حل مسئله TSP با الگوریتم TLBO تصویر شاخص حاوی عنوان سورس کد و تصویری ازیک استاد در حال تدریس می باشد.

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

(دیدگاه کاربر 1)
امتیاز 5.00 از 5

تهیه‌کننده: 

حل مسئله TSP با الگوریتم TLBO تصویر شاخص حاوی عنوان سورس کد و تصویری ازیک استاد در حال تدریس می باشد.

هزینه سفارش:

تخفیف ویژه 60 درصدی

قیمت اصلی: ۲۷۲,۰۰۰ تومان بود.قیمت فعلی: ۱۰۴,۰۰۰ تومان.

تخصصی و منحصر به فرد بودن این اثر، تضمین کننده بهای محصول نسبت به آثار مشابه است.

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 که برای اولین بار توسط آقای Rao و همکاران در ژورنال معروف Computer-Aided Design از انتشارات ELSEVIER در مقاله‌ای با عنوان Teaching–learning-based optimization: A novel method for constrained mechanical design optimization problems معرفی شد.

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.

الگوریتم TLBO

قبل از پرداختن به سورس کد حل مسئله TSP با الگوریتم TLBO توضیحات مختصری از الگوریتم ارائه می‌دهیم. الگوریتم بهینه سازی TLBO یا بهینه سازی مبتنی بر یادگیری و آموزش برای اولین بار توسط آقای Rao و همکاران در سال 2011 معرفی شد. الگوریتم بهینه سازی TLBO براساس تاثیر یک معلم بر روی خروجی دانش آموزان در یک کلاس است.

به طور کلی در یک کلاس معلم فردی تعیین می‌شود که دارای مقدار بهتری از لحاظ تابع تناسب است و سطحی بالاتری نسبت به دانش آموزان دارد و می‌تواند دانش آموزان را با دانش خود سهیم نماید. یک معلم خوب، یک میانگین بهتر برای دانش آموزان تولید می‌کند. در هر مرحله و تکرار معلم کسی است، که بهترین فرد کلاس باشند و بهترین تابع هدف را دارد. البته در هر مرحله ممکن است معلم تغییر نماید.

مراحل الگوریتم بهینه سازی مبتنی بر یادگیری و آموزش TLBO

الگوریتم بهینه سازی TLBO دارای دو مرحله یا دو فاز اصلی است که عبارتند از:

  • مرحله معلم یا فاز آموزش
  • مرحله دانش آموز یا فاز یادگیری

برای مشاهده جزئیات این الگوریتم مقاله‌ی کاملی در این سایت با نام الگوریتم بهینه سازی TLBO (بهینه سازی مبتنی بر یادگیری و آموزش) آماده کرده‌ایم که می‌توانید آن را مطالعه فرمایید.

مسئله فروشنده دورگرد TSP

مساله فروشنده دوره گرد Travelling salesman problem یا به اختصار TSP مساله‌اي است که شرح آن خيلي آسان مي‌باشد. تعريف آن بدين صورت است که تعداد متناهي شهر با هزينه پيمايش بين هر جفت از آنها داده مي‌شود و هدف مساله اين است که يک فروشنده دوره گرد تمامي اين شهرها را به گونه‌اي ملاقات کند که هريک از اين شهرها را فقط يک بارملاقات کرده و دوباره به شهر آغازين برگردد با اين شرط که با کمترين هزينه پيمايش اين کار را انجام دهد.

به طور کلي هدف پيدا کردن کم هزينه‌ترين تور براي ملاقات همه شهرها و بازگشت به شهر آغازين حرکت است. مساله فروشنده دوره گرد در شکل ساده و اختصاري با نام TSP شناخته می‌شود. شکل زیر يک نمونه جواب از مساله فروشنده دوره گرد که در سال 1591 براي 15 شهر از کشور آمريکا مطرح شد را نشان می‌دهد که با روش شاخه وحد حل شد.

