مجموعه ای از مطالب مفید در مبحث بهینه سازی برای دانلود قرار داده شده است.باید توجه داشت که بهینه سازی یکی از مهمترین مباحث مهندسی روز است و موضوعی بسیار مناسب برای تحقیق در گرایشهای مختلف است.بهینه سازی در علم هوافضا به دلیل هزینه های بالای این صنعت بسیار مهم و مورد توجه است.

پارت اول :

- Genetic_Algorithms with matlab

- Genetic Algorithms

- Global Optimization Algorithms

- Genetic Algorithms for Real Parameter Optimization

پارت دوم :

 - AN INTRODUCTION TO GENETIC ALGORITHMS

- Convex Optimization

- Iterative Methods for Optimization

-Optimization Method....powerpoint

   دانلود پارت اول                              دانلود پارت دوم

http://www.4shared.com/document/wjdf3V64/fargasht-genetic.html

براي اين كه يك سيستم را بي­نظم بناميم بايد نشان دهيم كه سيستم وابستگي حساس به شرايط اوليه دارد يعني اين كه دو مسير كه خيلي نزديك به هم شروع مي­شوند خيلي سريع به طور نمايي از هم واگرا شده و آينده متفاوتي پيدا مي­كنند. گفته شد كه وابستگي حساس معادلات ديفرانسيل بي­نظم با نماي لياپانوف تعريف مي­گردد، اكنون اين تعريف را براي نگاشتهاي يك بعدي بسط مي­دهيم.

فرض مي­كنيم x₀ نقطه­اي در لحظه t در روي يك مسير و x₀ + d₀ نقطه­اي نزديك به آن در روي مسير ديگر مي­باشد كه d₀ بي­نهايت كوچك بوده و معرف ميزان اوليه جدايي اين دو نقطه است.  

اگر ميزان جدايي اين دو نقطه بعد از n تكرار(Iteration) توسط d_n نمايش شود و رابطه­اي به صورت

     =|d₀|exp(λⁿ) |d_n| مابين اين دو نقطه برقرار كنيم. در اين صورت مي توان λ  را به عنوان نماي لياپانوف معرفي كرد.

a - با مثبت شدن مقدار λ فاصله دو نقطه در فضاي فاز با نگاشتهاي مكرر، به صورت نمايي افزايش مي­يابد، يعني سيستم به سمت آشوبناك شدن ميل پيدا مي­كند.

b - با منفي شدن مقدار λ مي­توان دريافت كه نقطه ثابت، رفتار پايداري را از خود نشان مي­دهد، يعني سيستم به حالت پايدار مي­رسد.

c - شرط  λ = 0 نيز معرف حالت حاشيه­اي است.

با استناد به رابطه بالا ونيز با لگاريتم گرفتن و انجام يك سري اعمال رياضي، نماي لياپانوف در نهايت به صورت رابطه زير به دست مي آيد:

l = (1/n) S Ln |f '(x_i)|

عبارت به دست آمده زمانی که مخرج کسر به سمت صفر میل کند دارای حدی است که آن را نمای لیاپانوف می نامند.

8- فراكتــالها (fractals): گفته شد كه جوابهاي معادلات لورنتس، به مجموعه پيچيده­اي در فضاي فاز منجر مي­شوند كه جذب كننده­هاي عجيب نام دارند. براي اين كه بتوان چنين جوابهايي را توصيف كرد از فراكتالها كمك گرفته مي­شود. فراكتالها، شكلهاي هندسي پيچيده­اي با ساختاري در مقياسهاي كوچك بوده و داراي خاصيت خودمتشابهي(Self-similarity) هستند يعني اگر قسمت كوچكي از فراكتالها را بزرگ كنيم، ساختاري درست شبيه به ساختار كل مجموعه خواهد داشت. فراكتالها به دليل ساختار زيبا، پيچيده و بي پايانشان، بسيار جالب هستند. آنها يادآور اجسام طبيعي مانند ابرها، كوهها، شبكه رگهاي خون و ... مي­باشند. نمونه­اي از فراكتالها در شكلهای زير نشان داده شده است:

در دنياي امروز بهينه سازي يكي از مسائل مهم در مهندسي به شمار مي‌رود، به همين دليل روش‌هاي متنوعي براي بهينه سازي سيستم ‌هاي پيچيده ارائه شده است .

