دانلود دانلود مقاله در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص

دانلود مقاله در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .docx
تعداد صفحات: 16
حجم فایل: 487 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..docx) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 16 صفحه

 قسمتی از متن word (..docx) : 
 

‏Dec. 28
‏Feature Extraction
2
‏1) ‏چکیده:
‏ ‏در این تمرین‏ روش‏ ‏های استخراج ویژگی و‏ ‏روش‏ ‏های خطی و غیر خطی‏ دسته‏ ‏بندی‏ ‏را مورد مطالعه قرار می‌دهیم‏.‏ ‏در ابتدا‏ روش‏ ‏های مختلف استخراج ویژگی که از آن جمله PCA‏، LDA‏، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگی‏ ‏های استخراج شده از‏ ‏روش‏ ‏های‏ دسته‏ ‏بندی‏ خطی بیزین و SVM‏ خطی و سپس روش‏ ‏های غیر‏‌‏خطی RBF‏ ، MLP‏ و همچنین SVM‏ غیر‏‌‏خطی ‏بر‏ا‏ی‏ دسته‏ ‏بندی استفاده ‏ شده‏‌‏ ‏ا‏ست‏. ‏بسته ‏به ‏روش ‏شناسایی ‏بکار ‏گرفته ‏شده، ‏معمولا ‏ویژگی‏ ‏های ‏متفاوتی ‏از ‏دنباله ‏نقاط ‏استخراج ‏می ‏شود. ‏در ‏اکثر ‏روش ‏های ‏موجود‏ ‏استخراج ویژگی‏، ‏ویژگی‏ ‏ها ‏از ‏روی ‏مختصات ‏نقاط ‏نمونه‏ ‏برداری ‏شده ‏ورودی ‏استخراج ‏می‏ ‏شو‏ن‏د‏. از مجموعه ی ویژگی های استخراج شده معمولاً تعدادی مفید تر و موثرترند. ما برای تشخیص و انتخاب ویژگی های تاثیرگذارتر از یک الگوریتم ژنتیک استفاده کرده ایم.‏ ‏اما پس از استخراج و انتخاب‏ ویژگی‏ ‏ها‏ نوبت به دسته بندی می رسد.‏ در ابتدا از چند دسته بند خطی استفاده کرده ایم.‏ به راحتی می‏‌‏توان نشان داد که ناحیه‏‌‏های تصمیم‏‌‏گیری یک ماشین خطی محدودند‏ ‏و این محدودیت انعطاف‏‌‏پذیری و دقت دسته‏‌‏بند را کاهش می‏‌‏دهد. ‏مسایل بسیاری وجود دارد که توابع جداساز خطی برای داشتن حداقل خطا در آنها کافی نیستند.‏ علاوه بر این مرزهای تصمیم‏‌‏گیری که کلاسها را از یکدیگر تفکیک می‏‌‏کنند ممکن است همیشه خطی نباشند و پیچیدگی مرزها گاهی اوقات نیاز به استفاده از سطح‏‌‏های کاملاً غیر خطی‏ را ‏دارند.‏ ‏بنابراین در ادامه ی کار از چند دسته بند غیرخطی نیز استفاده نمودیم. ‏در استفاده از شبکه‏‌‏های عصبی چندلایه، شکل غیر خطی بودن از مجموعه‏‌‏ی آموزش فرا گرفته می‏‌‏شود. در روشهای RBF ‏ و SVM‏ غیرخطی مشکل‏ اصلی انتخاب توابع‏ هسته‏ غیر خطی مناسب است.
‏2) مقدمه
‏ ‏ ‏اولین الگوریتم دسته‌بندی در سال 1936 توسط Fisher‏ ارایه شد و معیارهای آن برای بهینه بودن، کم کردن خطای دسته‌بندی کننده‌های الگو‌های آموزشی بود. بسیاری از استراتژی‌های موجود نیز از همین روش پیروی می‌کنند. ‏در ساده‏‌‏ترین شکل ممکن‏،‏ دسته بند‏‌‏های خطی می‌توانند دو دسته‌ی متفاوت را تفکیک کنند‏.‏ با توجه به این موضوع مساله‌ای را جدایی‌پذیر خطی می‌نامند که با یک ابرصفحه بتوان محدوده‌ی تصمیم را به ‏دو ‏گروه تقسیم‏‌‏بندی کرد. در عمل می‏‌‏توان دسته بند‌های خطی‌ای را طراحی کرد که بیش از دو گروه را از هم تفکیک کنند. این عمل را با‏ ‏تنظیم محدوده‌های تصمیم متعدد و آزمون‌های چندگانه بر اساس شرایط موجود می‌توان انجام داد. ما در این مساله یک دسته بندی با 26 کلاس را داریم.
‏ ‏ ‏در روش بیزین احتمال شرطی تعلق بررسی می‌شود‏. به این ترتیب که الگوی مورد نظر به دسته‌ای تخصیص داده می‏‌شود که احتمال شرطی تعلق بردار مشخصه‌ی الگو به آن دسته ازتمام دسته‌های دیگر بیشتر باشد.‏ روش بیزین به طور کلی می تواند برای کارایی بسیار مطلوب بهینه شوند. این روش مزایای دیگری نیز دارد که استفاده‌ی از آن را توجیه می‌کند. این روش می‌تواند با چند فرض ساده در مورد داده‌ها کاملاً به شکل روشهای ساده‌ی خطی عمل کند، به علاوه این کار می‌تواند به
