الگوریتم گرگ خاکستری جهت ارائه یک مسئله کمینه سازی در متلب

پروژه ۱۰۷: شبیه سازی ام فایل  در متلب + سورس کامل متلب + توضیحات کامل

 

خلاصه ای از کار:

در این کد به بررسی عملکرد و ویژگی های الگوریتم گرگ خاکستری می پردازیم. علاوه بر این به بررسی نقایص آن نیز خواهیم پرداخت. در این پروژه جهت ارائه یک برنامه درسی مناسب و هماهنگ با کلیه خواسته های اساتید و محدودیت های دانشگاه و کلاس ها از این الگوریتم استفاده کرده و یک برنامه بهینه و مورد دلخواه را ایجاد می کنیم.

توضیحاتی دیگر:

 مقدمه

الگوریتم GWO یک الگوریتم فرا ابتکاری است که از ساختار سلسله مراتبی و رفتار اجتماعی گرگ ها در هنگام شکار الهام گرفته است. این الگوریتم مبتنی بر جمعیت بوده، فرایند تنظیمات ساده ای داشته و به سادگی قابلیت تعمیم به مسائل با ابعاد بزرگ را دارد.

ساختار سلسله مراتبی و رفتار اجتماعی گرگ های خاکستری

گرگ های خاکستری در راس زنجیره غذایی هستند و زندگی اجتماعی دارند. تعداد متوسط گرگ های هر گله بین ۵ تا ۱۲ است.

در هر گله ۴ رتبه اصلی وجود دارد که مانند شکل زیر به صورت یک ساختار هرمی مدل می شود.

  • گرگ های رهبر گروه alpha نامیده می شوند که می توانند مذکر یا مونث باشند. این گرگ ها بر گله مسلط هستند و مواردی مانند محل استراحت یا نحوه شکار را مدیریت می کنند.

اما علاوه بر رفتار مسلط گرگ های alpha، نوعی ساختار دموکراتیک هم در گروه دیده می شود.

  • گرگ های beta: کمک به گرگ های alpha در فرایند تصمیم گیری بوده و همچنین مستعد انتخاب شدن به جای آن ها هستند.
  • گرگ های delta: پایین تر از گرگ های beta و شامل گرگ های پیر، شکارچی ها و گرگ های مراقبت کننده از نوزادان
  • گرگ های omega: پایین ترین مرتبه در هرم سلسله مراتب که کمترین حق را نسبت به بقیه اعضای گروه دارند. بعد از همه غذا می خورند و در فرایند تصمیم گیری مشارکتی ندارند.

برخی از جزئیات کار:

کمینه سازی نقص محدودیت ها توسط گرگ خاکستری استاندارد

ملاحظه می شود که علی رغم تکرار بیشتر به نتایج بهتری منجر نمی شود  لذا پیشنهاد می شود همانند بهینه سازی گروه ذرات الگوریتم  گرگ خاکستری استاندارد نیز با روش های مناسبی بهبود یابند مانند جستجوی محلی، فرار از بهینه محلی و ترکیب با روش های فرا ابتکاری  دیگر.

 کمینه سازی محدودیت های نرم و رضایتمندی کاربران

 محدودیت های نرم

ظرفیت اتاق: برای هر تدریس، تعداد دانشجویانی که برای آن درس در نظر گرفته شده‏است باید کمتر یا مساوی تعداد صندلی‏های اتاقی که برای تدریس در نظر گرفته شده است، باشد. به ازای هر دانشجوی اضافی بر ظرفیت اتاق، یک جریمه در نظر گرفته می‏شود.

حداقل روزهای کاری: روزهای تدریس‏های یک درس، باید در تعداد روزهای مشخص شده باشد (حداقل). هر روز کمتر از حداقل روزهای تعیین شده، جریمه‏ای معادل پنج واحد در نظر گرفته می‏شود.

فشردگی برنامه تحصیلی: تدریس‏های یک برنامه‏ ی تحصیلی، پشت سر هم قرار گیرند. برای یک برنامه‏ی تحصیلی در یک روز تدریس‏هایی که پشت سر هم نیستند، جریمه در نظر گرفته می‏شود. برای هر تدریس مجزّا در یک روز، دو واحد جریمه در نظر گرفته می‏شود.

اتاق مشخص: همه‏ ی تدریس‏های یک درس باید در یک اتاق برگزار شود. هر اتاق مجزّا برای تدریس‏ها، بجز اوّلی، یک واحد جریمه در نظر گرفته می‏شود.

 

رضایتمندی کاربران

رضایتمندی=حداقل روزهای کاری*۵+فشردگی برنامه *۳+اتاق مشخص

که می توان از منظر دید استاد و یا دانشجو رابطه ای مانند فوق و متناسب با سلیقه اساتید و دانشجویان تعریف نمود و یک بهینه مناسب از آن را در نظر گرفت که با توجه به دانشگاه و سلیقه اساتید و دانشجویان متفاوت خواهد بود.

برخی نتایج:

کمینه سازی نقض ها توسط بهینه‏ سازی گروه ذرّات گسسته با اعداد صحیح

کمینه سازی نقض ها توسط بهینه‏سازی گروه ذرّات گسسته جایگشتی

کمینه سازی نقض ها توسط بهینه‏سازی گروه ذرّات گسسته بهبودیافته توسط جهش

دیگر نتیجه برای ۶ اتاق: 

در صورت سوال در مورد محصول و یا در صورت اشکال در اجرای شبیه سازی می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.

پس از پرداخت آنلاین فایل قابل دانلود می باشد


مجموعه: الگوریتم های فراابتکاری و هوشمند, ریاضیات و محاسبات عددی, مهندسی کامپیوتر, یادگیری ماشینبرچسب ها , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *