الگوریتم بهینه سازی کلونی مورچه ها، و یا به اختصار الگوریتم مورچه ها، از رفتار مورچه های طبیعی که در مجموعه ها بزرگ در کنار هم زندگی می کنند الهام گرفته شده است و یکی از الگوریتم های بسیار کارآمد در حل مسائل بهینه سازی ترکیبی است. الگوریتم های دیگری نیز بر اساس الگوریتم مورچه ها ساخته شده اند که همگی سیستم های چند عاملی هستند و عامل ها مورچه های مصنوعی یا به اختصار مورچه هایی هستند که مشابه با مورچه های واقعی رفتار می کنند. الگوریتم مورچه ها، یک مثال بارز از هوش جمعی هستند که در آن عامل هایی که قابلیت چندان بالایی ندارند، در کنار هم و با همکاری یکدیگر می توانند نتایج بسیار خوبی به دست بیاورند. این الگوریتم برای حل و بررسی محدوده وسیعی از مسائل بهینه سازی به کار برده شده است. از این میان می توان به حل مسأله کلاسیک فروشنده دوره گرد و همچنین مسأله راهیابی در شبکه های مخابرات راه دور اشاره نمود.
مساله فروشنده دوره گرد (Traveling Salesman Problem) و یا به اختصار TSP، یکی از مسائل مشهور بهینه سازی ترکیبی است. در این مسأله، یک فروشنده دوره گرد می خواهد به چند شهر سفر کند و کالای خود را به فروش برساند. اما می بایست از تمام شهرها عبور کند، از هر شهر فقط یک بار عبور کند و با طی کوتاه ترین مسیر، سفر خود را به پایان برساند. حل این مساله کاربردهای وسیعی در حوزه های مختلف مهندسی دارد. از جمله مسائلی که از نظر ریاضی با مسأله TSP معادل هستند، می توان به حل انواع مسایل زمانبندی، مسیریابی، جایابی کالا در انبار، جایابی ماشینها در کارگاه ها، و طراحی مدارات چاپی اشاره نمود.
مهندسی کنترل گرایشی از مهندسی برق و مهندسی مکانیک است و کاربرد گسترده ای در رشته های مهندسی هوافضا٬ مهندسی شیمی و حتی اقتصاد و زیستشناسی دارد.
مهندسی کنترل به مدلسازی ریاضی سیستمها و بررسی دینامیک آنها، و در نهایت، طراحی کنترلکنندهها برای سیستمهای مورد نظر میپردازد. هدف از طراحی کنترلکننده واداشتن سیستم تحت کنترل به داشتن رفتاری مطابق با رفتار مطلوب میباشد. رفتار مطلوب میتواند معیارهای مختلفی از قبیل سرعت، دقت، مصرف سوخت، زمان و ... باشد.
به دلیل پایهای بودن مطالب عنوان شده در این رشته، مباحث میتواند بسیار فراتر از رشته برق و حتی رشتههای مهندسی برود. چون آنچه که عنوان میشود اصول و مبناهای کنترل سیستمها است. میتوان این سیستم را یک سیستم مکانیکی و یا دارای اجزای الکترونیکی و یا حتی جامعهای از انسانها و یا رفتارهای انسانی در نظر گرفت.
به عنوان مثال در سالهای اخیر بحث کنترل سازه ها در برابر زلزله به موضوع مورد علاقه محققان سازه تبدیل شده است. به نحوی که تقریبا هم اکنون ساختمانهای بلند بدون سیستمهای کنترلی ساخته نمیشوند. مثال بسیار مشهور استفاده از سیستمهای کنترل در ساختمانها برج 101 تایپه است که در آن از سیستم کنترلی غیر فعال میراگر جرم هماهنگ شده موسوم به TMD استفاده شده است.