‏Dec. 28
‏Feature Extraction
2
‏گونه‌ای انجام شود که در پایان، مدل قطعی بدون هیچ گونه رجوع به آمار به دست آید. در روش بیزین مشکل کار تعریف احتمالات شرطی مورد نظر قاعده‌ی بیز است.‏
‏ ‏ یک محقق روسی به نام Vladimir Vapnik‏ در سال 1965 گام مهمی در طراحی دسته‌بندها برداشت [1]‏ و نظریه‌ی آماری یادگیری را بصورت مستحکم‌تری بنا نهاد و ماشین بردار پشتیبان را ارایه کرد. ‏ ماشین‌های بردار پشتیبان در دو حالت جدایی‌پذیر و جدایی‌ناپذیر برای دسته‌بندی الگوهای یک مساله‌ی چندکلاسه از چند مرز جداکنند‏ه‏‌ی خطی یا ابرصفحه استفاده می‌کنند و در واقع حاصلضرب داخلی بردار ورودی با هر یک از بردارهای پشتیبان در فضای d‏ بعدی ورودی محاسبه می‌شود. Vapnik‏ نشان داد که می‌توان بردار ورودی را با یک تبدیل غیرخطی به یک فضای با بعد زیاد انتقال داد و در آن فضا حاصلضرب داخلی را بدست آورد که با این شرایط هسته‌ی مفیدی را خواهیم داشت.
‏ ‏ روش RBF‏ یک دسته‏‌‏بندی و تقریب‌ساز تابعی الگوست و شامل دو لایه می‌باشد که نرون‌های خروجی ترکیبی خطی از توابع پایه‌ای را به وجود می‌آورند که توسط نرون‏‌‏های لایه‌ی پنهان محاسبه شده‌اند.‏ زمانی که ورودی در ناحیه‌ی تعیین شده‌ی کوچک از فضای ورودی قرار گیرد، توابع اساسی(غیر خطی) در لایه‌ی پنهان، پاسخ غیر صفری به محرک ورودی می‏‌‏دهند. همچنین این مدل به عنوان یک شبکه‌ی دریافت‌کننده‌ی ناحیه‌ای شناخته شده است. ما در روش RBF‏ از معمول‌ترین تابع هسته‏‌ی‏ غیر خطی یعنی سیگموئید استفاده کرده‌ایم.
‏ ‏ به‏ ‏طور کلی شبکه‌های پرسپترون چند‌لایه شامل چندین پرسپترون ساده هستند که به طور ساختار سلسله‌مراتبی، یک شکل پیش‌خورد با یک و یا چند لایه‌ی میانی (لایه‌های پنهان) بین لایه‌های ورودی و خروجی را شکل می‌دهد.‏ تعداد لایه‌ی پنهان و تعداد نرون‌های هر لایه ثابت نیستند. هر لایه ممکن است از نرون‌های مختلفی تشکیل شده باشد که این موضوع به کار آنها بستگی دارد. الگوریتم‌های آموزشی متفاوتی در روش ‏چند لایه ‏استفاده می‌شوند‏.‏
‏3) روشهای به کار رفته در این گزارش
‏ ‏در این قسمت ‏روشهای استخراج ویژگی، روشهای انتخاب ویژگی ها جهت بهینه کردن آنها و کم کردن ابعاد مساله با کاهش تعداد آنها ‏و روشهای دسته‌بندی (خطی و غیرخطی) به کار رفته ‏بررسی شده‌اند.
‏3-1) ‏روشهای استخراج ویژگی
‏ ‏در این قسمت انواع روشهای استخراج ویژگی ها ذکر شده است.‏ ذکر این نکته لازم است که برخی الگوریتم های استخراج برای انتخاب ویژگی های موثر نیز استفاده می شوند ازجمله ی آنها PCA‏ و LDA‏ هستند. اما در این گزارش ما برای بهینه کردن ویژگی ها و کم کردن تعداد آنها و یا به عبارت دیگر برای کاهش ابعاد (Curse of Dimensionality‏) از الگوریتم ژنتیک استفاده نموده ایم.
‏Dec. 28
‏Feature Extraction
4
‏3-1-‏1‏) روش PCA‏ خطی‏
‏ روشهای استخراج ویژگی یک زیرفضای مناسب m‏ بعد‏ی‏ در فضای اصلی ویژگی‏ ‏ها از d‏ بعد ‏را تعیین می‏ ‏کنند‏(m
