342000
پاورپوینت
130560
کاربر
2369700
دانلود فایل
ساخت پاوپوینت با هوش مصنوعی
کم تر از 5 دقیقه با هوش مصنوعی کافه پاورپوینت ، پاورپوینت بسازید
برای شروع ساخت پاورپوینت کلیک کنید
شما در این مسیر هستید :خانه / محصولات / Powerpoint / دانلود پاورپوینت هوش مصنوعی وبررسی الگوریتم های جستجوی محلی (کد11660)
سفارش انجام پاورپوینت - بهترین کیفیت - کم ترین هزینه - تحویل در چند ساعت 09164470871 ای دی e2proir
دانلود پاورپوینت هوش مصنوعی وبررسی الگوریتم های جستجوی محلی (کد11660)
شناسه محصول و کد فایل : 11660
نوع فایل : Powerpoint پاورپوینت
قابل ویرایش تمامی اسلاید ها دارای اسلاید مستر برای ویرایش سریع و راحت تر
امکان باز کردن فایل در موبایل - لپ تاپ - کامپیوتر و ...
با یک خرید میتوانید بین 342000 پاورپینت ، 25 پاورپوینت را به مدت 7 روز دانلود کنید
هزینه فایل : 105000 : 54000 تومان
فایل های مشابه شاید از این ها هم خوشتان بیاید !!!!
دانلود پاورپوینت تحلیل و ارزیابی برنامه هاي وزارت علوم در زمینه توسعه فناوري اطلاعات و ارتباطات(ICT) (کد11668)
دانلود پاورپوینت آشنایی با نحوه تشكيل شرکت‌هاي مادر تخصصي و زير مجموعه‌هاي آن بر حسب مزيت‌هاي نسبي وخوشه‌هاي صنعتي و نرم‌افزاري در استانها (کد11650)
توضیحات محصول دانلود پاورپوینت هوش مصنوعی وبررسی الگوریتم های جستجوی محلی (کد11660)
دانلود پاورپوینت هوش مصنوعی وبررسی الگوریتم های جستجوی محلی
\nهوش مصنوعی
\n\nعنوان های پاورپوینت :
\nفصل چهارم فراتر از جست و جوی کلاسیک
\nالگوریتم های جستجوی محلی
\nدماغه
\nجست و جوی تپه نوردی
\nجست و جوی سخت سازی شبیه سازی شده
\nجستجوی پرتویی محلی
\nالگوریتم ژنتیک
\nمراحل الگوریتم ژنتیک
\nمثال الگوریتم ژنتیک روی 8 وزیر
\n\n\n\nقسمت ها و تکه های اتفاقی از فایل\n\n \n\nتا به حال همه الگوریتمها برون خطی بودند\n\nبرون خطی(Offline):راه حل قبل از اجرا مشخص است\n\nدرون خطی(Online):با یک در میان کردن محاسبات و فعالیت عمل میکند\n\nجستجوی درون خطی در محیطهای پویا و نیمه پویا مفید است\n\nآنچه را که باید واقعا اتفاق بیفتد، در نظر گرفته نمیشود\n\nجست و جوی درون خطی ایده ضروری برای مسئله اکتشاف است\n\nفعالیتها و حالتها برای عامل مشخص نیستند\n\nمثال:قرار گرفتن روبات در محیطی جدید, نوزاد تازه بدنیا آمده\n\n \n\nمقداردهی اولیه جمعیت\n\nانتخاب یکسری از موجودات جمعیت به منظور تولید جمعیت جدید\n\nاعمال آمیزش و جهش روی موجودات انتخاب شده\n\nارزیابی جمعیت جدید\n\nجایگزینی جمعیت قدیمی با جمعیت جدید\n\n \n\nیک حالت بعدی با ترکیب دو حالت پدر ایجاد می شود.\n\nشروع با k حالت تصادفی (جمعیت اولیه)\n\nنمایش یک عضو جمعیت: کروموزوم\n\nتابع ارزیابی: fitness function)) : هر حالت از جمعیت فعلی را ارزیابی می کند و عددی تولید می کند.\n\nنسل بعدی جمعیت با انجام اعمال زیر روی جمعیت فعلی تولید می شود:\n\nانتخاب (selection)\n\nآمیزش (crossover)\n\nجهش (mutation)\n\n \n\nبه جای یک حالت، k حالت را نگهداری میکند\n\n1- حالت اولیه:شروع جستجو با k حالت تصادفی\n\n2- گام بعد: پسین همه k حالت تولید میشود\n\n3- اگر یکی از پسین ها هدف بود، تمام میشود\n\n4- وگر نه از بین k حالت اولیه و k حالت تولید شده، k حالت بهتر را انتخاب می کند و به مرحله 2 برمی گردد\n\nتفاوت عمده با جستجوی شروع مجدد تصادفی\n\nدر جست و جوی شروع مجدد تصادفی، هر فرایند مستقل از بقیه اجرا میشود\n\nدر جست و جوی پرتو محلی، اطلاعات مفیدی بین k فرایند موازی مبادله میشود\n\nایده: از بهینه های محلی، با انجام حرکت های بد، فرار کن. اما به تدریج اندازه و تعداد حرکات بد را کم کن.