پروژه شناخت، بررسی و پیاده سازی روشهای برنامه نویسی مقیم در حافظه (TSR). doc
نوع فایل: word
قابل ویرایش 70 صفحه
مقدمه:
این سیستم عامل از نظر تعداد کاربر جزء سیستم عاملهای تک کاربره محسوب شده وابتدا در سال 1981 میلادی جهت کامپیوتر های 16بیتی که از ریز پردازنده INTELاستفاده می نمودند توسط شرکت معظم مایکروسافت طراحی وپیاده سازی شد .
به دنبال پیاده سازی این سیستم عامل شرکت IBM درPC های اولیه خود ازآن استفاده نمود پس از آن شرکتها وکارخانه های دیگر تولید کننده سخت افزار نیز از این سیستم عامل استفاده نمودند.
DOS مخفف کلمات Disk operating system (سیستم عامل دیسکی ) می با شد از آنجا که این سیستم بر روی دیسک قرار گرفته وبه طور مرتب از دیسک جخت انجام اعمال مختلف استفاده می نماید به این نام مصطلح شده است .
وظایف سیستم عامل DOS
مدیریت منابع سیستم
برقرار کردن ارتباط بین استفاده کننده وسخت افزار
فراهم کردن امکانات لازم برای استفاده کننده جهت مدیریت فایل ها
انواع فایل در سیستم عامل dos
فایل متنی (text file)
فایل داده (date file)
فایل برنامه (program file)
فایل اجرایی (execute filre)
قوانین نامگذاری فایلها
نام فایل حداکثر 8کارکتر وپسوند آن حداکثر 3کارکتر است. وبین نام فایل و پسوند فایل آن بایست از علامت (.) استفاده شود .
حروف بزرگ وکوچک A-Z ارقام و علایم 1، { } ، <> ، ( ) ، & ، ، $ , @ ، از کارکترهای مجاز در نامگذاری فایلها می باشد.
از اسامی زیر که سیستم عامل برای موارد خاصی استفاده می نماید نمی توان جهت نامگذاری فایل استفاده نمود .
فهرست مطالب:
فصل اول : مقدمه ای برDos
Tsrفصل دوم : برنامه های
ساختمان برنامه های Tsr
زبان C و اجرای یک روتین وقفه
توابع enable() و disable
جلوگیری از مقیم شدن مجدد یک برنامة TSR
روشن کردن کلید num lock با استفاده از یک برنامه Tsr
مقداردهی اولیه در برنامه های مقیم
جلوگیری از تکرار اجرای یک روتین وقفه
استفاده از وقفه 09*0 برای فعال کردن یک برنامه TSR
وقفه های شماره 28*0 و 34*0
اجرای دو برنامه tsrتوسط یک کلید
MS-Dosفصل سوم : برنامه های اجرایی تحت
ورود مجدد (Reentromcy)
مشکلات ورود دوباره با DOS
نمایش صفحه کلید TSR
برنامه های پایدار مشابه
خلاصه و جمع بندی
منابع
منابع و مأخذ:
برنامه نویسی به زبان اسمبلی، فیروز عبداللهی، انتشارات دانشگاه آزاد اسلامی واحد نجف آباد
زبان اسمبلی، فیری، ترجمه سپیدنام، ویرایش 2
برنامه نویسی با دیتل و دیتل، ترجمه صاحب الزمانی، نشر شیخ بهایی
P30world.comRoshd.comaftab.ir
پروژه اعمال قوانین فیزیک در بازی های کامپیوتری. doc
نوع فایل: word
قابل ویرایش 129 صفحه
مقدمه:
در این فصل بعضی از مفاهیم پایه ای علم فیزیک را مرور می کنیم که به تجزیه و آنالیز حرکت و فعل و انفعالات اجسام جامد مربوط می شود. یک جسم جامد بر طبق نوع ناحیه ای که شامل جرم آن است طبقه بندی می شود که موضوع بخش 1-1 است. بخش 2-1 منحنی هایی را در دو یا سه بُعد معرفی می کند که نشان دهندة سیر یک ذره زمانی که از نیرو صرفنظر می کنیم. به این موضوع بعنوان سینماتیک (علم حرکات) اشاره شده است. این بخش مفاهیم فیزیکی مکان، سرعت و شتاب را معرفی می کند. بیشتر کاربردها با یک انتخاب مناسب دستگاه محورهای مختصات بهتر مورد بحث قرار می گیرند. سیستم دکارتی معمولاً مناسب دستگاه محورهای مختصات قطبی، مختصات استوانه ای، و مختصات کروی هم توجه می کنیم. علاوه بر سینماتیک یک تک ماده، به سینماتیک سیستم ذره ای و اجسام جامد هم می پردازیم. این ماده اساس موتورهای فیزیکی است که در فصل 5 موردبحث و بررسی قرار گرفته است.
