انجام پروژه متلب

بر روی لینک های زیر کلیک نمایید:

دانلود رایگان کد آماده متلب MATLAB - Multiple Variable Traveling Salesmen Problem - Genetic Algorithm

دانلود رایگان کد آماده MATLAB - MDMTSPV_GA - Multiple Depot Multiple Traveling Salesmen Problem solved by Genetic Algorithm

دانلود رایگان کد آماده MATLAB - Dynamic Programming solution to the TSP

دانلود رایگان کد آماده MATLAB - Nearest Neighbor algorithm for the Travelling Salesman Problem

دانلود رایگان کد آماده MATLAB - Cross Entropy TSP Solver

دانلود رایگان کد آماده MATLAB - Solve TSP by MMAS

دانلود رایگان کد آماده MATLAB - tsp search

دانلود رایگان کد آماده MATLAB - Ant System TSP Solver

 بر روی لینک های زیر کلیک نمایید

•  دانلود رایگان فیلم های آموزشی الگوریتم های بهینه سازی ، شبکه عصبی ، منطق فازی و ...
• انجام پروژه های برنامه نویسی MATLAB
• تدریس خصوصی ، دوره های آموزشی الگوریتم های بهینه سازی ، شبکه عصبی ، منطق فازی و ...
• دانلود رایگان فایل های آموزشی
• دانلود رایگان کد های آماده MATLAB

مشاوره انجام پروپزال انجام پایان نامه     کارشناسی ارشد     دکتری   انجام پروژه های دانشجویی   برنامه نویسی کدنویسی متلب matlab مطلب انجام پروژه matlab انجام پروژه متلب  انجام پروژه مطلب  Cplex Gams Lingo   ای اس پی ASPPHP   JAVA‌  جاوا  Delphi++C  Visual C  Assembly  #C    Visual Basic OMNET  OPNET  Linux  Oracle  MYSQL  SQLSERVER ‌   لینوکس     انجام پروژه   و در صورت تمایل    فیلم آموزشی پروژه  آموزش حضوری پروژه      Email : matlab_net@yahoo.com    Phone : 09190090258  گروه آموزشی متلب نت تمام الگوریتم های فرا ابتکاری گسسته پیوسته چند هدفه رشته های   مهندسی صنایع ، مدیریت ، کامپیوتر ،    هوش مصنوعی ، عمران ، برق ،   مالی ، ریاضی، مکانیک   و ... مشاوره و انجام پایان نامه های کارشناسی ارشد و دکتری تشخیص الگویادگیری ماشین پردازش صدا پردازش تصویر Image processing شبکه عصبی منطق فازی داده کاوی Data Mining شبیه سازی کامپیوتری توالی عملیات و زمان بندی  زنجیره تامین مدل سازی ریاضی مسیریابی وسیله نقلیه  سیستم تولیدی سلولیزمان بندی پروژهقابلیت اطمینانبرنامه ریزی تولیدانتخاب تامین کنندگانکنترل موجودی  تصمیم گیری چند معیاره  AHP SAW TOPSIS VIKOR PROMTHEE ENTROPY FUZZY GRAY فازی  قطعی  بازه ای   تحلیل پوششی داده ها BCC  DEA CCR   قابل توجه دانشجویانی که می خواهند در پایان نامه یا مقالات خود از هوش مصنوعی ، الگوریتم های فرا ابتکاری یا شبکه عصبی و... استفاده کنند  برای این دسته از دانشجویان بر روی مدل مد نظرشون پروژه پیاده سازی و آموزش داده خواهد شد  الگوریتم های بهینه سازی فرا ابتکاری فراابتکاری تکاملی   metaheuristicsانجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم ژنتیک  Genetic Algorithm GA   در با متلب matlab مطلب  برنامه ریزی ژنتیک Genetic Programming یا  GP     انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم شبیه سازی تبرید Simulated Annealing یا  SA     در با متلب matlab مطلب انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم بهینه سازی ازدحام ذرات Particle Swarm Optimization  یا    PSO     در با متلب matlab مطلب الگوریتم مورچگان الگوریتم پرندگان  الگوریتم پرندگان چند هدفه تکامل تفاضلی Differential Evolution یاDE     انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم بهینه سازی کلونی مورچگانAnt Colony Optimization یاACO   در با متلب matlab مطلب بهینه سازی کلونی مورچگان برای فضای پیوسته یا  ACOR    برنامه ریزی تکاملی Evolutionary Programming یا  EP    استراتژی های تکامل Evolution Strategies یاES    استراتژی های تکامل با تطبیق ماتریس کواریانس یا  CMAجستجوی ممنوعه Tabu Search یادر با متلب matlab مطلبTS   انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم الگوریتم زنبورهاBees Algorithm یاBA     در با متلب matlab مطلب انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم کلونی زنبورهای مصنوعی Artificial Bee Colony  یاABC    جستجوی هارمونیHarmony Search یا   HS    بهینه سازی مبتنی بر جغرافیای زیستی   BBO   Biogeography  Based Optimization  الگوریتم فرهنگCultural Algorithm یا   CA   انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم الگوریتم رقابت استعماریImperialist Competitive Algorithm یاICA    در با متلب matlab مطلب الگوریتم کرم شب تابFirefly Algorithm یا  FA     در با متلب matlab مطلب الگوریتم بهینه سازی بیزیBayesian Optimization Algorithm یاBOA    الگوریتم بهینه سازی بیزی سلسله مراتبی یاhBOA    سیستم ایمنی مصنوعیArtificial Immune System یاAIS    شبکه ایمنی مصنوعیArtificial Immune Network یاAIN    الگوریتم انتخاب تکثیریClonal Selection Algorithm یاCSA  الگوریتم های مبتنی بر الگوهای رفتاریMemetic Algorithms یاMA   الگوریتم جستجوی کاتالیستیCatalytic Search Algorithm   الگوریتم های تخمین توزیع یاEDA  انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم الگوریتم خفاش یا  Bat Algorithm   الگوریتم جهش قورباغهFrog Leaping    ازدحام ماهی های مصنوعیArtificial Fish Swarm یا AFS    انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم بهینه سازی ازدحام ذرات چند هدفه یاMOPSO در با متلب matlab مطلب الگوریتم بهینه سازی باکتری(Bacterial Foraging Optimization) یاBFO انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم الگوریتم ژنتیک چند هدفه با مرتب سازی نا مغلوب یاmulti objective optimization MOGA NSGA-II NRGA NSGA2 naga ii  در با متلب matlab مطلب انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم الگوریتم بهینه سازی فاخته COA Cuckoo optimization algorithm در با متلب matlab مطلب انجام پروژه های دانشجویی برنامه نویسی کدنویسی  الگوریتم الگوریتم جستجوی گرانشی  Gravitational search algorithm GSA در با متلب matlab مطلب   

