حل مسئله TSP با الگوریتم ژنتیک GA در متلب

35,000 تومان

 الگوریتم ژنتیک Genetic Algorithm یکی از الگوریتم های پرکاربرد و محبوب برای حل مسائل سخت می باشد و به وفور از این الگوریتم استفاده می شود. مفهوم آسان و قابل درک این الگوریتم آن را به عنوان الگوریتم پرکاربرد در زمینه های الگوریتم های تکاملی بدل کرده است. به سادگی می توان از الگوریتم ژنتیک برای حل مسئله فروشنده دوره گرد Travelling Salesman Problem استفاده کرد.

الگوریتم مورچه و حل مسئله فروشنده دوره گرد TSP در پایتون

28,000 تومان

این سورس کد به زبان پایتون Python برای الگوریتم کلون مورچگان یا همان ACO نوشته شده است. این سورس کد بر اساس ساز و کار الگوریتم مورچه مسئله TSP را حل می کند. برای اینکه بتوانید الگوریتم ACO را واضح و کامل درک کنید مقاله ای کامل با عنوان الگوریتم کلونی مورچگان ACO در همین سایت نوشته شده است. در ادامه مختصری از الگوریتم برای درک کد الگوریتم مورچه در پایتون بیان می شود.

حل مسئله TSP با الگوریتم TLBO | حل فروشنده دوره گرد با بهینه سازی مبتنی بر آموزش

22,000 تومان

در این بخش حل مسئله TSP با الگوریتم TLBO با بهینه سازی مبتنی بر آموزش و یادگیری در متلب قرار داده شده است. الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری یا همان الگوریتم TLBO یک روش بهینه سازی است  در ادامه به تشریح مختصری از الگوریتم TLBO پرداخته خواهد شد و سپس حل مسئله فروشنده دوره گرد TSP با الگوریتم Teaching learning based optimization در متلب پرداخته خواهد شد.

حل مسئله فروشنده دوره گرد TSP با الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی BBO در متلب

22,000 تومان

در این پست حل مسئله فروشنده دوره گرد TSP با الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی BBO در متلب قرار داده شده است. در الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی یا همان الگوریتم BBO از چگونگی انتشار گونه های جانداران در زیستگاه های متعدد الهام گرفته شده است. در ادامه به تشریح حل مسئله فروشنده دوره گرد TSP با الگوریتم Biogeography Based Optimization به اختصار BBO در متلب پرداخته خواهد شد.

مقایسه الگوریتم های حل مسئله TSP

40,000 تومان

در این پست سورس کد مقایسه الگوریتم های حل مسئله TSP قرار داده شده است. برای حل مسئله TSP یا همان فروشنده دوره گرد Traveling Salesman Problem می توان از الگوریتم های بهینه سازی یا فراابتکاری (Metaheuristic) استفاده کرد. هدف از الگوریتم های بهینه سازی يافتن یک جواب قابل قبول، با توجه به محدوديت‌ و نياز مسئله است. در ادامه توضیحات کامل تری ارائه می شود.

حل مسئله فروشنده دوره گرد TSP با الگوریتم جهش قورباغه SFLA در متلب

22,000 تومان

در این پست کد حل مسئله فروشنده دوره گرد TSP با الگوریتم جهش قورباغه SFLA در متلب قرار داده شده است. الگوریتم بهینه سازی جهش قورباغه یا Shuffled Frog Leaping Algorithm  (به اختصار SFLA)، یکی از الگوریتم های بهینه سازی فرا ابتکاری است که از رفتار اجتماعی قورباغه ها در طبیعت الهام گرفته شده است در ادامه به تشریح حل مسئله فروشنده دوره گرد TSP با الگوریتم جهش قورباغه SFLA در متلب پرداخته خواهد شد.

فیلم آموزشی حل مسئله فروشنده دوره گرد با الگوریتم GSA در متلب

25,000 تومان

در این فیلم آموزشی به توضیح خط به خط کد متلب مسئله فروشنده دوره گرد TSP با الگوریتم جستجوی گرانشی GSA پرداخته می شود. برای پیاده سازی این بخش با انواع نرم افزارهای شبیه سازی کار می شود که نرم افزار متلب Matlab یکی از محبوب ترین آنها می باشد.

حل مسئله فروشنده دوره گرد TSP با الگوریتم گرگ خاکستری GWO در متلب

28,000 تومان

در این پست به حل مسئله فروشنده دوره گرد TSP با الگوریتم گرگ خاکستری GWO در متلب پرداخته می شود. الگوریتم گرگ خاکستری  Grey Wolf Optimizer یا به اختصار GWO یک الگوریتم بهینه سازی یا فرابتکاری است که از ساختار سلسله مراتبی hieratical و رفتار اجتماعی گرگ های خاکستری در هنگام شکار کردن الهام گرفته است. در ادامه به تشریح حل مسئله فروشنده دوره گرد TSP با الگوریتم گرگ خاکستری GWO در متلب پرداخته خواهد شد.

الگوریتم رقابت استعماری برای حل مسئله فروشنده دوره گرد TSP در متلب

25,000 تومان

سورس کد الگوریتم رقابت استعماری برای حل مسئله فروشنده دوره گرد TSP در متلب عنوان موضوعی است که در این پست به آن پرداخته می شود. الگوریتم رقابت استعماری با نام Imperialist Competitive Algorithm یا الگوریتم ICA نیز نامیده می شود. در این مجموعه سعی می کنیم تا جزئیات بهتری از سورس کد الگوریتم رقابت استعماری فروشنده دوره گرد در متلب ICA ارائه دهیم.