بقیة این فصل معرفی مفاهیم استانداردی است که در دورة فیزیکی دیده اید که با قوانین حرکت نیوتن در بخش 3-1 شروع شده است. موضوع نیروها در بخش 4-1 با اشاره خاصی به نیروهایی که در کل کتاب خواهید دید موردبحث و بررسی قرا گرفته اند که شامل مثالهایی مانند: نیروهای ثقلی، نیروهای فنری (جهشی)، و نیروهای اصطکاکی (مالشی). موضوعات گشتاور و موازنه نیز در این بخش مورد بحث قرار گرفته است. مقیاس های مختلف گشتاور در بخش 5-1 توضیح داده شده که شامل اندازة حرکت خطی و زاویه ای، گشتاور درجه اول و نسبت آنها با مرکز ثقل، و گشتاور و تولید اینرسی می باشد. قسمت آخر 5-1 نشان
می دهد که چگونه مرکز ثقل و تنسور اینرسی برای یک چند وجهی جامد جرم ثابت محاسبه می شود، بعضی چیزهایی که برای انجام دادن در موتورها و ماشین های فیزیکی لازم خواهید داشت. در فصل 5 توضیح داده شده است. کار و انرژی آخرین موضوع این فصل است. انرژی جنبشی یک کمیت مهم در پیشرفت دینامیکهای لاگرانژین است. انرژی پتانسیل در زمان بحث در مورد نیروهای بقاء و حافظ انرژی مانند جاذبة زمین اهمیت دارد.
فهرست مطالب:
مفاهیم بنیادی از علم فیزیک
1-1- طبقه بندی جسم جامد
2-1 سینماتیک جسم جامد
1-2-1 تک ماده
حرکت افقی در مختصات دکارتی
حرکت افقی در مختصات قطبی
حرکت فضایی در مختصات قطبی
حرکت فضایی در محور مختصات استوانه ای
حرکت فضایی در مختصات کروی
حدود حرکت یک محور ثابت شده
حرکت پیرامون یک محور متحرک
2-2-1- سیستم های ذره ای و مواد پیوسته
3-1- قوانین نیوتن
4-1- نیروها
1-4-1- نیروهای ثقلی (گرانشی)
2-4-2- نیروهای فنری
3-4-2- اصطکاک و دیگر نیروهای اتلافی
اصطکاک (مالش)
چسبندگی
4-4-1- نیروی گشتاور
5-4-1- موازنه (تعادل)
5-1- گشتاور
فصل 2 : برنامه نویسی DirectX توسط C#
مبانی ریاضی گرافیک
1-2- تبدیلات پایه ای
انتقال
دوران
تغییر مقیاس
ماتریس های همگن
تبدیلات مرکب
دوران حول نقطه دلخواه
تغییر مقیاس در مختصات ثابت
انعکاس
2-2 تبدیلات در فضای سه بعدی
1-2-2 سه اصل اساسی
2-2 اعمال ریاضی ماتریس ها
3-2 ماتریس های همگن
1- پیکر بندی Device
2- رسم اولین مثلث
دوربین ها و مختصات فضای جهانی
دوران و انتقال
ترکیب رئوس با استفاده از اندیس ها
ایجاد زمین
ایجاد زمین از روی فایل
استفاده از فایل های bmp برای طرح زمین
چرخش زمین با استفاده از کیبورد
استفاده از رنگها و ZBuffer
کار با نور ها در DirectX
ایجاد Mesh از زمین
تابش خورشید بر زمین
بخش سوم : ساخت محیط های سه بعدی توسط DirectX و C#
1-3 ایجاد پروژه
استفاده از Textures
نقشه زمین زیر هواپیما
رسم ساختمان ها
ایجاد Mesh از فایل های سه بعدی
افزودن نور به صحنه
حرکت و دوران هواپیما در محیط
پروژه کاربرد سیستم های چندعامله (Multiagent systems). doc
نوع فایل: word
قابل ویرایش 95 صفحه
چکیده:
