فایل ورد کامل ترجمه ISI هوش مصنوعی Artificial Intelligence in the path planning optimization

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل ترجمه ISI هوش مصنوعی Artificial Intelligence in the path planning optimization دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد کامل ترجمه ISI هوش مصنوعی Artificial Intelligence in the path planning optimization  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل ترجمه ISI هوش مصنوعی Artificial Intelligence in the path planning optimization،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل ترجمه ISI هوش مصنوعی Artificial Intelligence in the path planning optimization :

توضیحات:

عنوان اصلی مقاله: Artificial Intelligence in the path planning optimization of mobile agent navigation

ترجمه فارسی عنوان: هوش مصنوعی در بهینه سازی طراحی مسیر حرکت عامل متحرک

تعداد صفحات انگلیسی: ۸ صفحه

تعداد صفحات ترجمه فارسی: ۱۱ صفحه

چکیده
حل تعدادی از مشکلات سخت به هوش محاسباتی نیاز دارد. یکی از مسیرهای مهم در هوش مصنوعی عبارت است از توسعه الگوریتم های هوش محاسباتی کارآمد مانند: الگوریتم های تکاملی (پویا) و شبکه های عصبی. سیستم هایی که به تنهایی یا درهمکاری با یکدیگر عمل می کنند مانند ربات های همراه(قابل حمل) ، می توانند از الگوریتم های هوش محاسباتی برای حل مشکلات/ کارها (وظایف) متفاوت، استفاده کنند. با این حال در رفتارشان( حرکاتشان) می توانند یک هوش که هوش سیستم نامیده می شود ، ظاهر و پدیدار شود. مسئله فروشنده دوره گرد TSP یک ناحیه (محدوده) کاربردی بزرگ دارد. این یک مسئله کاری شناخته شده است. حداکثر فایده TSP در هزینه جمع آوری TSP است که کاربردهای اقتصادی زیادی دارد. TSP همچنین در محاسبات حمل و نقل رجا در سال ۲۰۱۲ استفاده شده است. آن همچنین یک محدوده وسیعی از کاربرد در بهینه سازی مسیر طراحی رباتیک عامل همراه دارد. در این مقاله یک مسیر طراحی رباتیک عامل همراه بررسی خواهد شد و از شبکه های عصبی بدون نظارت برای حل TSPو از نتایج TSP در یافتن یک مسیر دقیقاً بهینه بین دو نقطه در ناحیه کاری عامل استفاده می شود. در این مقاله ، اصلاح تابع (عملکرد) معیار از انتخاب نورون عصبی برنده نیز ارائه خواهد شد. در پایان مقاله نتایج ارائه خواهند شد.

کلمات کلیدی: مسیر طراحی عامل همراه، مسئله فروشنده دوره گرد، نقشه سازمانی.
۱. مقدمه
عوامل هوشمند و سیستم های چندعاملی ، یک زمینه نسبتاً جدیدی از کاربرد هوش مصنوعی برای حل موثر مسئله های متفاوت وایس۲۰۰۷، فربر۱۹۹۹، لانتویکس۲۰۰۷ ارائه می دهند . هوش عوامل نمی تواند منحصراً بر اساس تنوع زیادی از عوامل و مسائلی که آنها مجبورند وایس۲۰۰۷، فربر۱۹۹۹، لانتویکس۲۰۰۷ را حل کنند ، تعریف شود. هوش یک سیستم باید باعث بهبود حل مشکلات شود مانند: حل مشکلات انعطاف پذیر، حل مشکلات سخت، حل موثر تعداد زیادی از مشکلات و غیره. در تحقیقات مان ما هوش سیستم را در حل مشکلات بر اساس استفاده از یک الگوریتم هوش محاسباتی در نظر می گیریم. مسیرهای مهم تحقیق بوسیله عوامل همراه که می توانست عوامل نرم افزاری همراه Kirn, 2003; Kun, 2003 یا عوامل رباتیک همراه Sgorbissa, 2012; Lpez, 2007 باشد، ارائه شده است.