دانلودفایل روت گوشی سامسونگ sumsung galaxy s3GT_9300با اندروید4.4.4 با لینک مستقیم

 موضوع : دانلود  فایل روت گوشی [sumsung galaxy s3 - [GT_9300 

با اندروید4.4.4   دانلود با لینک مستقیم

   با لینک مستقیم می توانید فایل مورد نظر خود را دانلود نمایید  
                                                                    با تشکر تیم  نما فایل

دانلود ترجمه زبان تخصصی کامپیوتر

ترجمه متون و لغات درس زبان تخصصی کامپیوتر پیام نور در دو فایل جداگانه - یک فایل ترجمه متون (32 صفحه) و یک فایل ترجمه تمام لغات کتاب (23 صفحه)

نوشنه : مهدی یوسف خانی ، مهندس سید ناصر آیت و مهندس احمد فراهی

فرمت فایل : پی دی اف

پروژه رشته نرم افزار با عنوان ربات مسیریاب (هفت سنسور). doc

نوع فایل: word

قابل ویرایش 75 صفحه

چکیده:

 پروژه ی ما تحت عنوان (( ربات مسیر یاب هفت سنسور )) که در سه فصل تهیه شده است ، فصل اول مستندات این پروژه به بررسی تعاریف خاصی که در زمینه رباتیک وجود دارد و همچنین موضوعات مرتبط با آن مانند تاریخچه رباتیک ، انواع رباتها ، دسته بندی رباتها پرداخته ایم.

در فصل دوم کاربرد رباتها و همچنین اجزاء رباتها را مورد بررسی قرار داده ایم.

در فصل سوم ، ساختن ربات مسیر یاب ، شرح عملکرد ربات ، توضیحات مدار و برنامه ربات و همچنین تصاویری از قطعات این ربات و تصویر ربات مسیر یاب به طور کامل قرار داده شده است .

ربات مسیریاب رباتی است که می تواند در یک مسیر از قبل تعیین شده حرکت کند ، این مسیر میتواند یک خط سیاه در زمینه سفید یا یک خط سفید در زمینه سیاه باشد. یا مخلوتی از هر دو باشد .ربات باید بتواند انواع مسیرهای موجود مانند پیچ، بریدگی، خطوط زاویه دار و مهم تر از همه حلقه را در کمترین زمان ممکن طی کند .

مقدمه:

 اتوماسیون در بخشهای مختلف صنعت و کارهای تولیدی در چند دهه اخیر ظهور پیدا کرده است و روز به روز نیز در حال توسعه می باشد. بیش از چند دهه از ظهور کارخانجات کاملاً مکانیزه که در آنها تمامی پروسه ها اتوماتیک بوده و نیروی انسانی در آن نقش اجرائی ندارد، نمی گذرد. اما در چند ساله اخیر شاهد بوجود آمدن کارخانجات مکانیزه ای بوده ایم که طراحی، ساخت و نحوه کار آنها واقعاً حیرت انگیز است. ایده و دانش کنترل اتوماتیک و استفاده از سیستمهای مکانیزه در کارخانجات به جنگ جهانی دوم می رسد. ما تحولات عظیم و چشمگیر آن در سالهای اخیر بوقوع پیوسته است.

رُبات یا روبوت وسیله‌ای مکانیکی جهت انجام وظایف مختلف است. یک ماشین که می‌تواند برای عمل به دستورات مختلف برنامه‌ریزی گردد و یا یک سری اعمال ویژه انجام دهد. مخصوصا آن دسته از کارها که فراتر از حد توانایی‌های طبیعی بشر باشند. این ماشینهای مکانیکی برای بهتر به انجام رساندن اعمالی از قبیل احساس کردن درک نمودن و جابجایی اشیا یا اعمال تکراری شبیه جوشکاری تولید می‌شوند.