عاملها موجودات نر م افزاری هستند که بطور پیوسته و خود مختار دریک محیط که برای آن طراحی شده اند کار می کنند. برای عاملها نیازهایی از قبیل واکنشی بودن نسبت به کنشهای محیطی، خود مختاری در انتخاب مسیر و ادامه آن، قابلیت تطبیق و یادگیری و ... ضروری به نظر می رسد. امروزه مطالعه سیستمهای مبتنی بر عاملها به یک موضوع مهم آکادمیک تبدیل شده است که کاربردهای تجاری و صنعتی فراوانی را نیز در بر دارد. در سیستمهای چندعامله، چندین عامل هوشمند با قابلیت برقراری ارتباط با یکدیگر، جهت رسیدن به مجموعه ای از اهداف، با هم همکاری می کنند. بدلیل پیچیدگیهای موجود درمحیطهای چندعامله پویا و متغیر نیاز به روشهای یادگیری ماشین در چنین محیطهایی احساس می شود. اتوماتای یادگیر یک مدل انتزاعی است که تعدادمحدودی عمل را می تواند انجام دهد. هر عمل انتخاب شده توسط محیطی احتمالی ارزیابی می گردد و پاسخی به اتوماتای یادگیر داده می شود. اتوماتای یادگیر از این پاسخ استفاده نموده و عمل خود برای مرحله بعد را انتخاب می کند.
در این مقاله با استفاده از بستر تست شبیه سازی فوتبال روباتها به بررسی کارآیی اتوماتای یادگیر در همکاری بین عاملهای عضو یک تیم پرداخته شده است. بدلیل وجود تعداد حالات بسیار زیاد در دامنه های چند عامله پیچیده، داشتن روشی برای عمومی سازی حالات محیطی، امری ضروری است چرا که انتخاب مناسب چنین روشی، در تعیین حالات و اعمال عامل نقشی تعیین کننده دارد. دراین مقاله همچنین به معرفی و پیاده سازی تکنیک "بهترین گوشه در مربع حالت" پرداخته شده است. با استفاده از این روش فضای حالات پیوسته و بسیاروسیع عامل به فضای حالات گسسته و محدود نگاشته می شود. کارآیی این تکنیک در عمومی سازی حالات محیطی در یک دامنه چندعامله همکاری گرا موردبررسی قرار گرفته است.
مقدمه:
امروزه هوش مصنوعی به عنوان یک بحث علمی‌و کاربردی توسعة زیادی پیدا کرده است، طبیعتاً این توسعه باعث شاخه های بسیاری در آن گردیده که یکی از این شاخه ها، هوش مصنوعی توزیع شده یا DAI است. باند در 1988این رشته را به عنوان زیر شاخه ای از هوش مصنوعی که روی موازی بودن در سطوح مختلف متمرکز شده معرفی کرده است [Bond88]. اما تعریف جدیدتری توسط ویز از این حوزه ارائه شده است. ویز هوش مصنوعی توزیع شده را مطالعه، ساخت و کاربرد سیستمهای چند عامله می‌داند که در آنها عاملهای هوشمند مرتبط هدف مشخصی را دنبال می‌کنند و یا وظیفه خاصی را انجام می‌دهند. با دقت در این تعریف به اهمیت عامل بعنوان کوچکترین نهاد سازنده یک سیستم چند عامله که قادر به درک محیط و عکس العمل نسبت به آن است پی‌می‌بریم[Weiss99].
اما مشکلات و سؤالات اولیه و اساسی در هوش مصنوعی توزیع شده چیست؟ باند [Bond88] و گسر[GasserOView92] پاسخهای مشابهی به این سؤال داده اند که می‌توان آنها را اینگونه جمع بندی نمود:
1- چگونگی فرموله کردن ، تشریح ، تجزیه و انتساب مسائل و نتایج حاصل بین گروهی از عاملها
2- چگونگی ارتباط: زبانها ، پروتکلها
3- چگونگی اطمینان از :
الف- عملکرد یا ارتباط درست عاملها
ب- سازگاری تصمیمات محلی با نتایج مطلوب سراسری
ج – حذف ارتباطات مضر
4- چگونگی قدرت دادن به عاملها برای مدلسازی، ارائه و استدلال در مورد عملکرد ، برنامه‌ریزی ، و دانش سایر عاملها به منظور هماهنگی و چگونگی استدلال در مورد نحوه هماهنگی
5- چگونگی تشخیص‌دیدگاههای ناجور و نیات متضاد با هدف هماهنگی و سازگاری آنها.
