دسته‌ها
الگوریتم های تکاملی

پاورپوینت بسیار با کیفیت و کامل الگوریتم جستجوی گرانشی (GSA)

DEMA Rangierwagenheber DRH1500A

DEMA Rangierwagenheber DRH1500A: Auto. Kaufen Sie DEMA Rangierwagenheber DRH1500A im Auto & Motorrad-Shop auf . Große Auswahl und Gratis Lieferung durch ab 29€.. Maximale Belastung: 1500 kg 。 Hubhöhe von 8,8 - 36,5 cm 。 Mindestunterfahrhöhe 9,0 cm bei einer Einfahrtiefe bis 19 cm 。 Mindestunterfahrhöhe 11 cm bei einer Einfahrtiefe bis 25 cm 。 Mindestunterfahrhöhe 14 cm ab einer Einfahrtiefe von 44,5 cm 。 Ihr neuer Rangierwagenheber DRH1500A ist ein ungemein praktischer und handlicher Heber, welcher schnell positioniert und arbeitsbereit ist.。 Mit nur wenigen Hüben haben Sie die optimale Arbeitshöhe erreicht, arbeiten exakt, zielgerichtet und effizient.。 Probieren Sie es, Sie werden begeistert sein.。 Rangierwagenheber DRH1500A - hier und jetzt zum Hammerpreis!。Maximale Belastung: 1500 kg。Hubhöhe von 9,0 - 36,5 cm。Mindestunterfahrhöhe 9,0 cm bei einer Einfahrtiefe bis 19 cm。Mindestunterfahrhöhe 11 cm bei einer Einfahrtiefe bis 25 cm。Mindestunterfahrhöhe 14 cm ab einer Einfahrtiefe von 44,5 cm。Auflageteller: 9,5 cm Ø。2x Lastrollen ØxB: 4x1,6 cm。1x Lenkrolle ØxB: 4x11,2 cm。Maße Heber LxBxH: 50xx21/108 cm。Gewicht 14,46 kg。Aluminiumgehäuse。Drehbarer Auflageteller für bestmögliche Sicherheit beim Anheben der Last。Gummiauflage。Feinfühlige Hebel-Ventilsteuerung。2-teiliger, geriffelter Pumphebel。2 Lastrollen aus Stahl - kugelgelagert。1 Zentral-Lenkrolle aus Stahl - kugelgelagert。Hochwertige Doppelkolben-Quicklift-Pumpe。Moosgummi Schweller-Hebelschoner。Bitte beachten Sie: Rangierwagenheber bedeutet NICHT, dass sie mit angehobener Last frei durch Ihre Werkstatt "rangieren", sondern das Sie zum Rangieren den Heber selbst direkt unter den Lastpunkt in Stellung bringen können. Nach dem Anheben ist es Pflicht, geeignete Unterstellböcke unter die angehobene Last zu stellen, sodass der Rangierwagenheber nicht dauernder Belastung ausgesetzt ist (geeignete Unterstellböcke finden Sie in unserem Shop).。 。 。 。

DEMA Rangierwagenheber DRH1500A
DEMA Rangierwagenheber DRH1500A
DEMA Rangierwagenheber DRH1500A
DEMA Rangierwagenheber DRH1500A
دسته‌ها
الگوریتم های تکاملی

پاورپوینت بسیار با کیفیت و کامل الگوریتم بهینه سازی دسته ای ذرات (PSO)

روش PSO یا به لاتین (Particle swarm optimization) یک روش سراسری کمینه‌سازی است که با استفاده از آن می‌توان با مسائلی که جواب آنها یک نقطه یا سطح در فضای n بعدی می‌باشد، برخورد نمود. در اینچنین فضایی، فرضیاتی مطرح می‌شود و یک سرعت ابتدایی به آنها اختصاص داده می‌شود، همچنین کانال‌های ارتباطی بین ذرات درنظر گرفته می‌شود. سپس این ذرات در فضای پاسخ حرکت می‌کنند، و نتایج حاصله بر مبنای یک «ملاک شایستگی» پس از هر بازه‌ٔ زمانی محاسبه می‌شود. با گذشت زمان، ذرات به سمت ذراتی که دارای ملاک شایستگی بالاتری هستند و در گروه ارتباطی یکسانی قرار دارند، شتاب می‌گیرند. علی‌رغم اینکه هر روش در محدوده ای از مسائل به خوبی کار می کند، این روش در حل مسائل بهینه سازی پیوسته موفقیت بسیاری از خود نشان داده است.