فهرست مطالب:

مقدمه فصل اول (رباتها ، تاریخچه و انواع آنها)

1-1- ربات

1-1-1- تعاریف ربات

1-1-2- علم رباتیک   

 1-1-3- مزایای رباتها   

1-1-4- معایب رباتها   

1-2- تاریخچه رباتها

1-3- دسته بندی رباتها

1-3-1- دسته بندی اتحادیه رباتهای ژاپن    

1-3-2- دسته بندی موسسه رباتیک آمریکا  

 1-3-3- دسته بندی اتحادیه فرانسوی رباتهای صنعتی  

1-4- انواع رباتها

 1-4-1- رباتهای متحرک 

 1-4-2- ربات همکار   

 1-4-3- نانوبات 

1-5- طبقه بندی رباتها

1-5-1- طبقه بندی رباتها از نظر کاربرد  

 1-5-1-1- رباتهای صنعتی   

 1-5-1-2- رباتهای شخصی و علمی

1-5-1-3- رباتهای نظامی   

1-5-2- طبقه بندی رباتها از نظر استراتژی کنترل                      

1-5-2-1- نسل  

1-5-2-2- نسل دوم

1-5-2-3- نسل سوم

 1-5-2-4- نسل چهارم

1-5-3- طبقه بندی رباتها از نظر محرک مفصلها            

 1-5-3-1- سیستمهای الکتریکی    

1-5-3-2- موتورهای DC    

1-5-3-3- موتورهای AC   

فصل دوم (کاربرد رباتها و اجزاء آنها)

2-1- کاربرد رباتها

2-1-1- ربات آدم نمای اعلام خطر   

2-1-2- رباتها برای تقلید رفتار حیوانات

2-1-3- ربات تعقیب خط 

2-1-4- ربات حس کننده تماس

2-1-5- ربات آبی، برای یافتن جعبه سیاه هواپیما

2-1-6- ربات پذیرش

2-2- اجزاء اصلی یک ربات

2-2-1- بازوی مکانیکی ماهر  

2-2-2- سنسورها   

2-2-2-1- سنسورهای بدون تماس  

2-2-2-2- سنسورهای القائی    

2-2-3- کنترلر

2-2-4- واحد تبدیل توان 

2-2-4-1- موتور   

2-2-4-2- دسته بندی کلی موتورها

2-2-5- محرک مفاصل   

فصل سوم (ربات مسیریاب)

3-1- ربات مسیریاب

3-1-1- ربات مسیر یاب 7 سنسور   

3-1-2- شرح عملکرد ربات مسیر یاب    

3-1-3- ساختن ربات مسیر یاب

3-1-4- مدار ربات مسیر یاب

3-1-5- برنامه ربات مسیر یاب           

3-1-6- شکل ربات مسیر یاب 7 سنسور  

منابع و ماخذ

منابع و مأخذ:

http://www.robotics-engineering.ir

http://www.nooreaseman.com

http://www.iran-eng.com

http://www.google.com

http://wikipedia.org

http://roboedukia.blogsky.com

http://www.iranled.com

http://www.ewa.ir

http://www.iranrobotic.com

http://www.mypersianforum.com

http://robotic.aminzadeh.ir

http://www.tebyan.net

http://forum.vru.ac.ir

http://www.robotaft.ir

http://www.persiapack.ir

http://www.forum.microrayaneh.com

پروژه رنگ آمیزی گراف با الگوریتم ژنتیک. doc

نوع فایل: word

قابل ویرایش 60 صفحه

چکیده:

مسائلی در دنیای واقعی وجود دارند که با توجه به اندازه ورودی ( اندازه ورودی به صورت تعداد کاراکتری تعریف می شود که برای نوشتن ورودی لازم است ) در بدترین حالت در زمان چند جمله ایی قابل حل نیستند . برای چنین مسائلی بدست آوردن جواب قطعی در مدت زمان مناسب و هزینه مناسب ، امکان پذیر نبود . بنابراین ایده روش ژنتیک سلولی در علم زیست شناسی ، کمک بسیار شایانی در بدست آوردن جواب بهینه و( درتکرارهای بیشتر جواب قطعی ) کرده است . الگوریتمهای ژنتیکی برای حل مسائل NP-Hard ، طراحی Neural Network ها ،Nonlinear dynamic system ها ،Stragety plannig و... بکار می روند.یکی از موارد استفاده GA در حل مسائل NP-Hard اعمال بر مساله GraphColoring است که ما در این مقاله در این مورد بحث خواهیم کرد.

الگوریتم ژنتیک ، تعاریف ژنتیکی علم زیست شناسی را بصورت انتزاعی و به تبعیت از ژنتیک سلولی پیاده سازی می کند.

مقدمه:

الگوریتمهای ژنتیک بخشی از تحولات رشته کامپیوتر هستند که دارای فضای رشد سریعی در عرصه هوش مصنوعی می باشند.