6- رفتار جمعی منسجم
7- پیاده سازی
8- مسائل عملی مهندسی
در این میان با توجه به اهداف متفاوتی که افراد دنبال می‌کرده‌اند و روشهای مختلفی که به این سئوالات پاسخ گفته‌اند و با مشکلات آن مواجه شده اند ، هوش مصنوعی توزیع شده به سه شاخه اصلی تقسیم می‌شود [Bond88] :
1- حل مسئله توزیع شده
2- هوش موازی
3- سیستمهای چند عامله
از بین این سه شاخه ، سیستمهای چند عامله، به عنوان یکی از مباحث روز است، که بطور بسیار گسترده مورد بحث قرار گرفته است . این سیستمها خود به انواع مختلفی تقسیم می‌شوند که با توجه به معماری عاملها ، محیط کاربرد و روشهای ارتباط (تعامل) و ... می‌توان آنها را به انحاء مختلف تقسیم بندی نمود، و این باز بر می‌گردد به نحوه پاسخ گفتن به هر یک از پرسش‌های قبل و در [Bond88] و [GasserOView92] به تفصیل آمده است .
[GasserOView92] ویژگیهای طبیعی مسائل قابل حل بوسیله فناوری سیستمهای چند عامله (MAS) را به‌این‌صورت تشریح می‌کند:
1- ساختار واضح از لحاظ زمانبندی ، دانش ، ارتباطات ، اهداف برنامه ریزیها ویا فعالیتها داشته باشد.
2- فعالیتها ، ادراک ، اختیارات و یا کنترل بطور طبیعی در سیستم توزیع شده باشد.
3- وابستگی درونی به علت :
الف – تصمیمات محلی موثر بر تصمیمات سراسری
ب- احتمالا ارتباطات مضر بین عاملها
4- محدودیتهایی که ممکن است از نظر زمان ، ارتباط ، عرض باند و .... وجود داشته باشد که مانع از یک دید سراسری و کنترل و حل متمرکز می‌شود .
می‌توان کاربردهای متعددی برای این فناوری یافت که افراد مختلف روی زمینه های متفاوتی از آن کار کرده اند .[GosserOView92] تعدادی از این کاربردها را به این قرار آورده است:
1- مسائل تحقیقی و تخصصی چون مساله دنبال کردن ، جهان بلاکها ،معمای زندانیان و ...
2- دامنه های نظری هوش توزیع شده چون نظریه دانش ، حصول فعالیت مشترک برمبنای نظریه بازیها ، مدلهای محاسباتی توزیع شده ، اکولوژیهای توزیع شده .
3- پردازش گفتار و زبان طبیعی
4- ساخت و تولید و رباتیک
5- سیستمهای اطلاعاتی سازمانی
6- کنترل ترافیک هوایی و شهری [Ossowski99]
7- طراحی و برنامه ریزی
8- حس کردن و تفسیر توزیع شده
9- کنترل و بازرسی بلادرنگ فرآیندهای پیچیده صنعتی (مونیتورینگ)
10- کنترل و مدلسازی فرآیندهای تجاری
11- تجارت الکترونیک [eCom]
12- تجارت الکترونیک صوتی [vCom98][evCom]
13- آموزش
14- دفاع هوایی و فناوری فضایی [Truszkowski99]
15- مطالعه و بررسی نظریه های جامعه شناسی و روانشناسی
16- شهرهای مجازی [Ishida99]
فهرست مطالب:
چکیده
مقدمه
فصل اول – کلیات تحقیق
مقدمه
یافتن عامل هادرMAS
رویارویی عامل هادرسیستم های چندعاملی
وابستگی میان عامل ها
توافق میان عامل ها
ارتباط میان عامل ها
آنتولوژی
خلاصه
فصل دوم – مروری برادبیات وپیشینه تحقیق
مقدمه
عاملهای هوشمنددرتجارت الکترونیکی
تاریخچه
کاربردها
انواع بازی
نمونه هائی ازبازیها
فصل سوم – روش اجرای تحقیق
مقدمه
تعریف سیستم چندعاملی
دومسئله کلیدی درطراحی سیستم چندعاملی
عامل ها وسیستم های خبره
عامل های هوشمندوهوش مصنوعی
فصل چهارم – کاربردسیستم های چندعاملی
بخش اول
به کارگیری اتوماتهای یادگیردرسیستم های جندعامله همکار
مقدمه
اتوماتهای یادگیر
یادگیری تقویتی درسیستم های چندعامله
یادگیرنده های مستقل ومشترک دربازیهای تکراری
ارزیابی یادگیری Q درهمکاری عاملی
ارزیابی اتوماتهای یادگیردرهمکاری عاملها
بخش دوم