‏ از آجا که PCA‏ یک روش بدون بررسی استخراج ویژگی‏ ‏هاست (Unsupervised‏)، تحلیل جداسازی از یک اطلاعات گروهی در رابطه با هر الگو برای استخراج (خطی) ویژگی‏ ‏های با قابلیت جداسازی زیاد استفاده می‏ ‏کند. در LDA‏ جداسازی بین کلاسی با جابجایی کل ماتریس کوواریانس در PCA‏ با یک معیار جداسازی عمومی مانند معیار Fisher‏ تائید می‏ ‏شود که در یافتن بردارهای مشخصه sw-1sb ‏ نتیجه می‏ ‏شود.‏( حاصل معکوس ماتریس پراکندگی sw ‏ و ماتریس پراکندگی بین کلاسی sb ‏ ).‏ معیار دیگر همراه با بررسی (Supervised‏) برای چگالی‏ ‏های شرایط کلاس غیرگاوسی بر پایه‏ ‏ی فاصله Patrick-Fisher‏ با استفاده از برآورد چگالی Parzen‏ است.
‏3-1-‏2‏) روش Kernel PCA‏ (PCA‏ با هسته‏ یا PCA‏ غیرخطی‏)
‏ چندین روش برای تعریف روش‏ ‏های استخراج ویژگی غیرخطی وجود دارد. یکی از این روش‏ ‏ها که مستقیماً به PCA‏ مربوط است، Kernel PCA‏ ‏نام دارد. ایده‏ ‏ی اصلی KPCA‏ نگاشتن داده‏ ‏های ورودی بر روی برخی از فضاهای ویژگی F‏ جدید بطور معمولی با استفاده از تابع غیرخطی ∅‏ و سپس اعمال یک PCA‏ خطی در فضای نگاشت شده است. به هر حال فضایF‏ معمولاً ابعاد بسیار زیادی دارد. برای دوری از محاسبات نگاشت ساده‏ ‏ی ∅‏، KPCA‏ تنها هسته‏ ‏های Mercel‏ که می‏ ‏توانند به یک نقط‏ه تجزیه شوند را بکار می‏ ‏گیرد.
kx,y=∅x.∅(y)
‏ به عنوان یک نتیجه فضای هسته یک متریک با تعریف مناسب دارد. نمونه‏ ‏های هسته‏ ‏های Mercer‏ شامل چندجمله‏ ‏ای‏ ‏های مرتبه P‏ بصورت
‏Dec. 28
‏Feature Extraction
5
(x-y)p‏ و هسته گاوسی هستند.
e-x-y2c
‏ ‏ فرض می‏ ‏کنیم که X‏ یک ماتریس الگوی n×d‏ نرمال شده با میانگین صفر است و ∅x‏ یک ماتریس‏ الگو در فضای F‏ باشد. PCA ‏ خطی در فضای F‏ بردارهای مشخصه‏ ‏ی ماتریس‏ همبستگی ∅x.∅(y)T‏ را حل می‏ ‏کند که همچنین ماتریس هسته K(X,X)‏ نیز نامیده می‏ ‏شود. در KPCA‏ در ابتدا m‏ بردار ویژگی از K(X,X)‏ بدست می‏ ‏آیند تا یک ماتریس انتقال E‏ را تعریف کنند (E‏ یک ماتریس n×m‏ است که m‏ تعداد ویژگی‏ ‏های دلخواه است و m
‏3-1-‏3‏) روش مقیاس‏ گذاری چندبعدی(MDS‏)
‏ ‏مقیاس‏ ‏گذاری چند بعدی (MDS‏)یک روش غیرخطی دیگر برای استخراج ویژگی‏ ‏هاست. هدف این روش بازنمایی یک مجموعه‏ ‏ی چندبعدی در دو یا سه بعد است مثل آنچه ماتریس فاصله در فضای اصلی ویژگی‏ ‏های d‏ بعدی به طور کاملاً ثابت در فضای تصویرشده باقی مانده است. توابع تاکید فراوانی برای اندازه‏ ‏گیری کارایی این نگاشت استفاده شده‏ ‏اند. یک مشکل MDS‏ این است که یک تابع نگاشت ساده و روشن را ارئه نمی‏ ‏کند بنابراین ممکن نیست که یک الگوی جدید را در یک نگاشت برای یک مجموعه‏ ‏ی آموزش مشخص بدون تکرار جایگذاری کند. چندین روش برای عنوان کردن این نقص که از درون یابی خطی تا آموزش شبکه عصبی محدود است مورد بررسی قرار گرفته است. همچنین امکان دارد که الگوریتم MDS‏ مجدداً تعریف شود بنابراین مستقیماً یک نگاشت را تهیه می‏ ‏کند که ممکن است برای الگوهای آزمون جدید استفاده شود.
‏3-1-‏4‏) روش شبکه عصبی روبه جلو ‏(Feed-Forward Neural Network‏)
‏ یک شبکه‏ ‏ی عصبی روبه‏ ‏جلو یک روال جامع را برای استخراج ویژگی‏ ‏هاو دسته‏ ‏بندی پیشنهاد می‏ ‏کند. خروجی هر لایه‏ ‏ی مخفی ممکن است به عنوان یک مجموعه‏ ‏ی جدید و اغلب غیرخطی از ویژگی‏ ‏ها تعریف ‏ ‏شود که در لایه‏ ‏ی مخفی برای دسته‏ ‏بندی ارائه می‏ ‏شوند. در این شرایط شبکه‏ ‏های استفاده شده توسط Fukushima‏ و Lecun‏ که اصطلاحاً آن را لایه‏ ‏های وزنی مشترک نامیده‏ ‏اند‏، در حقیقت فیلترهایی برای استخراج ویژگی‏ ‏ها در تصاویر دوبعدی هستند. در طول آموزش فیلترها با داده‏ ‏ها برای بیشینه کردن کارایی دسته‏ ‏بندی وفق داده شده‏ ‏اند.
‏ شبکه‏ ‏های عصبی می‏ ‏توانند بطور مستقیم برای استخراج ویژگی‏ ‏ها در یک شکل بدون بررسی (