بطوریکه می توان حدس زد، الگوریتمهای ژنتیک از تئوری داروین که در مورد تکامل تدریجی است، الهام گرفته اند. با نگاه دقیق به روند تکامل، یعنی روندی که طبیعت برای حل مسائل خود از آن استفاده می کند، می توان به ایده های جالب و قابل پیاده سازی رسید. جانوران برای ابقاء خود و ادامه حیات مجبور به سازگاری با محیط هستند. اطلاعات گرفته شده درطی هزاران سال از طبیعت در کروموزومها ودر سطح پایین تر روی ژن ها و دی ان آ ها ذخیره می گردد.

علم کامپیوتر،علمی است که اندیشه آن از زمان تفکر برای اولین ماشین محاسبه گر شروع شد. این علم روز به روز پیشرفت کرد. بطوریکه پیشرفت آن قابل مقایسه با علوم دیگر نیست . این علم تا جائی پیشرغت کرده است که تمامی زندگی روزمره بشررا تحت الشعاع قرار داده است .اعمالی که تا چندین سال پیش با تفکر و حتی نیروی خلاقیت بشر انجام می شد، امروز با استفاده از علم کامپیوتر انجام می گیرد و انجام چنین کارهایی توسط بشر کاری بیهوده و وقت گیر می باشد.

علوم کامپیوتر تنها به پیشرفت در محدوده خود قانع نبوده و متخصصین این علم از علوم دیگری همچون ریاضی و زیست شناسی برای پیشرفت و بهبود آن استفاده می کنند. در این زمینه مکانیزم تکامل انسان و ارث بری خصوصیات از کروموزومها از طریق عملگرهای ژنتیکی توجه متخصصین علم کامپیوتر را به خود جلب کرده است، به گونه ای که آنها برای حل مسائلی که با روشهای معمولی پیدا کردن راه حلهای مناسب برای آنها سخت می باشد این دو علم را با هم ترکیب می کنند.

الگوریتمهای ژنتیک بخشی از تحولات رشته کامپیوتر هستند که دارای فضای رشد سریعی در عرصه هوش مصنوعی می باشند.

بطوریکه می توان حدس زد، الگوریتمهای ژنتیک از تئوری داروین که در مورد تکامل تدریجی است، الهام گرفته اند. با نگاه دقیق به روند تکامل، یعنی روندی که طبیعت برای حل مسائل خود از آن استفاده می کند، می توان به ایده های جالب و قابل پیاده سازی رسید. جانوران برای ابقاء خود و ادامه حیات مجبور به سازگاری با محیط هستند. اطلاعات گرفته شده درطی هزاران سال از طبیعت در کروموزومها ودر سطح پایین تر روی ژن ها و دی ان آ ها ذخیره می گردد.

فهرست مطالب:

چکیده

مقدمه

اطلاعات اولیه علم ژنتیک در طبیعت

تاریخچه ژنتیک

تقسیم بندی علم ژنتیک

تغییرات نسبتهای مندلی

احتمالات

پیوستگی ژنها

جهش ژنی

ژنها و کروموزومها

. متابولیزم RNA

متابولیزم پروتئین

تنظیم بیان ژن

فناوری DNA نوترکیبی

 آشنایی با الگوریتم های ژنتیکی ( Genetic

Algorithms ) 

تاریخچه

زمینه زیست شناسی

 مسئله های بغرنج

مسائل NP

چند نمونه از مسائل NP   

 پیچیدگی محاسباتی و کنترل ناپذیری مقدمه

ای بر نظریه NP

کنترل ناپذیری

تعریف مجدد کنترل ناپذیری

سه گروه کلی مسائل

نظریه NP

مجموعه NP

مسائل NP کامل (NP_Complete)

