تکنیک های هوش محاسباتی (CI) طی سال های اخیر توجه بسیاری از مهندسان تحقیق، تصمیم گیرندگان، و محققان برای حل تعداد نامحدودی از مسائل پیچیده ی واقعی به خصوص مربوط به حوزه ی بهینه سازی را جلب کرده است. در متغیرهای تصمیمی چندگانه غیرمطمیئن و بی نظم، محدودیت های پیچیده، محیط مشوش و رویکردهای کلاسیک و سنتی قادر به ارائه ی راه حل های مناسبی برای مسائل بهینه سازی نمی باشد. هوش محاسباتی از تکنیک هایی استقبال می کند که از بهینه سازی جهانی جستجو، یادگیری ماشین، استدلال تقریبی، و سیستم پیوندگرا استفاده می کنند. تکنیک های هوش مصنوعی شامل مجموعه ای از یادگیری، اقتباس و تحول می باشد که برای برنامه های هوش و جدید مورد استفاده قرار می گیرند. همچنین هوش مصنوعی به عنوان یکی از مسیرهای تحقیق پیشرفته محسوب می شود چراکه راه حل های موثر، قوی و راحت برای مسائل پیچیده ی واقعی را می توان ایجاد کرد.

درباره ی این کتاب

راه حل های مسائل مبتنی بر محدودیت برای استفاده از الگوهای MATLAB و SIMULINK به عنوان پایه و ستون این کتاب انتخاب شده اند. کتاب حاضر نگاشته شده است تا عملکرد هوش محاسباتی را به لحاظ ارائه ی دانش، سازگاری، بهینگی و سرعت پردازش برای مسائل واقعی مختلفی را بررسی کند. این کتاب به الگوهای هوش محاسباتی و نقش آن ها در کارکردهای مختلف مهندسی مانند تعهد به واحد و بار پخش بار اقتصادی، کاهش هارمونیک، کنترل فرکانس بار و تنظیم ولتاژ اتوماتیک، برنامه ریزی فروشگاه کار، مسیریابی وسیله نقلیه multi depot( چند مخزنه )و نهان نگاری تصویر دیجیتال می پردازد. تاثیر الگوریتم هوش محاسباتی در حوزه ی سیستم های قدرت، سیستم های کنترل، اتوماسیون صنعتی و پردازش عکس با اجرای کاربردی از طریق MATLAB/SIMULINK توضیح داده می شوند. هر کارکرد با اجرای الگوریتم هوش محاسباتی، روش شناسی برای بکارگیری الگوریتم هوش محاسباتی برای مسئله ی مورد نظر، رویکرد مسئله با استفاده از MATLAB/SIMULINK، و بررسی جامع با آزمون داده مبتنی بر مسئله انجام می شود.

توضیح مفصلی برای هر یک از مباحث ارائه شده است با این هدف تا مهندسان و دانشمندان بتوانند از مقدمه های موجود بر موضوعات کارکرد و تحقیق بهره ببرند. این کتاب دانشجویان لیسانس، ارشد و دکتری و محققین علاقمند به فهم و اجرای الگوریتم های هوش محاسباتی برای کارکردهای متعدد مبتنی بر MATLAB/SIMULINK را مخاطب خود قرار می دهد.

ساختار کتاب

این کتاب شامل 7 فصل می شود. فصل اول مفاهیم بنیادین الگوریتم هوش محاسباتی و همچنین نقش الگوهای هوش محاسباتی در کاربرد مهندسی را توضیح می دهد.

همچنین، طبقه بندی مفصلی از الگوریتم های هوش محاسباتی با شبهه کد، حوزه های کاربرد، و مزایا و معایب هر الگوریتم نیز ارائه شده است. تحقیقی پیرامون حوزه های کاربرد با مقدمه ای بر مسئله های مبتنی بر محدودیت که در فصل های بعدی ارائه می شود نیز فراهم گردیده است.

فصل 2 به فرمول ریاضی تهعد به واحد (UC) و مسائل اعزام بار اقتصادی به همراه چارچوبی برای حل این مسائل می پردازد.