مسئله فروشنده دوره‌گرد (به انگلیسی: Travelling salesman problem، به‌اختصار: TSP)‏ مسئله‌ای مشهور است که ابتدا در سده ۱۸ مسائل مربوط به آن توسط ویلیام همیلتون و توماس کرکمن مطرح شد و سپس در دهه ۱۹۳۰ شکل عمومی آن به وسیله ریاضیدانانی مثل کارل منگر از دانشگاه هاروارد و هاسلر ویتنی از دانشگاه پرینستون مورد مطالعه قرار گرفت.

شرح مسئله بدین شکل است:

تعدادی شهر داریم و هزینه رفتن مستقیم از یکی به دیگری را می‌دانیم. مطلوب است کم‌هزینه‌ترین مسیری که از یک شهر شروع شود و از تمامی شهرها دقیقاًٌ یکبار عبور کند و به شهر شروع بازگردد.

تعداد کل راه‌حل‌ها برابر است با برای n>۲ که n تعداد شهرها است. در واقع این عدد برابر است با تعداد دورهای همیلتونی در یک گراف کامل با n رأس.

مسئله‌های مرتبط

مسأله فروشنده دوره گرد یا Traveling Salesman Problem (به اختصار TSP)، یکی از مسائل بسیار مهم و پرکاربرد در علوم کامپیوتر و تحقیق در عملیات است.

سه روش کلی برای کد کردن راه حل های مسأله TSP ارائه شده است که در الگوریتم های مختلفی قابل استفاده هستند. راه حل های سه گاه عبارتند از:

الف) نمایش جواب به صورت رشته گسسته جایگشتی که در الگوریتم های زیر قابل استفاده است: الگوریتم های ژنتیک یا Genetic Algorithms (به اختصار GA) شبیه سازی تبرید یا Simulated Annealing (به اختصار SA) جستجوی ممنوعه یا Tabu Search (به اختصار TS) جستجوی همسایگی متغیر یا Variable Neighborhood Search (به اختصار VNS) بهینه سازی کلونی مورچگان یا Ant Colony Optimization (به اختصار ACO) جستجوی هارمونی یا Harmony Search (به اختصار HS) و سایر الگوریتم های بهینه سازی گسسته

ب) نمایش جواب به صورت کلیدهای تصادفی یا Random Key که در الگوریتم های زیر قابل استفاده است: الگوریتم های ژنتیک یا Genetic Algorithms (به اختصار GA) بهینه سازی ازدحام ذرات یا Particle Swarm Optimization (به اختصار PSO) الگوریتم رقابت استعماری یا Imperialist Competitive Algorithm (به اختصار ICA) تکامل تفاضلی یا Differential Evolution (به اختصار DE) بهینه سازی مبتنی بر جغرافیای زیستی یا Bio-geography Based Optimization (به اختصار BBO) استراتژی های تکاملی یا Evolution Strategies (به اختصار ES) برنامه ریزی تکاملی یا Evolutionary Programming (به اختصار EP) و سایر الگوریتم های بهینه سازی پیوسته

پ) نمایش جواب به شکل ماتریس های شبیه فرومون که توسط تمامی الگوریتم های اشاره شده در مورد (ب) قابل استفاده می باشد.

• مسئله معادل در نظریه گراف به این صورت است که یک گراف وزن‌دار کامل داریم که می‌خواهیم کم‌وزن‌ترین دور همیلتونی را پیدا کنیم.
• مسئله تنگراه فروشنده دوره‌گرد (به انگلیسی: Bottleneck traveling salesman problem، به‌اختصار: bottleneck TSP)‏ مسئله‌ای بسیار کاربردی است که در یک گراف وزن‌دار کم‌وزن‌ترین دور همیلتونی را می‌خواهد که شامل سنگین‌ترین یال باشد.
• تعمیم‌یافته مسئله فروشنده دوره‌گرد دارای ایالت‌هایی است که هر کدام حداقل یک شهر دارند و فروشنده باید از هر ایالت دقیقاًٌ از یک شهر عبور کند. این مسئله به « مسئله سیاست‌مدار مسافر» نیز شهرت دارد ===

الگوریتم‌ها

مسئله فروشنده دوره‌گرد جزء مسائل ان‌پی سخت است. راه‌های معمول مقابله با چنین مسائلی عبارتند از:

• طراحی الگوریتم‌هایی برای پیدا کردن جواب‌های دقیق که استفاده از آنها فقط برای مسائل با اندازه کوچک صورت می‌گیرد.
• استفاده از الگوریتم‌های مکاشفه‌ای که جواب‌هایی به‌دست می‌دهد که احتمالاًٌ درست هستند.
• پیدا کردن زیرمسئله‌هایی از مسئله یعنی تقسیم مسئله به مسئله‌های کوچکتر تا بشود از الگوریتم‌های مکاشفه‌ای بهتر و دقیق‌تری ارائه کرد.

الگوریتم‌های دقیق

سرراست‌ترین راه حل امتحان کردن تمامی جایگشت‌های ممکن برای پیدا کردن ارزان‌ترین مسیر است که چون تعداد جایگشت‌ها !n است، این راه حل غیرعملی می‌شود. با استفاده از برنامه‌نویسی پویا مسئله می‌تواند با مرتبه زمانی حل شود. راه‌های دیگر استفاده از الگوریتم‌های انشعاب و تحدید برای ۴۰ تا ۶۰ شهر، استفاده از برنامه‌نویسی خطی برای کوچکتر از ۲۰۰ شهر و استفاده از روش برش-صفحه برای اندازه‌های بزرگ است.