معرفی یکی از مسائل NP

دسته بندی الگوریتمهای جستجو

الگوریتمهایی برای جستجوی آگاهانه

 الگوریتمهای جستجوی محلی

الگوریتم قطعی

الگوریتم حریصانه (Greedy Alg.) ابتدا همه

الگوریتم درخت پوشای حداقل (MST) ابتدا درخت

آتوماتاهای یادگیر

رفتار متقابل محیط و آتوماتای یادگیر

کاربرد آتوماتاهای یادگیر

الگوریتم های ژنتیکی

ویرایش عملگرهای یک الگوریتم ژنتیک

چرخه الگوریتم ژنتیک

تعاریف مقدماتی

 ژن

 کروموزوم

فضای جستجو

جمعیت ژنتیکی

تابع شایستگی

عملگرهای ژنتیک

انواع روشهای رمزگذاری کروموزوم

انواع روشهای انتخاب

انواع روشهای عمل برش

عملگر برش

انواع روشهای عمل جهش

عملگرجهش روی نمایش باینری

 پارامترهای کنترلی

پارامترهای الگوریتم ژنتیک

احتمال برش و احتمال جهش

مقایسه GAs با تکنیکهای دیگر

مزایای الگوریتم ژنتیک در مقایسه با سایر

روشها

کاربردهای الگوریتم ژنتیک

حل مساله  Graph-Coloring با استفاده از

الگوریتم ژنتیک

توضیح

نکات جالب مسئله

هدف مسئله پیدا کردن حداقل رنگ برای گراف

ارائه یک راهکار برای حل مسئله فوق

 پارامترهای کنترلی

نتیجه گیری

 منابع و مراجع

منابع و مأخذ:

[1] D.S.Johnson, and L.A MeGeoch, " Exprimental Analysis of Heuristics for the STSP "

[2] D.E.Goldberg , " Genetict Algorithms in search , optimization and Machine Learning ", Reading MA:Addition-Wesley,1989.  

 [3] Mars,P.and Narenda.K.S, and Chrystall,M , "Learning Automata Control of Computer Communication Neworks ", proc.of Third Yale workshop on Application of Adoptive System Teheory, Yale Univercity , 1983.

[4] F.busetti ," Genetic Algorithms Overview "  

 [5] J. Cirasella D.S Johnson, L.A.McGeoch, and W. Zhang, " The Asymmetric Traveling Salesman Problem: Algorithms, Instance Generators, and Tests ",in algorithm Engineering and Experimentation,Third International Workshop, ALENEX 200 Lecture Notes computer Science, Vol.2153,Spring,Berlin,2001,32-59.

[6] M.Grotschel, and O.Holland, " Solution of Large-Scale Symmetric Traveling salesman Problem", Mathematical Programming 51,1991,141-202.   

 [7] M.Padberg, and G.Rinaldi, "A Branch-And-cut Algorithm for the Resolution of Large-Scale Symmetric Traveling Salesman Problems " ,SLAM Review 33,1991,60-100.   

 [8] M.Junger, G.Reinelt, and G.Rinaldi, " The Traveling Saleman Problem ", in:Handbooks in Operations Research and Management Science, Volume 7 (M.O.Ball, T.Mangnanti, C.L.Monma, and G.Nemhauser, eds), Elsevier Science B.V., 1995 ,225-330.  

 [9] Genetic Algorithms Principles And Perspectives A Guide to GA Theory

Colin R.Reeves Jonathan E.Rowe kluwer Academic Publishers

پروژه کامپیوتر در باره الگوریتم های ژنتیک. doc

نوع فایل: word

قابل ویرایش 92 صفحه

مقدمه:

char les darvin تئوری سیر تکاملی طبیعی مبدا بشر را توضیح داد.در طبیعت یک فرد از جمعیت برای بدست آوردن منابعی مانند غذا، پناهگاه و چیزهای دیگر با دیگران رقابت می کند. همچنین افراد برای به دست آوردن و اختیار کردن همسر برای تولید مثل با هم رقابت می کنند و افراد شایسته یک جمعیت بزرگی از فرزندان را تولید می کنند.

در طول تولید نسل مشخصات خوب از هر جد می تواند فرزندان بهتری نسبت به والدین را تولید کند که fitness شان بزرگتر از ولدین است. در سال 1975 جان هالند توسعه داد این نظریه را او چگونگی بکارگیری اصول تکاملی طبیعی را برای  بهینه سازی مسائل و ساخت اولین الگوریتم ژنتیک توضیح داد.

تئوری هالند مجددا توسعه داده شد و اکنون الگوریتم های ژنتیک به عنوان یک ابزار قوی برای حل مسائل بهینه سازی و جستجو به کار می روند.الگوریتم های ژنتیک مبتنی بز قانون علم وراثت و تکامل هستند.

الگوریتم های ژنتیک یک نمونه از تکنولوژی ریاضات  هستند که با تقلید از سیر تکاملی یک چیز می توانند مسائل را حل کنند.