اجرای تکنیک های بهینه سازی مانند الگوریتم های ژنتیکی (GA)، شبکه ی تابع بنیادین مبتنی بر فازی-شعاعی (FRBFN)، بهینه سازی فزاینده ی ازدحام ذرات (EPSO)، تحول تفاضلی با یادگیری مخالفت-محور (DEOBL)، تحول تفاضلی با یادگیری مخالفت-محور بهبودیافته (IDE-OBL)، کلونی زنبور عسل مصنوعی (ABC)، و بهینه سازی جستجو فاخته (CSO) در حل تعهد به واحد و اعزام بار اقتصادی (UC-ELD) به همراه آنالیز مقایسه ای مبتنی بر هزینه سوخت، توان، کارآمدی محاسباتی و کارآمدی الگوریتمی ارائه شده اند.

فصل 3 به تاثیرات هارمونیک و روش های از بین بردن همسازها از طریق درایوهای اینورتر منبع ولتاژ (VSI) برای اندازه گیری هارمونیک در صنعت خمیر و کاغذ می پردازد.

مدل های MATLAB/SIMULINK برای درایوهای ایجاد شده برای کاهش هارمونیک با بکارگیری الگوریتم های هوش محاسباتی مانند GA و بهینه سازی تغذیه باکتری (BFO) برای کاهش همسازها ایجاد شده اند.

فصل 4 اهمیت کنترل فرکانس بار (LFC) و تنظیم کننده خودکار ولتاژ (AVR) در سیستم های تولید کننده ی قدرت را نشان می دهد.  سیستم های LFC و AVR با کمترل کننده ی PID به همراه پارامترهای مختلف بکاررفته برای شبیه سازی مدل سازی شده اند. همچنین، LFC و AVR با کنترل کننده ی PID که توسط منطق فازی، GA، بهینه سازی کلونی مورچه (ACO) و بهینه سازی ازدحام ذرات (PSO) تنظیم شده اند مورد آزمون قرار گرفتند. بعلاوه، ترکیب الگوریتم های تکاملی با فازی، GA، BF، و ورژن های بهبودیافته ی الگوریتم PSO بکار رفتند تا عملکرد LFC و AVR در سیستم های قدرت به هم متصل را آزمود.

فصل 5 مشکل زمانبندی نغازه کارها (JSSP) را به معنای فازی با استفاده از بهینه سازی فرا-اکتشافی مانند GA، PSO تصادفی، ACO، و بهینه سازی ازدحام ژنتیکی (GSO) حل می کند. فرمول و مدل ریاضی JSSP با اجرای اکتشافی هوشمند با فایل های MATLAB مشخص شده اند. الگوریتم ها با اجرای آزمایش روی مجموعه ای استاندارد از 162نمونه معیار بررسی می شوند که خود عملکد JSSP را ارزیابی می کند.

فصل 6 به مفاهیم پایه ای و مدل ریاضی مشکل مسیریابی وسایل نقلیه (MDVRP) می پردازد. این مسئله با تکنیک های زیستی مانند GA، PSO بهبود یافته، ABC، GSO، و GSO بهبودیافته اجرا می شود. کارآمدی تکنیک های پیشنهادی بر روی 5 نمونه معیار مختلف Cordeau  آزموده و ارزیابی می شوند. اکتشافی هوشمند به منظور ارزیابی عملکرد نمونه های MDVRP اجرا می شوند.

فصل 7 نهان نگاری هوشمند و دیجیتالی تصویر مبتنی بر GA، PSO، و PSO ترکیبی را مشخص می سازد. طرح های پیش از نهان نگاری مانند تقسیم بندی تصویر، استخراج ویژگی، انتساب جهت گیری، و عادی سازی تصویر به همراه الگوریتم های پردازش تصویر ارائه شده اند. فرایند تعبیه ی علامت و استخراج تصویرهای از پیش پردازش ده در DWT به همراه حمله های هندسی و غیرهندسی به تفصیل ارائه شده اند. روند اجرای قدم به قدم الگوریتم های اکتشافی و قطعه فایل های MATLAB در این فصل مورد بحث قرار گرفته اند.

لینک دانلود

نوشته کتاب الگوهای هوش محاسباتی برای مسئله های بهینه با استفاده از MATLAB/SIMULINK اولین بار در ايران متلب. پدیدار شد.

