،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از مطالب داخلی اسلاید ها

پاورپوینت کامل سیستم های بهینه سازی گروه ذرات (pso) 79 اسلاید در PowerPoint

اسلاید ۴: ۴PSO Particle swarm Optimitation الگوریتم PSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینه‌ی دسته به کار گرفته شد.

اسلاید ۵: ۵مثالهایی از pso در طبیعت :حرکات جمعی پرندگانحرکات دسته جمعی ماهیها کندوی زنبور عسلکلونی مورچه ها ant colonyخانه سازی موریانه ها گله های حیوانات تجمعات باکتریها

اسلاید ۶: ۶اساس کار PSO بر این اصل استوار است که در هر لحظه هر particle مکان خود را در فضای جستجو با توجه به بهترین مکانی که تا کنون در آن قرار گرفته است(p best) و بهترین مکانی که در کلهمسایگی‌اش وجود دارد(g best) ، تنظیم می‌کند.

اسلاید ۷: ۷در PSO، particleها در فضای جستجو جاری می‌شوند. تغییر مکان particleها در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر particleهای Swarm روی چگونگی جستجوی یک particle اثر می‌گذارد. نتیجه‌ی مدل‌سازی این رفتار اجتماعی فرایند جستجویی است که particleها به سمت نواحی موفق میل می‌کنند. Particleها در Swarm از یکدیگر می‌آموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود می‌روند.

اسلاید ۸: ۸Particle Swarm Optimization

اسلاید ۹: ۹بررسی رفتار پرندگان

اسلاید ۱۰: ۱۰بهینه‌سازی گروه ذرات )PSO(

اسلاید ۱۱: ۱۱تاریخچه pso

اسلاید ۱۲: ۱۲الگوریتم جامع پرندگان pso یک تکنیک بهینه سازی بر پایه قوانین احتمال می باشد. که ایده اولیه آن توسط راسل ابرهارت ( دانشمند علوم کامپیوتر ) و جیمز کندی ( روانشناس مسائل اجتماعی ) در سال ۱۹۹۵ ارائه شد . Russell EberhartJames Kennedy

اسلاید ۱۳: ۱۳این الگوریتم ازرفتار اجتماعی پرندگان در حین جستجوی غذا برای هدایت مجموعه پرندگان به منطقه امید بخش در فضای جستجو استفاده می کند. الگوریتم جامع پرندگان ذاتا یک الگوریتم بهینه سازی پیوسته است.

اسلاید ۱۴: ۱۴چند تعریف بهینه سازی روندی است برای یافتن و مقایسه کردن راه حلهای ممکن تا وقتی که پاسخ بهتری پیدا نشود.پاسخ خوب یا بد با توجه به هدفی یا اهدافی مشخص تعیین می شود.

اسلاید ۱۵: ۱۵روشهای بهینه سازی جمعیتیالگوریتمهایی هستند که عموما با تقلید از طبیعت وحرکات گروهی حیوانات PSO و …. طراحی و ایجاد می شوند .به لحاظ گوناگونی روشهای جستجو و بهینه سازی از روشهای کلاسیک بهترند!

اسلاید ۱۶: ۱۶ایده پایه:هر ذره در حال جستجو برای نقطه بهینه است.هر ذره در حال جابجایی است (در غیر اینصورت نمی‌تواند جستجو کند!)به دلیل این جابجایی، دارای سرعت است.هر ذره در هر مرحله، موقعیتی را که بهترین نتیجه را در آن داشته به خاطر می‌سپارد. (بهترین موقعیت فردی هر ذره)دلایل فوق بتنهایی خیلی خوب نیستند. ذرات به این کمک احتیاج دارند که بدانند در کجا به جستجو بپردازند.

اسلاید ۱۷: ۱۷ایده پایه :ذرات در گروه ذرات با هم همیاری می‌کنند. ذرات اطلاعاتی که درباره موقعیتی که در آن هستند را با هم تبادل می‌کنند.این همیاری باید خیلی ساده باشد. همیاری در PSO پایه بشکل زیر می‌باشد: – یک ذره دارای همسایگیهای منتسب به خودش است.- یک ذره تطابق ذراتی را که در همسایگیش هستند، می‌داند و از موقعیت ذره‌ای که بهترین تطابق را دارد استفاده می‌کند (بهترین موقعیت سراسری).- از این موقعیت بسادگی برای تنظیم سرعت ذره استفاده می‌شود.