منشاء بشر بر مبنای حفظ گونه ها و تغییرات مطلوب و رد گونه های نا مطلوب بوده است. افراد زیادی  تولد یافته اند که می توانند زنده بمانند همچنین کشمکش های مداوم برای زندگی وجود دارد. افراد شانس بزرگی برای زنده ماندن دارند  آن هم بقای شایستگی است.

فهرست مطالب:

1 – مقدمه

 1-1 تاریخچه

1-1-1- سلول

 1-1-2- کروموزوم

 1- 2- الگوریتم ژنتیک چیست؟

1-2-1- فضای جستجو

1-2-2- الگوریتم ژنتیک و تکامل

1-3- مزایا و محدودیت های الگوریتم ژنتیک

1-4- کاربردهای الگوریتم ژنتیک

2- اصطلاحات و عملگرهای الگوریتم ژنتیک

 2-1- عناصر اصلی

 2-2- افراد

 2-3- ژن

 2-4-fitness (شایستگی)

 2-5- جمعیت

 2-6- کدگذاری

2-6-1- Binary Encoding (کدگذاری باینری)

2-6-2- Octal Encoding (کدگذاری مبنی 8)

2-6-3-Hexadecimal Encoding(کدگذاری مبنای 16)

2-6-4- کدگذاری جایگشتی (کدگذاری اعداد حقیقی)

 2-6-5- Value Encoding

2-6-6- Tree Encoding

2-7- (تولید نسل) Breeding

2-7-1- انتخاب (selection)

2-7-2- crossover

2-7-3- mutation

2-7-4-جایگذاری Replacement

2-7- ) Search Termination(Convergence Criteri) پایان جستجو (معیارهای همگرایی)

 2 -8- الگوریتم ژنتیک چگونه کار می کند

Building Block Hypothesis 2-8-1-

A Macro-Mutation Hypothesis2-8-2-

An Adaptive Mutation Hypothesis2-8-3-

The Schema Theorem 2 -8-4-

Implicit Parallelism 2 -8-5-

2-9- نمونه مثال هایی در باره الگوریتم ژنتیک

 2-9-1- ماکزیمم مقدار تابعX

 2-9-2- مسئله فروشنده دوره گرد (TSP)

3- دسته بندی الگوریتم ژنتیک

3-1- Simple Genetic Algorithm (SGA)

3-2- Parallel and Distributed Genetic Algorithm (PGA and DGA)40

3-2-1- Master-Slave Parallelization

3-2-2- Fine Grained Parallel GAs (Cellular GAs)

3-2-3- Multiple-Deme Parallel GAs (Distributed GAs or Coars Grained GAs)

3-2-4- Hierarchical Parallel Algorithms

3-3- Hybrid Genetic Algorithm (HGA)

3-4- Adaptive Genetic Algorithm (AGA)

3-5- Fast Messy Genetic Algorithm (FmGA)

4- پیاده سازی الگوریتم ژنتیک با استفاده از MATLAB

4-1- ساختمان داده

4-2- کروموزوم

4-3- کاربر گرافیکی الگوریتم ژنتیک مشترک با Toolbox

 5- کاربرد های الگوریتم ژنتیک

5-1- الگوریتم ژنتیک در دنیای کامپیوتر

5-2 نکات مهم در الگوریتم های ژنتیک

5-3 فناوری الگوریتم ژنتیک

5-4 مروری بر کاربردهای تجاری

5-5 بانکداری و حوزه های مالی

5-6 پیش بینی

5 -7 سایر حوزه های تجاری

6- منابعو مأخذ

منابع و مأخذ:

Dawkins, R. (1989). The Selfish Gene - New Ed. Oxford University Press, Great Britain.Fraser, A. P. (1994). Genetic Programming in C++. Technical report 040, University ofSalford.Goldberg, D. E. & Smith, R. E. (1987) Nonstationary Function Optimization using Genetic

Algorithms with Diploidy and Dominance. In J.J Grefenstette, editor, Proceedings of the Second

International Conference on Genetic Algorithms, 59–68. Lawrence Erlbaum Associates.

Hadad B. S. & Eick C. F. (1997) Supporting Polyploidy in Genetic Algorithms Using Dominance In P.J. Angeline et al. (eds.), Proceedings of the Sixth International Conference

on Evolutionary Programming, 223–234. Berlin: Springer-Verlag.

5- مهندس لطفی. پردازش تکاملی.دانشگاه آزاد شبستر2008

6- سایت های اینترنت