\n\nترکیبی از تپه نوردی با حرکت تصادفی\n\nپیشروی مانند تپه نوردی می باشد، اما در هر مرحله حالت بعدی به طور تصادفی انتخاب می شود.\n\nاگر حالت بعدی انتخاب شده بهتر باشد، همواره به آن حالت بعدی خواهیم رفت.\n\nدر غیر این صورت، تنها با یک احتمال به آن حالت خواهیم رفت و این احتمال به صورت نمایی کاهش می یابد.\n\n \n\nشبیه سازی حرارت:\n\nدر متالوژی، سخت سازی فرایندی است که برای آب دادن فلزات و شیشه ها به کار می رود. ابتدا آنها را با درجه بالا حرارت می دهند و سپس به تدریج آنها را سرد می کنند که به ماده اجازه می دهد به شکل مورد نظر دربیاید.\n\nمقایسه با حرکت توپ\n\nاگر توپ را رها کنیم تا قل بخورد، در یک کمینه محلی گیر می کند. اگر سطح را تکان دهیم می توانیم توپ را از کمینه محلی در بیاوریم. تکان مجدد باید به حدی باشد که توپ را از کمینه محلی در بیاورد ولی نتواند توپ را از کمینه اصلی (سراسری) خارج کند.\n\nبنابراین\n\nابتدا تکان شدید به توپ می دهیم (دمای زیاد)\n\nبتدریج تکان های کمتر (به دمای پایین تر)\n\nمشکل اصلی تپه نوردی: بسته به حالت اولیه مسأله ممکن است در ماکزیمم محلی گیر کند.\n\nتپه نوردی به دلایل زیر میتواند متوقف شود:\n\nبیشینه محلی: قله ای است که از تمام همسایه ها بلندتر است اما از قله اصلی، کوتاهتر است.\n\nدماغه ها (مانند شکل بعد): دنباله ای از بیشینه های محلی که عبور از آنها مشکل است.\n\nفلات: ناحیه ای است که در آن، تابع ارزیاب، ثابت است. یعنی همسایه بهتر وجود ندارد. ممکن است نتواند راه عبور از فلات را بیابد.\n\n \n\nانواع تپه نوردی:\n\nتپه نوردی غیرقطعی، تپه نوردی اولین انتخاب، تپه نوردی شروع مجدد تصادفی\n\n \n\nمثال: مسئله 8 وزیر\n\nمسئله 8 وزیر با استفاده از فرمولبندی حالت کامل\n\nدر هر حالت 8 وزیر در صفحه قرار دارند\n\nتابع جانشین: انتقال یک وزیر به مربع دیگر در همان ستون\n\nتابع اکتشاف: جفت وزیرهایی که نسبت به هم گارد دارند\n\nمستقیم یا غیر مستقیم\n\n \n\nحلقه ای که در جهت افزایش مقدار حرکت میکند(بطرف بالای تپه)\n\nرسیدن به بلندترین قله در همسایگی حالت فعلی، شرط خاتمه است.\n\nساختمان داده گره فعلی، فقط حالت و مقدار تابع هدف را نگه میدارد\n\nجست و جوی محلی حریصانه نیز نام دارد\n\nبدون فکر قبلی حالت همسایه خوبی را انتخاب میکند\n\nتپه نوردی به دلایل زیر میتواند متوقف شود:\n\nبیشینه محلی\n\nبرآمدگی ها\n\nفلات\n\nالگوریتم های قبلی، فضای جست و جو را به طور سیستماتیک بررسی میکنند\n\nتا رسیدن به هدف یک یا چند مسیر نگهداری میشوند\n\nمسیر رسیدن به هدف، راه حل مسئله را تشکیل میدهد\n\nدر بسیاری از مسائل بهینه سازی، مسیر راه حل اهمیت ندارد؛ خود حالت هدف پاسخ مسأله می باشد.\n\nمانند 8 وزیر\n\nدر چنین مواردی می توان از الگوریتم های جستجوی محلی بهره گرفت.\n\nایده جستجوی محلی: یک حالت (حالت فعلی) را در نظر بگیر، سعی کن آن را بهبود بخشی.\n\n \n\nجستجوی محلی = استفاده از یک حالت فعلی و حرکت به حالت های همسایه\n\n• مزایا:\n\n– استفاده از حافظه بسیار کم\n\n– یافتن راه حل های معقول در اغلب موارد در فضاهای حالت بزرگ و یا نامحدود\n\n• مفید برای مسائل بهینه سازی محض\n\nیافتن بهترین حالت بر طبق تابع هدف: (objective function)\n\n \n\n \n\n30 تا 70 درصد پروژه | پاورپوینت | سمینار | طرح های کارآفرینی و توجیهی | پایان-نامه | پی دی اف مقاله ( کتاب ) | نقشه | پلان طراحی | های آماده به صورت رایگان میباشد ( word | pdf | docx | doc )