الگوریتم بهینه سازی دسته ای ذرات (PSO)
الگوریتم بهینه سازی دسته ای ذرات (PSO)

تعداد اسلاید: 23 اسلاید

قیمت: 4900 تومان

[arianpalpaiddownloads id=”105″]

دسته‌ها
الگوریتم های تکاملی

پاورپوینت بسیار با کیفیت و کامل الگوریتم بهینه سازی فاخته (Cuckoo Optimization Algorithm)

الگوريتم بهينه سازي فاخته يا Cuckoo Optimization Algorithm يكي از جديد ترين و قويترين روشهاي بهينه سازي تكاملي مي باشد كه تا كنون معرفي شده اند. اين الگوريتم بر روي الهام از روش زندگي پرنده اي بنام فاخته يا Cuckooمی باشد. روش زندگي و تخمگذاري جالب اين پرنده نويد يك الگوريتم بهنيه سازي خوب و قابل را در طبيعت وحشي مي داد. روشي كه با كمترين تلاش، در جنگ براي بقا با ساير حيوانات، به بقا مي رسيد. اين پرنده تنبل به زيبايي هرچه تمام تر ساير پرندگان را مجبور به شركت در بقاي خود مي كند.

الگوریتم بهینه سازی فاخته (Cuckoo Optimization Algorithm)
الگوریتم بهینه سازی فاخته (Cuckoo Optimization Algorithm)

برای دانلود فایل مربوط به الگوریتم بهینه سازی فاخته (Cuckoo Search Algorithm) بر روی لینک زیر کلیک نمایید:

تعداد اسلاید: 19 اسلاید

قیمت: 4900 تومان

[arianpalpaiddownloads id=”104″]

دسته‌ها
الگوریتم های تکاملی

پاورپوینت بسیار با کیفیت و کامل الگوریتم ممتیک (Memetic Algorithm)

الگوریتم ممتیک (Memetic Algorithm)
الگوریتم ممتیک (Memetic Algorithm)

برای دانلود فایل مربوط به الگوریتم ممتیک (Memetic Algorithm) بر روی لینک زیر کلیک نمایید:

تعداد اسلاید: 17 اسلاید

قیمت: 4900 تومان

[arianpalpaiddownloads id=”103″]

دسته‌ها
الگوریتم های تکاملی

پاورپوینت بسیار با کیفیت و کامل برنامه نویسی تکاملی (EP)

برنامه نویسی تکاملی (EP)
برنامه نویسی تکاملی (EP)

برای دانلود فایل مربوط به برنامه نویسی تکاملی (EP) بر روی لینک زیر کلیک نمایید:

تعداد اسلاید: 30 اسلاید

قیمت: 4900 تومان

[arianpalpaiddownloads id=”102″]

دسته‌ها
الگوریتم های تکاملی

پاورپوینت بسیار با کیفیت و کامل استراتژی های تکاملی (ES)

استراتژی های تکاملی (ES)
استراتژی های تکاملی (ES)

برای دانلود فایل مربوط به استراتژی های تکاملی (Evolutionary Strategy) بر روی لینک زیر کلیک نمایید:

تعداد اسلاید: 22 اسلاید

قیمت: 4900 تومان

[arianpalpaiddownloads id=”101″]

دسته‌ها
الگوریتم های تکاملی

پاورپوینت بسیار با کیفیت و کامل الگوریتم بهینه سازی جهش قورباغه (SFLA)

الگوریتم جهش ترکیبیِ قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیک است. این الگوریتم در سال­های اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوه­ جستجوی غذای گروه­های­ قورباغه­ سرچشمه می­گیرد. این الگوریتم برای جستجوی محلی میان زیرگروه­­های قورباغه از روش نمو ممتیک استفاده می­کند. SFLA  از استراتژیِ ترکیب استفاده میکند و امکان مبادله پیام در جستجوی محلی را فراهم می­سازد. این الگوریتم مزایای الگوریتم نمو ممتیک و بهینه ­سازیِ گروه ذرات (PSO) را ترکیب می­کند. در SFLA تنها در جستجوی محلی بلکه در جستجوی سراسری نیز پیام­ها مبادله می­شوند. بدین ترتیب جستجوی محلی و سراسری به خوبی در این الگوریتم ترکیب می­شوند. جستجوی محلی امکان انتقال مم را میان افراد ممکن می­سازد و استراتژیِ ترکیب امکان انتقال مم را میان کل جمعیت ممکن می­سازد. مانند الگوریتم ژنتیک (GA) و بهینه­سازی گروه ذرات (PSO) الگوریتم جهش ترکیبیِ قورباغه یک الگوریتم بهینه­ سازیِ مبتنی بر کولونی است. SFLA قابلیت بالایی برای جستجوی سراسری دارد و پیاده­ سازیِ آن آسان است. الگوریتم SFLA می­تواند بسیاری از مسائل غیرخطی، غیرقابل تشخیص و چندحالته را حل کند. این الگوریتم به مراتب برای حل مساله­ توزیع منابع آبی بکارگرفته می­شود.
الگوریتم بهینه سازی جهش قورباغه (SFLA)
الگوریتم بهینه سازی جهش قورباغه (SFLA)

برای دانلود فایل پاورپوینت بسیار با کیفیت و کامل مربوط به الگوریتم بهینه سازی جهش قورباغه (SFLOA) بر روی لینک زیر کلیک نمایید:

تعداد اسلاید: 30 اسلاید

قیمت: 4900 تومان

[arianpalpaiddownloads id=”100″]

دسته‌ها
الگوریتم های تکاملی

پاورپوینت بسیار با کیفیت و کامل الگوریتم وراثتی بر پایه مرتب سازی مغلوب نشده ها_ورژن2 (NSGA-II)

با بزرگ شدن مسائل و اهمیت یافتن سرعت رسیدن به پاسخ و عدم پاسخگویی روشهای کلاسیک ،امروزه از الگوریتمهای جستجوی تصادفی به جای جستجوی همه جانبه فضای مسئله ، استقبال بیشتری می شود. در این بین در سالهای اخیر استفاده از الگوریتمهای جستجوی هیوریستیک (شهودی) همچون الگوریتم وراثتی(GA) ، الگوریتم کلونی مورچه ها(ACO) ، الگوریتم پرندگان(PSO)  و … رشد چشمگیری داشته است.