مسئله TSP با الگوریتم BBO

سورس کد حل مسئله TSP با الگوریتم TLBO در متلب

حل مسئله TSP با الگوریتم TLBO در متلب شامل 4 فایل می‌باشد که عبارتند از:

  • main.m: فایل اصلی برنامه است و فراخوانی دیگر توابع و مقادیر پارامترها و الگوریتم TLBO در داخل این فایل قرار دارد.
  • CreateModel.m: برای ایجاد شهرهای فاصله و مختصات هریک از شهرها از این تابع استفاده می‌شود.
function model=CreateModel()

    x=[82 91 12 92 63 9 28 55 96 97 15 98 96 49 12 92 63 9 28 55 96 97 15 98 80 14 42 92 80 96];
    
    y=[12 92 63 9 28 55 96 97 15 98 66 3 85 94 68 76 75 39 66 17 71 3 27 4 9 83 70 32 95 3];
    
    n=numel(x);
    
    D=zeros(n,n);
    
    for i=1:n-1
        for j=i+1:n
            
            D(i,j)=sqrt((x(i)-x(j))^2+(y(i)-y(j))^2);
            
            D(j,i)=D(i,j);
            
        end
    end
    
    model.n=n;
    model.x=x;
    model.y=y;
    model.D=D;

end
  • PlotSolution.m: برای رسم مسیرهای بین شهرها از این تابع استفاده می‌شود.
function PlotSolution(tour,model)

    tour=[tour tour(1)];
    
    plot(model.x(tour),model.y(tour),'k-s',...
        'MarkerSize',12,...
        'MarkerFaceColor','y',...
        'LineWidth',2);

end
  • TourLength.m: این تابع برای محاسبه طول مسیرهای یک تور یا یک پیمایش کامل شهرها بکار می‌رود.
function [z sol]=MyCost(s,model) 
 
    d=model.d; 
 
    [~, tour]=sort(s); 
    sol.tour=tour; 
     
    n=numel(tour); 
     
    tour=[tour tour(1)]; 
     
    L=0; 
    for i=1:n 
        L=L+d(tour(i),tour(i+1)); 
    end 
     
    sol.L=L; 
     
    z=L; 
 
end

برای دریافت سورس کامل محصول لطفا آن را خریداری کنید.

تصاویر خروجی محصول

فروشنده دوره گرد

مسئله TSP

درباره محصول

سورس کد حل مسئله TSP با الگوریتم TLBO با الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری در متلب عنوان اثری است که در این پست به آن پرداخته شده است. سورس کد در نرم افزار متلب نوشته شده و بصورت کامل توسط گروه پشتیبانی پی استور تست و اجرا شده است و دارای نشان تضمین کیفیت پی استور می‌باشد. برای دانلود اثر مذکور آن را خریداری کنید.

مشخصات تکمیلی سورس کد

نام اثر: حل مسئله TSP با الگوریتم TLBO | حل فروشنده دوره گرد با بهینه سازی مبتنی بر آموزش
نوع اثر: سورس کد
برنامه‌نویس: تیم برنامه‌نویسی پی‌استور
زبان برنامه نویسی: MATLAB
ویژگی: قابل دانلود و ویرایش

برنامه‌نویس:  تیم برنامه‌نویسی پی‌استور

متشکل از اساتید و فارغ التحصیلان رشته‌های فنی - مهندسی

تیم برنامه نویسی پی استور یکی از اولین گروه‌های تشکیل شده در مجموعه آموزشی پی استور می‌باشد. این تیم از اساتید مجرب و فارغ التحصیلان رشته‌های فنی و مهندسی تشکیل شده که در زمینه‌های مختلف برنامه‌نویسی و تهیه سورس کد فعال هستند.

راهنمای خرید و ثبت سفارش

تصویر مراحل خرید از پی استور

اگر در مورد این اثر یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین 44225175 (پیش شماره 041) تماس بگیرید. – تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). – تمام ساعات

نظرات

1 نظر|5.00 (میانگین امتیاز کاربران)

  1. مدیریت و پشتیبانی

    نظرات و پیشنهادات خود را با ما در میان بگذارید.

دیدگاه خود را بنویسید

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

شناسه اثر: 7282 دسته‌بندی موضوعی: برچسب ,

هزینه سفارش:

تخفیف ویژه 60 درصدی

قیمت اصلی: ۲۷۲,۰۰۰ تومان بود.قیمت فعلی: ۱۰۴,۰۰۰ تومان.