بررسی تطبیق متدولوژی های مبتنی برعامل
مقدمه
مقدمه ای برعامل
برنامه نویسی شی گراء
برنامه نویسی عاملگرا
محیط عامل
معماری عامل
ارتباط وهماهنگی درعاملها
مقایسه عامل وشیء
فصل پنجم – نتیجه گیری وپیشنهادات
خلاصه بحث ونتیجه گیری
پیشنهادات تحقیق
محدودیت های تحقیق
فصل پنجم – فهرست منابع
فهرست منابع فارسی وانگلیسی
فهرست نمودارها:
ارتباط بین اتوماتهای یادگیرومحیط
همگرایی همکاری برای یادگیرنده های فردی ومشترک
دوعامل یادگیرنده براساس اتوماتهای یادگیر
سرعت وشیوه همگرایی دوعامل یادگیرنده مستقل
سرعت وشیوه همگرایی دوعامل یادگیرنده مستقل
سرعت وشیوه همگرایی دوعامل یادگیرنده مشترک
دید انتزاعی از عامل
معماری یک سیستم چند عامله با تقسیم بندی وظایف
منابع و مأخذ:
Multiagent Systems is copyright © Shoham and Leyton-Brown, 2009, 2010
A Modern Approach to Distributed Modern Approach to Artificial Intelligence
edited by Gerhard Weiss
1- Boutilier C., “Planning, learning and coordination in multiagent decision processes”, In: Proceedings of the 6th Conference on Theoretical Aspects of Rationality and Knowledge (1996) (195-210)
2- Chalkiadakis G. and Boutilier C., Coordination in Multiagent Reinforcement Learning: A Bayesian Approach, In: Proceedings of 2nd Intl. Conf. on Autonomous Agents and Multiagent Systems (AAMAS-03) (2003)
3- Claus C., C. Boutilier, “The Dynamics of Learning Reinforcement in Cooperative Multiagent Systems”, American Association for Artificial Intelligence (1998)
4- Kaelbling L., L., Littman, A. Moore, “Reinforcement Learning: A Survey”, In: Journal of Artificial Intelligence Research (1996)
5- Fudenberg D. and D. M. Kreps, “Lectures on Learning and Equilibrium in Strategic Games”, CORE Foundation, Belgium (1992)
6- Hu Junling and M. Wellman, “Multiagent Reinforcement Learning in Stochastic Games” (1999)
7- Jennings, N. R., P. Faratin, A. R. Lomuscio, S. Parsons, C. Sierra and M. Wooldridge, Automated Negotiation: Prospects, Methods and Challenges, Int. Journal of Group Decision and Negotiation (2000)
8- Jennings, N. R., Sycara, and Wooldridge, A roadmap of agent research and development, Autonomous Agents and Multiagent Systems Jouranl, 1:7-38 (1998)
9- Huhns, M. and L. Stephens, Multi-agent Systems and Societies of Agents, In: Gerhard Weiss (ed), Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence, MIT Press (1999)
10- Lakshmivarahan, S., “Learning Algorithms: Theory and Applications”, New York, Springer Verlag (1981)
11- Mars, P., Chen, J. R. and Nambir, R., “Learning Algorithms: Theory and Applications in Signal Processing”, Control and Communications, CRC Press, Inc (1996).
12- Meybodi, M. R. and S. Lakshmivarahan: “Optimality of a Generalized Class of Learning Algorithm”, Information Science, Vol. 28 (1982) 1-20
13- Meybodi, M. R. and S. Lakshmivarahan: “On a Class of Learning Algorithms which have a Symmetric Bahavior under Success and Failure”, Lecture Notes in Statistics, Springer Verlag (1984) 145-155.
