دانلود کد متلب حل مساله TSP با الگوریتم DE+فیلم آموزشی

یک الگوریتم تکامل دیفرانسیل هیبرید پیشنهاد شده است برای حل متوسط ​​اندازه مسئله فروشنده دوره گرد. الگوریتم جدید بهبود الگوریتم تکامل دیفرانسیل با رمزگذاری موقعیت سفارش با ترکیب کارآمد الگوریتم تپه نوردی. نتایج شبیه سازی از پنج نمونه معیار نشان می دهد اثر از algorithm.To جدید حل مشکلات رفت و آمد فروشنده (TSP)، تکامل دیفرانسیل ژنتیکی (GDE) معرفی شد، که از تکامل دیفرانسیل (DE) مشتق شده بود و با آن تلفیق با مکانیسم تولید مثل ژنتیک ، یعنی متقاطع و جهش. متقاطع subtour حریص (GSX) برای تولید فرزندان به معنی تفاوت از پدر و مادر به کار گرفته شد. متقاطع دستور اصلاح (MOX) به انجام جهش برای تولید بردار آزمایش با استفاده از پارامتر تعریف شده توسط کاربر استفاده شد، پارامتر برای کنترل نرخ از اجزای بردار هدف و اجزای بردار جهش یافته در بردار آزمایش استفاده شده است. علاوه بر این، یک جستجو ۲-OPT محلی به منظور افزایش عملکرد جستجوی محلی اجرا شد. GDE 52، ۱۰۰ و ۲۰۰ شهرستانها با پارامترهای متغیر به TSP شناخته شده اجرا شد. بر اساس تجزیه و تحلیل و بحث و گفتگو در نتایج، مقادیر پارامترهای، داده شد که با آن GDE مسئله فروشنده دوره گرد performance.Traveling موثر و قوی (TSP) یکی از سخت ترین مشکلات در منطقه بهینه سازی ترکیبی است ارائه شده است. هدف از TSP است برای پیدا کردن یک راه است که می تواند بین تمام گره ها (موارد) از گراف فقط یک بار (تور همیلتونی) در کوچکترین تور سفر، که شده است، کوچکترین فاصله اقلیدسی. در این زمینه، بسیاری دیگر از تکنیک های فرا اکتشافی بر اساس الگوریتم های تکاملی بوده است پیشنهاد در ادبیات برای حل مشکلات TSP. تکامل دیفرانسیل (DE) یک الگوریتم تکاملی ساده نسبتا جدید است که یک رویکرد تطبیقی ​​موثر برای بهینه سازی جهانی بیش از فضاهای جستجوی مداوم است. اصول طراحی DE می سادگی و بهره وری. از ویژگی های متمایز ترین DE است که آن را جهش پیدا بردار با اضافه کردن وزن، تفاوت بردار تصادفی به آنها. از زمان اختراع آن، DE شده است با موفقیت بالا در بسیاری از مسائل بهینه سازی عددی outperforming دیگر محبوب تر متا اکتشافی مانند الگوریتم ژنتیک استفاده شده است. به تازگی، برخی از محققان با موفقیت استفاده از DE را به مجموعه مشکلات بهینه سازی ترکیبی با متغیرهای تصمیم گسسته مانند مسئله فروشنده دوره گرد، مشکل طرح ماشین، مشکل برنامه ریزی جریان فروشگاه گسترش داده است. در این مقاله، گسسته DE زیر روش برای TSP ارائه شده و مورد بررسی قرار: الف) رویکرد DE بدون جستجوی محلی، II) DE با جستجوی محلی بر اساس لین-Kernighan .که-Heulsgaun (LKH) روش، و ج) DE با جستجوی محلی جستجو بر اساس محله متغیر (VNS) و همراه با روش LKH. مطالعه عددی است که با استفاده از TSPLIB از مشکلات آزمون TSP انجام شده است. در این زمینه، نتایج محاسباتی با نتایج دیگر در ادبیات TSP اخیر در مقایسه با. نتایج به دست آمده نشان می دهد که روش LKH بهترین روش برای رسیدن به نتایج مطلوب برای معیار TSPLIB است، اما برای بزرگترین مشکلات، ED + VNS بهبود کیفیت نتایج به دست آمده.
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