الگوريتم ژنتيك یا GA يكي از روش‌هاي بهينه سازي است كه به وسيله الگوي وراثتي عمل مي‌كند . مقاله ی حاضر با عنوان بهینه سازی سیستم های برق به وسیله ی الگوریتم ژنتیک، در 41 صفحه به شکلی کامل و با ارائه ی مثال به بررسی و بیان مراحل مختلف این روش می پردازد.

دانلود

حجم: 600 KB, فرمت: PDF

در این بخش از سایت آغازه ، فیلم آموزشی الگوریتم رقابت استعماری به زبان فارسی را تقدیم کاربران عزیز سایت آغازه می کنیم این فیم آموزشی مربوط که خلاصه نشستی است که در تاریخ روز شنبه 30 مرداد 1389 به مدت 90 دقیقه توسط ارائه دهندگان: سید مصطفی کلامی هریس (دانشجوی دکتری - دانشگاه خواجه نصیر الدین طوسی، ایران) ساعت 18:30 (06:30 بعد از ظهر) برگزار شده است. در این نشست ابتدا با مرور روشهای بهینه سازی تکاملی و بطور ویژه الگوریتم جدید رقابت استعماری (Imperialist Competitive Algorithm)، نحوه برنامه نویسی و پیاده سازی آن در جهت حل مسائل مختلف بهینه سازی آموزش داده خواهد شد. محیط برنامه نویسی، محیط متلب می باشد. داشتن مطالعه اجمالی در مورد بهینه سازی و الگوریتم رقابت استعماری در جهت استفاده بیشتر از این جلسه مفید خواهد بود. پیش نیاز شرکت در نشست: "آشنائی با یکی از زبانهای برنامه نویسی و بطور ویژه MATLAB". شما می توانید این فیلم آموزشی را از سایت آغازه رایگان دانلود کنید.

عنوان فیلم آموزشی: فيلم آموزش عملی برنامه نویسی الگوریتم رقابت استعماری به زبان فارسی

زبان آموزش: فارسی

حجم فایل: 172 مگابایت

قابل توجه کاربران عزیز:

منبع :آموزش عملی برنامه نویسی الگوریتم رقابت استعماری

------------------------------------------------

قابل توجه کاربران شما می توانید این  مجموعه را یکجا و بطور کامل از لینک زیر دریافت کنید.

لینک مستقیم در بسته های 50 مگابایتی

برای دریافت فایل قسمت اول اینجا کلیک کنید. (لینک مستقیم)

برای دریافت فایل قسمت دوم اینجا کلیک کنید. (لینک مستقیم)

برای دریافت فایل قسمت سوم اینجا کلیک کنید. (لینک مستقیم)

برای دریافت فایل قسمت چهارم اینجا کلیک کنید. (لینک مستقیم)

پسورد فایل: www.aghazeh.com

لینکهای کمکی - Mediafire

برای دریافت فایل بر روی دکمه دانلود کلیک کنید.1

برای دریافت فایل بر روی دکمه دانلود کلیک کنید. 2

برای دریافت فایل بر روی دکمه دانلود کلیک کنید. 3

برای دریافت فایل بر روی دکمه دانلود کلیک کنید. 4

پسورد فایل: www.aghazeh.com

در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند.الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای رگرسیون هستند. مختصراً گفته می شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند.مسئله‌ای که باید حل شود ورودی است و راه‌حلها طبق یک الگو کد گذاری می شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.کلاً این الگوریتم‌ها از بخش های زیر تشکیل می شوند : تابع برازش - نمایش – انتخاب – تغییر

منبع : ویکی پدیا

مقاله‌ي "روش‌هاي مونت‌كارلو در آمار" نوشته‌ي كريستين رابرت (2009) كه يك مقاله‌ي علمي-ترويجي در اين رابطه است توسط سيد جمال ميركمالي ترجمه شده است. فايل PDF ترجمه‌ي مقاله از طريق لينك زير قابل دانلود است.

منبع:

[1] Robert, C. (2009) Monte Carlo Methods in Statistics, arXiv:0909.0389v1.

 دانلود فایل PDF با حجم 1.1 مگا بايت ( 10 صفحه )

در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند. الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای رگرسیون هستند. مختصرا گفته می‌شود که الگوریتم ژنتیک یا GA یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسئله‌ای که باید حل شود ورودی است و راه‌حلها طبق یک الگو کد گذاری می‌شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.

کلاً این الگوریتم‌ها از بخش های زیر تشکیل می‌شوند :

• تابع برازش

• نمایش

• انتخاب

• تغییر

.