 

الگوریتم وراثتی بر پایه مرتب سازی مغلوب نشده ها_ورژن2 (NSGA-II)
الگوریتم وراثتی بر پایه مرتب سازی مغلوب نشده ها_ورژن2 (NSGA-II)

برای دانلود فایل مربوط به الگوریتم وراثتی بر پایه مرتب سازی مغلوب نشده ها_ورژن2 (NSGA-II) بر روی لینک زیر کلیک نمایید:

تعداد اسلاید: 25 اسلاید

قیمت: 4900 تومان

[arianpalpaiddownloads id=”99″]

دسته‌ها
الگوریتم های تکاملی

پاورپوینت بسیار با کیفیت و کامل الگوریتم تکاملی تفاضلی DE

با بزرگ شدن مسائل و اهمیت یافتن سرعت رسیدن به پاسخ و عدم پاسخگویی روشهای کلاسیک ،امروزه از الگوریتمهای جستجوی تصادفی به جای جستجوی همه جانبهفضای مسئله ، استقبال بیشتری می شود. در این بین در سالهای اخیر استفاده از الگوریتمهای جستجوی هیوریستیک (شهودی) همچون الگوریتم وراثتی(GA) ، الگوریتم کلونی مورچه ها(ACO) ، الگوریتم پرندگان(PSO)  و … رشد چشمگیری داشته است.

در سالهای اخیریک الگوریتم تفاضلی به نام الگوریتم تکاملی تفاضلی (DE) به عنوان روشی قدرتمند و سریع برای مسائل بهینه سازی در فضاهای پیوسته معرفی شده است.الگوریتم جستجوی DE یکی از جدیدترین روشهای جستجو است. الگوریتم تکاملی تفاضلی (DE) نخستین بار در سال 1995 توسط استورن و پرایس معرفی شد.این دو نشان دادند که این الگوریتم توانایی خوبی در بهینه سازی توابع غیرخطی مشتق ناپذیر دارد.

الگوریتم DE جهت غلبه بر عیب اصلی الگوریتم ژنتیک، یعنی فقدان جستجوی محلی دراین الگوریتم ارائه شده است.تفاوت اصلی بین الگوریتم های ژنتیکی و الگوریتم DE در عملگر انتخاب selection operators می باشد.

در اپراتور انتخاب GA ، شانس انتخاب یک جواب به عنوان یکی از والدین وابسته به مقدار شایستگی آن می باشد.اما در الگوریتم DE ،همه جواب ها دارای شانس مساوی جهت انتخاب شدن می باشند.یعنی شانس انتخاب شدن آنها وابسته به مقدار شایستگی آنها نمی باشد.پس از این که یک جواب جدید با استفاده از یک اپراتور جهش خود-تنظیم و اپراتور crossover تولید شد،جواب جدید با مقدار قبلی مقایسه میشود و در صورت بهتر بودن جایگزین می شود.

یکی از مزایای این الگوریتم  داشتن حافظه ای می باشد که اطلاعات جواب های مناسب را در جمعیت فعلی حفظ می کند.دیگر مزیت این الگوریتم مربوط به عملگر انتخاب آن می باشد،در این الگوریتم همه جواب ها دارای شانس مساوی جهت انتخاب شدن بع عنوان یکی از والدین می باشند.

الگوریتم DE
الگوریتم DE

برای دانلود فایل پاورپوینت بسیار با کیفیت الگوریتم DE بر روی لینک زیر کلیک نمایید:

تعداد اسلاید: 54 اسلاید

قیمت: 4900 تومان

[arianpalpaiddownloads id=”98″]

دسته‌ها
زبان سی پلاس پلاس (++C)

دانلود برنامه بازی دوز (بازی TicTacToe) به زبان ++C

این برنامه مربوط به بازی دوز (بازی TicTacToe) است که به زبان سی پلاس پلاس و با استفاده از شیءگرایی و مفهوم کلاس نوشته شده است. در این پروژه برای محیط بازی یک آرایه دو بعدی 3 در 3 در نظر گرفته شده و دو بازیکن با هم به رقابت می پردازند.

شکل زیر نمونه ای از اجرای پروژه را نمایش می دهد:

بازی TicTacToe با CPP
بازی TicTacToe با CPP

برای دانلود پروژه بازی دوز (بازی TicTacToe) به زبان C++ بر روی لینک زیر کلیک کنید:

قیمت: 4900 تومان

[arianpalpaiddownloads id=”97″]