14- Narenrdra, K., S., M. A. L. Thathachar, “Learning Automata: An Introduction”, Prentice Hall (1989)
15- Sen S., G. Weiss,”Chapter 6: Learning in Multiagent Systems”, In: Gerhard Weiss (ed), Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence, MIT Press (1999)
16- Stone P., “Layered Learning in Multi-Agent Systems”, PhD thesis, Carnegie Mellon University (1998)
17- Sutton, R., S., Barto A., G., “Reinforcement Learning, An Introduction”, MIT Press (2000)
18- Tan M., “Multi-agent Reinforcement Learning: Independent vs. Cooperative Agents”, In: Proceedings of the Tenth International Conference on Machine Learning (1993) (330-337)
19- Thathachar M. A. L., Sastry P.S., Varieties of Learning Automata: An Overview, IEEE Transactions on Systems, Man and Cybernetics – Part B: Cybernetics, Vol. 32, No.
6, (2002)
پروژه بررسی الگوریتم ژنتیک با برنامه. doc
نوع فایل: word
قابل ویرایش 50 صفحه
چکیده:
در این مقاله ابتدا به معرفی و شرح عملکرد الگوریتم های ژنتیک می پردازیم و عملیات اصلی و پایه در ژنتیک الگوریتم بررسی می شود سپس در مورد چگونگی روند کاری این دسته از الگوریتم ها توضیحاتی داده و با مثالی این مهم را به طور ساده برای شما قابل فهم می کنیم. در ادامه با ا ستفاده از این روش ما مساله جا بجایی معلمان آموزش و پرورش با استفاده از الگوریتم های ژنتیک را حل می کنیم.
کلمات کلیدی
ژنتیک الگوریتم ، Fitness function ، Chromosomes ، Reproduction، Crossover، Mutation
مقدمه:
تا کنون از الگوریتم های ژنتیک برای حل مسائل زیادی استفاده شده است. در مهندسی برای حل مسائل بهینه سازی بسیار از این روش کمک گرفته شده. در اینجا ما قصد داریم با به کارگیری الگوریتم های ژنتیک گامی در جهت حل مشکل جابه جایی معلمان آموزش و پرورش برداریم. در تهیه این متن سعی شده مطالب طوری ارائه شوند که اگر کسی با الگوریتم های ژنتیک آشنایی نداشته باشد تکنیک حل مسئله را دریابد و در انتها دید روشنی نسبت به الگوریتمهای ژنتیک پیدا کند. ابتدا مسأله را به صورت ساده بیان می کنیم یعنی پارامترهای فرعی را حذف کرده و شرط ها و قیودی که باعث پیچیده تر شدن مسأله می گردند نیز کنار می گذاریم. پس از ارائه یک راه حل برای مسأله ساده شده پارامترهای فرعی و شروط را وارد مسأله می کنیم.
به عنوان نمونه می توان از مسایلی مثل کوتاهترین مسیر در شبکه ، مساله فروشنده دوره گرد و... که در آنها به دنبال حداقل و یا حداکثر کردن کمیتی برای حل مسالهمی باشیم ، اشاره نمود هر چند روشهای حل دقیقی برای حل این مسایل وجود دارد ، اما اغلب آنها از درجه پیچیدگی بالایی (NP OR NP_ COPMLETE ) برخوردارند و زمان لازم جهت محاسبه جواب بهینه برای مسایل بزرگ ، بسیار افزایش می یابد .
برای حل مسایلی شبیه مسایل فوق به روش ژنتیک ، ابتدا جوابهای امکان پذیر اولیه را به صورت تصادفی ایجاد می کنیم. این جوابهای اولیه را که به احتمال زیاد بهینه نیستند ، والدین می نامیم.این والدین با عمل تولید مثل ، به تولید فرزندان( جوابهای جدید ) می پردازند .فرزندان حاصل مورد بررسی و ارزیابی قرار گرفته و آن عده که قابل قبول نباشند ( یعنی امکان ناپذیر بوده و یا بهتر از جوابهای قبلی نباشند ) حذف می شوندو فقط فرزندان برگزیده باقی می مانند. تابعی که به بررسی مقبولیت فرزندان حاصل می پردازد ، اصطلاحا تابع FIT نام دارد . والدین اولیه به همراه فرزندان باقی مانده آنها تا این مرحله را نسل اول می نامیم. این مراحل را با فرض فرزندان باقی مانده به عنوان والدین جدید برای تولید نسلهای دوم ، سوم ، ... ادامه می دهیم.