الگوریتم رقابت استعماری (Imperialist Competitive Algorithm - ICA) روشی در حوزه محاسبات تکاملی است که به یافتن پاسخ بهینه مسائل مختلف بهینه سازی میپردازد. این الگوریتم با مدلسازی ریاضی فرایند تکامل اجتماعی - سیاسی، الگوریتمی برای حل مسائل ریاضی بهینه سازی ارائه میدهد[۱]. از لحاظ کاربرد، این الگوریتم در دسته الگوریتم های بهینه سازی تکاملی همچون الگوریتم های ژنتیک (Genetic Algorithms)، بهینه سازی انبوه ذرات (Particle Swarm Optimization)، بهینه سازی کلونی مورچگان (Ant Colony Optimization)، تبرید فلزات شبیه سازی شده (Simulated Annealing) و ... قرار می گیرد. همانند همه الگوریتم های قرار گرفته در این دسته، الگوریتم رقابت استعماری نیز مجموعه اولیه ای از جوابهای احتمالی را تشکیل می دهد. این جوابهای اولیه در الگوریتم ژنتیک با عنوان "کروموزوم"، در الگوریتم ازدحام ذرات با عنوان "ذره" و در الگوریتم رقابت استعماری نیز با عنوان "کشور" شناخته می شوند. الگوریتم رقابت استعماری با روند خاصی که در ادامه می آید، این جوابهای اولیه (کشور ها) را به تدریج بهبود داده و در نهایت جواب مناسب مسئله بهینه سازی (کشور مطلوب) را در اختیار می گذارد.
پایههای اصلی این الگوریتم را سیاست همسان سازی (Assimilation)، رقابت استعماری (Imperialistic Competition) و انقلاب (Revolution) تشکیل میدهند. این الگوریتم با تقلید از روند تکامل اجتماعی، اقتصادی و سیاسی کشورها و با مدلسازی ریاضی بخشهایی از این فرایند، عملگرهایی را در قالب منظم به صورت الگوریتم ارائه میدهد که میتوانند به حل مسائل پیچیده بهینه سازی کمک کنند. در واقع این الگوریتم جوابهای مسئله بهینه سازی را در قالب کشورها نگریسته و سعی میکند در طی فرایندی تکرار شونده این جوابها را رفته رفته بهبود داده و در نهایت به جواب بهینه مسئله برساند[۲].
لطفعلی عسکرزاده، مشهور به لطفی زاده یا لطفی ع. زاده[۱] استاد دانشگاه برکلی در کالیفرنیا و بنیانگذار نظریهٔ منطق فازی (Fuzzy Logic) است. در بخش یادکرد منابع اکثر متون فنی مربوط به منطق فازی نام او به صورت "Zadeh" ذکر میشود.
وی از پدری ایرانی و مادری روس در باکو که آن زمان در جمهوری شوروی سوسیالیستی آذربایجان بخشی جمهوری شوروی سوسیالیستی فدراتیو ماوراء قفقاز واقع در اتحاد جماهیر شوروی بود متولد شد و از جنگ جهانی به این سو مقیم آمریکاست.
شبكه های عصبی را می توان با اغماض زیاد، مدل های الكترونیكی از ساختار عصبی مغز انسان نامید. مكانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است.
شبكه های عصبی را می توان با اغماض زیاد، مدل های الكترونیكی از ساختار عصبی مغز انسان نامید. مكانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. مدل های الكترونیكی شبكه های عصبی طبیعی نیز بر اساس همین الگو بنا شده اند و روش برخورد چنین مدل هایی با مسائل، با روش های محاسباتی كه به طور معمول توسط سیستم های كامپیوتری در پیش گرفته شده اند، تفاوت دارد. می دانیم كه حتی ساده ترین مغز های جانوری هم قادر به حل مسائلی هستند كه اگر نگوییم كه كامپیوترهای امروزی از حل آنها عاجز هستند
ریاضیات فازی یک فرا مجموعه از منطق بولی است که بر مفهوم درستی نسبی، دلالت می کند. منطق کلاسیک هر چیزی را بر اساس یک سیستم دوتائی نشان می دهد ( درست یا غلط، ۰ یا ۱، سیاه یا سفید) ولی منطق فازی درستی هر چیزی را با یک عدد که مقدار آن بین صفر و یک است نشان می دهد.
تبادل
لینک هوشمند
برای تبادل
لینک ابتدا ما
را با عنوان
هوش مصنوعی
ایران و
آدرس
iran-ai.ir
لینک
نمایید سپس
مشخصات لینک
خود را در زیر
نوشته . در صورت
وجود لینک ما در
سایت شما
لینکتان به طور
خودکار در سایت
ما قرار میگیرد.