دانلود کد متلب حل مساله TSP با الگوریتم گرانشی +فیلم

در طول تاریخ، بسیاری از محققان در زندگی واقعی خود آمده اند در سراسر یک مشکل، به نام مسئله فروشنده دوره گرد (TSP). این مشکل این است برای پیدا کردن کوتاه ترین مسیر از فروشنده سفر که در یک شهرستان به خانه شروع می شود، مجموعه ای تجویز سایر شهرستانها و بازده به شهرستان شروع بازدیدکننده داشته است. مسافت طی شده در یک چنین تور بدیهی است که در دستور است که در آن شهرستانها هستند دیدار کرد و، در نتیجه بستگی دارد، مشکل این است که برای پیدا کردن یک سفارش بهینه از شهرستانها. TSP یک نماینده از کلاس بزرگی از مشکلات شناخته شده به عنوان مشکلات بهینه سازی ترکیبی است. TSP است که در میان مهم ترین مناطق به اکتشاف، از آن بسیار آسان است برای توصیف، اما بسیار دشوار است برای حل کند. چندین برنامه زندگی واقعی از TSP در مناطق مختلف دانش از جمله ریاضیات، علوم کامپیوتر، تحقیق در عملیات، ژنتیک، مهندسی، و الکترونیک وجود دارد. بسیاری از روش های موجود که توسط آن TSP حل، از مشکلات قابل توجهی، مانند عدم دقت و سرعت رنج می برند. در این مطالعه، روش ترکیبی از TSP ارائه شده است که می تواند نتایج دقیق عملکرد و نسبتا سریع، بدون اینکه در یک بهینه محلی در طول جستجو دام افتاده است. در این روش، ماتریس فازی مناسب استفاده می شود برای نشان دادن جزئیات از مشکل است. یک الگوریتم جدید بهینه سازی، به نام جاذبه جستجو الگوریتم (GSA) اعمال می شود برای حل TSP به عنوان دقیق که ممکن است، و در نهایت الگوریتم ژنتیک (GA) پاسخ نهایی در مقدار قابل توجهی از زمان را پیدا می کند. نتایج نشان داده اند که روش پیشنهادی قانع کننده در مقایسه با دیگر methods.Metaheuristics مربوط به استراتژی های جستجوی عمومی است که، در مرحله بهره برداری، به شدت بهره برداری از مناطق فضای راه حل با راه حل های با کیفیت بالا و در مرحله اکتشاف، حرکت به مناطق ناشناخته فضای حل را در صورت لزوم. گرانش جستجو الگوریتم (GSA) فراابتکاری مبتنی بر جمعیت تصادفی که در اصل برای حل مسائل بهینه سازی پیوسته طراحی شده است. این یک مکانیسم انعطاف پذیر و متعادل برای افزایش توانایی های اکتشاف و بهره برداری. در این مقاله، گسسته گرانشی الگوریتم جستجو (DGSA) پیشنهاد شده است برای حل مشکلات بهینه سازی ترکیبی. DGSA پیشنهاد استفاده از یک مسیر دوباره ارتباط (PR) استراتژی به جای راه های کلاسیک است که در آن عوامل GSA معمولا از موقعیت فعلی خود را به موقعیت دیگر عوامل حرکت می کند. الگوریتم پیشنهادی در مجموعه ای از ۵۴ اقلیدسی موارد معیار TSP با اندازه گرفته ۵۱-۲۳۹۲ گره مورد آزمایش قرار گرفت. نتایج رضایت بخش بود و در اکثر موارد، نتایج به بهترین راه حل شناخته شده برابر بود. الگوریتم پیشنهادی رتبه نهم زمانی که با ۵۴ الگوریتم های مختلف با توجه به کیفیت از راه حل در مقایسه با.
دانلود رایگان ویدئو کلیپ فیلم آموزشی فارسی دانلود رایگان کد آماده متلب دانلود رایگان پروژه آماده متلب دانلود فایل آموزشی دانلود جزوه کلاسی دانلود مقاله فارسی انگلیسی لاتین دانلود پایان نامه فوق لیسانس کارشناسی ارشد تز دکتری فارسی انگلیسی ایران دانشگاه صنعتی شریف اصفهان تهران  دانشگاه امیرکبیر علم و صنعت شهید بهشتی تربیت مدرس شیراز کلاس تست کنکور کلاس خصوصی دوره های آموزشی انلاین مجازی دانلود جزوه pdf ppt پاورپوینت word داکیومنت ورد