فهرست مطالب:
چکیده
کلمات کلیدی
مقدمه
1الگوریتم های ژنتیک (GA)
1-1اعمال پایه GA
1-1-1 REPRODUCTION تولید
1-1-2CROSS OVERبرش
1-1-3 MUTATION جهش
2صورت مساله
3حل مساله با استفاده از GA
3-1ایجاد جمعیت اولیه
3-2تابع هدف
3-3انتخاب
3-4ترکیب
3-5ایجاد نسل جدید
3-6جهش
3-7بدنه اصلی برنامه
4نتیجه اجرای برنامه
5تغییر تابع هدف
6مراجع و منابع
منابع و مأخذ:
1- طراحی الگوریتم ها با شبه کدهای C++، جعفر نژاد قمی
2- الگوریتم های موازی، سعید راحتی و محمد بهداد
3- طراحی الگوریتم ها، دکتر بهروز قلی زاده
4)Johannes A.Buchman, Introduction to cryptography, springer,2000
5) Using Genetic Algorithm for Parameter
Estimation Yi Wang Computer Science Department , Tsing hua University,100084, Beijing, China
wangy01@mails.tsinghua.edu.cn
September 30, 2004
6) Genetic Algorithms For Classification and Feature Extraction
Min Pei, 1,2 Ying Ding, 2 William F. Punch, III, 3 and Erik D. Goodman 2
1 Beijing Union University, Beijing, China
2 Case Center for Computer-Aided Engineering and Manufacturing
3 Intelligent Systems Laboratory, Department of Computer Science
Michigan State University
Genetic Algorithms Research and Applications Group (GARAGe)
112 Engineering Building
East Lansing, MI 48824
Tel: (517)-353-4973. Fax: (517)-355-7516 e-mail: pei@egr.msu.edu
7)Goldberg, D.E. The Design of Innovation:
Lessons from and for Competent Genetic
Kluwer, 2002.8) Milner, R. The Encyclopedia of
Facts on File, 1990.
Links :
http://www.ciphersbyritter.com/ARTS/MIXNONLI.HTM
http://www.cs.qub.ac.uk/~M.Sullivan/ga/ga_index.html
http://www.math.uno.edu/
http://mathworld.wolfram.com/
An Introduction to Genetic Algorithms - The MIT Press
http://www.Wotsite.org
http://www.issa.orgt
پروژه استفاده ازکنترلرهای دیجیتالی در سیستم های مکانیکی. doc
نوع فایل: word
قابل ویرایش 125 صفحه
مقدمه:
سیستم کنترل موتور الکترونیکی شامل دستگاههای دریافت کننده ایست که به طور مداوم موقعیت های کاری موتور را ارزیابی می کنند، یک واحد کنترل الکترونیکی(Ecu) {است} که جداول داده ها و محاسبات کاربردی در ورودی دریافت کننده ( حسگرSensor) را ارزیابی می کند و خروجی را برای دستگاههای راه انداز معین می کند.
این دستگاههای راه انداز توسط Ecu فرمان می گیرند تا در پاسخ به ورودی حسگر، عملی را انجام دهند.
هدف استفاده از یک سیستم کنترل موتور الکترونیکی این است که موارد زیر تامین شود: دقت مورد نیاز و سازگاری به منظور کمتر کردن آلودگی خروجی و کم کردن مصرف سوخت، بهینه کردن قابلیت حرکت برای همه موقعیت های کاری، کم کردن آلودگی تبخیری، و تشخیص دادن سیستم وقتی که بد عمل می کند.
برای اینکه در سیستم کنترل، این اهداف را شاهد باشیم، یک مدت زمان توسعه شایان توجهی برای هر موتور وکارایی وسیله نقلیه مورد نیاز است. مقدار قابل توجهی از توسعه برای یک موتور نصب شده روی دینامومتر، تحت موقعیت های کنترل شده، مصرف شود. اطلاعات جمع آوری شده برای توسعه جداول داده های Ecu مفید است. مقدار قابل توجهی از تلاش های توسعه هم لازم است که در یک موتور نصب شده در وسیله نقلیه انجام شود
فهرست مطالب:
1-فصل اول : کنترل موتور
1-1-اهداف سیستم های کنترل
2-1-موتورهای احتراق جرقه ای
1-موتورهای احتراق تراکمی
2-فصل دوم
1-2-مقدمه
2-2-مبانی ترمزگیری خودروها
3-2-سیستم های ضدقفل
4-2-سیستم های آینده ترمزگیری خودروها