IBM ILOG CPLEX یکی از مشهورترین و پرکاربردترین نرم افزارهای حل کننده مسئله های مقیاس بزرگ می باشد. راندمان و مزایای آن در طول دو دهه استفاده از آن در بیش از هزار مسئله اقتصادی ثابت شده است.

شما با IBM ILOG CPLEX می توانید در تکنولوژی برنامه نویسی ریاضی برای بهینه سازی تصمیم استفاده کنید تا راندمان بهبود داده شود و هزینه کاهش یابد و سودآوری افزایش یابد.

الگوریتم های پایه شامل :

حل کننده های برنامه نویسی ریاضی راندمان بالا برای مسائل برنامه نویسی خطی ، mixed interger و درجه دوم و قید دار می توانند استفاده شوند.

همچنین شما می توانید از الگوریتم های موازی توزیع شده (distributed) برای استفاده از چند کامیپوتر در حل یک مسئله استفاده کنید.

با این نرم افزار توانسته اند مسئله هایی با میلیون ها قید و متغیر را حل کنند.

نکته بعدی در مورد CPLEX سرعت بالای آن در حل مسئله های بزرگ می باشد.

ILOG CPLEX میتواند مسئله های زیر را هم حل کند :

• مسائل جریان شبکه (Network Flow) ، یک مورد خاص از LP می باشند. CPLEX می تواند سریعتر از برنامه های دیگر آنرا حل کند.
• مسائل برنامه نویسی درجه دو (Quadratic Programming (QP)) ، که در این حالت تابع هدف LP گسترش داده می شود تا ترم های درجه دو را هم در بربگیرد.
• مسائل برنامه نویسی عدد صحیح ترکیبی (Mixed Integer Programming (MIP)) که LP تغییر می کند تا متغییرهای QP محدود می شوند تا مقادیر صحیح در راه حل بهینه (optimal) را هم شامل شود.

عناصر ILOG CPLEX :

CPLEX در سه فرم مختلف برای نیازهای مختلف کابران عرضه می شود :

بهینه ساز تعاملی CPLEX یک برنامه اجرایی (تحت DOS ) می باشد که می تواند یک مساله بهینه سازی را به طور تعاملی یا از یک فایل بگیرد و آنرا حل کند و جواب را به صورت تعاملی یا در یک فایل خروجی برگرداند. در بخش اول آموزش ایران متلب، بهینه ساز تعاملی CPLEX آموزش داده می شود.

تکنولوژی concert که یک مجموعه از کتابخانه کلاسهای C++ و Java و .NET می باشد که به کاربران این قابلیت را می دهد که موتور بهینه ساز CPLEX را در برنامه های C++ و Java و .NET مورد استفاده قرار دهند.جدول زیر لیستی از فایل های کتابخانه را نشان می دهد.

کتابخانه های قابل فراخوانی CPLEX که یک کتابخانه C می باشد که به برنامه نویس اجازه می دهد بهینه ساز ILOG CPLEX را در برنامه های نوشته شده به زبان C و ویژال بیسیک و فرتن fortan و هر زبان دیگری که قابلیت فراخوانی کتابخانه های C را دارد، فراخوانی کند.

لینک دانلود کل مجموعه 

پیش نمایش 1 :

لینک دانلود (کیفیت اصلی)
لینک آپارات
لینک تخته سفید
لینک youtube

پیش نمایش 2 :

لینک دانلود (کیفیت اصلی)
لینک آپارات
لینک تخته سفید
لینک youtube

پیش نمایش 3 :

لینک دانلود (کیفیت اصلی)
لینک آپارات
لینک تخته سفید
لینک youtube

پیش نمایش 4 :

لینک دانلود (کیفیت اصلی)
لینک آپارات
لینک تخته سفید
لینک youtube

پیش نمایش 5 :

لینک دانلود (کیفیت اصلی)
لینک آپارات
لینک تخته سفید
لینک youtube

پیش نمایش 6 :

لینک دانلود (کیفیت اصلی)
لینک آپارات
لینک تخته سفید
لینک youtube

نوشته فیلم آموزشی IBM ILOG CPLEX اولین بار در ايران متلب. پدیدار شد.