الگوریتم‌های مکاشفه‌ای

الگوریتم‌های تقریبی متنوعی وجود دارند که خیلی سریع جواب‌های درست را با احتمال بالا به‌دست می‌دهند که می‌توان آنها را به صورت زیر دسته‌بندی کرد:

• مکاشفه‌ای سازنده
• بهبود تکراری
  • مبادله دوبه‌دو
  • مکاشفه‌ای k-opt
  • مکاشفه‌ای V-opt
• بهبود تصادفی

پیچیدگی محاسباتی الگوریتم فروشنده دوره گرد

این الگوریتم بطور مستقیم در مرتبه زمانی(!O(n حل می شود اما اگر به روش برنامه نویسی پویا برای حل آن استفاده کنیم مرتبه زمانی آن (O(n^2*2^n خواهد شد که جز مرتبه های نمایی است. باید توجه داشت علی‌رغم آنکه مرتبه نمایی مذکور زمان بسیار بدی است اما همچنان بسیار بهتر از مرتبه فاکتوریل می باشد . شبه کد الگوریتم فوق بصورت زیر است که در آن تعداد زیر مجموعه های یک مجموعه n عضوی 2 به توان n می باشد و for اول یک ضریب n را نیز حاصل می شود که به ازای تمام شهرهای غیر مبدا می باشد و حاصل (n*(2^n را پدید می آورد. بنابراین برای جستجوی کمترین مقدار نیاز به یک عملیات خطی از مرتبه n داریم که در زمان فوق نیز ضرب می شود و در نهایت زمان (n^2)*(2^n) را برای این الگوریتم حاصل می کند.

C({1},1) = 0
  for (S=2 to n )
         for All Subsets S subset of {1,2,3,...} of size S and containing1          
          C(S,1) = &
                   for All J member of S , J<>1
   C ( S , J ) = min { C ( S - { J } , i ) + D i,J : i member of S , i <> J }
 return min j C ( {1 . . . n}, J ) + D J,1

شبه کد مسئله فروشنده دوره گرد

مسئله:یک تور بهینه برای یک گراف وزن دار و جهت دار مشخص نمایید.وزن ها اعدادی غیر منفی هستند

ورودی:یک گراف وزن دار و جهت دار و n تعداد گره های گراف . گراف با یک ارایه دو بعدی w مشخص می شود که سطر ها و ستون هایش از 1 تا n شاخص دهی شده‌اند و در ان [w[i][j معرف وزن لبه از گره iام به گره jام است.4

خروجی:یک متغیر minlength که مقدار ان طول تور بهینه است و یک ارایه دو بعدی p که یک تور بهینه را از روی ان می توان ساخت . سطر های p از 1 تا n و ستونهای ان با تمامی زیر مجموعه های {v-{v1 شاخص دهی شده‌اند . [P[i][A شاخص اولین گره بعد از vi بر روی کوتاهترین مسیر از viتاvj است که از تمام گره های A دقیقاً یکبار میگذرد.

* Void travel ( int n ,
 *              const number W[][],
 *              index p[][],
 *              number&minlength
* )
* {   
*       Index i, j, k;
*       number D[1..n][subset of V-{vi}];
*       for (i= 2 ; i

الگوریتم جستجوی ممنوعه یا Tabu Search و یا به اختصار TS، یکی از قوی ترین الگوریتم ها در زمینه حل مسائل بهینه سازی، به خصوص مسائل بهینه سازی مبتنی بر گراف و مسائل بهینه سازی ترکیباتی (Combinatorial Optimization) است. این الگوریتم در اواخر دهه ۱۹۸۰ و توسط گلووِر (Glover) و همکارانش ارائه گردید. غالباً یکی از مسائلی که برای حل آنها از الگوریتم TS استفاده می شود، مسأله فروشنده دوره گرد یا TSP است. این الگوریتم پاسخ های بسیار مناسبی را برای انواع مسائل گسسته به خصوص مسأله TSP ارائه می کند

براي نمايش ادامه اين مطلب بايد عضو شويد !

نام کاربری :

رمز عبور :

تکرار رمز :

موبایل :

ایمیل :

نام اصلی :

کد امنیتی :

 

 

---

اگر قبلا ثبت نام کرديد ميتوانيد از فرم زير وارد شويد و مطلب رو مشاهده نماييد !

نام کاربری :

رمز عبور :