اسلاید ۱۸: ۱۸ویژگیها و کاربردها:مزایا:یک روش مرتبه صفر است و نیازی به عملیات سنگین ریاضی مثل گرادیان‌گیری احتیاج ندارد.یک روش مبتنی بر جمعیت است. از مشارکت ذرات استفاده می‌کند.کاربردها:آموزش شبکه عصبیبهینه‌سازی تابعبازشناسی الگو

اسلاید ۱۹: ۱۹مثال ساده از مشخصه‌های این الگوریتم و ویژگی مشارکت:

اسلاید ۲۰: ۲۰مقداردهی اولیه موقعیتها و سرعتها:

اسلاید ۲۱: ۲۱گام ۲: ارزیابی تابع تطابق و تعیین بهترین موقعیتها۱- تطبیق هر کدام از ذرات را ارزیابی می‌کنیم.۲- بهترین راه‌حل هر کدام از ذرات را با تطابق فعلیشان مقایسه می‌کنیم و برابر با موقعیت بهتر قرار می‌دهیم.۳-بهترین راه‌حل سراسری در کل ذرات را حساب می‌کنیم.

اسلاید ۲۲: ۲۲گام ۳: بروزرسانی موقعیتها و سرعتهابررسی شرط پایان: اگر ۱- به مینیمم خطا برسیم. ۲- حداکثر دفعات اجرای الگوریتم به پایان برسد. ۳- در چند تکرار مشخص تابع تطابق تغییر نکند.آنگاه الگوریتم به پایان می‌رسد.در غیر اینصورت به گام ۲ برو.

اسلاید ۲۳: ۲۳بهینه‌سازی الگوریتمهای دوبعدی مبتنی بر آنتروپی از لحاظ سرعت اجرا: از الگوریتم بهینه‌سازی PSO استفاده می‌کنیم. سه نکته مهم را باید در نظر بگیریم:تابع معیار چیست؟تعداد ذرات چقدر باشد؟ابعاد مسئله چقدر است؟

اسلاید ۲۴: ۲۴یک ذره چه کارهایی را انجام می‌دهد؟یک ذره در هر مرحله زمانی (Timestep) باید به یک موقعیت جدید جابجا شود. این جابجایی با تنظیم سرعت ذره انجام می‌شود. تنظیم سرعت بقرار زیر است:- سرعت فعلیبعلاوه- سهم وزن‌یافته تصادفی در جهت بهترین موقعیت منفرد هر ذرهبعلاوه- سهم وزن‌یافته تصادفی در جهت بهترین موقعیت موجود در همسایگی ذرهتنظیم موقعیت بشکل زیر است:مقدار قدیمی موقعیتبعلاوه- سرعت جدید

اسلاید ۲۵: ۲۵بهترین تجربهحرکت ذره در راستای بهترین تجربه کل جمعیتبهترین کلیحرکت ذره در راستای بهترین تجربه خودحرکت ذره در راستای قبلیحرکت جدیدچگونگی حرکات ذرات ؟

اسلاید ۲۶: ۲۶همسایگان۱۷۹۵۶۸۴۳۲

اسلاید ۲۷: ۲۷همسایگیها:geographicalsocial

اسلاید ۲۸: ۲۸همسایگیها:Global

اسلاید ۲۹: ۲۹همسایگیهای دایره‌ای:دایره مجازی۱۵۷۶۴۳۸۲همسایگیهای ذره ۱

اسلاید ۳۰: ۳۰Particles Adjust their positions according to a “Psychosocial compromise’’ between what an individual is comfortable with, and what society reckonsمن در اینجا هستم!بهترین موقعیت همسایه منبهترین موقعیت منفردxpgpivi-proximityg-proximity

اسلاید ۳۱: ۳۱شبه-کد کامپیوتری:Equati