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق برنامه‌ریزی خطی 21 ص

تحقیق برنامه‌ریزی خطی 21 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 23
حجم فایل: 36 کیلوبایت
قیمت: 8000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 23 صفحه

 قسمتی از متن word (..doc) : 
 

‏برنامه‏‌‏ریزی خطی
‏منظور از اثرات مستقیم، همان ضرایب علیت یا ضریب همبستگی جزئی هر صفت با عملکرد در صورت ثابت بودن صفات دیگر است. در جدول 3 مجموع اثرات مستقیم و غیرمستقیم در هر یک از ردیف‏‌‏های جدول برابر ضریب همبستگی صفت با عملکرد خواهد بود. در ‏بین پنج صفت طول برگ پرچم، عرض برگ پرچم، طول پانیکول، پانیکول تا رسیدگی و تعداد دانه در پانیکول، بیشترین ضریب همبستگی بر روی عملکرد مربوط به تعداد دانه در پانیکول با 906/0 بود.
‏کمترین ضریب همبستگی بر روی عملکرد مربوط به طول برگ پرچم با 434/0 به خود اختصاص داده بود. بیشترین اثر مستقیم را بر روی عملکرد، تعداد دانه در پانیکول با 724/0 داشت. کمترین اثر مستقیم را بر روی عملکرد، عرض برگ پرچم با 164/0- داشت.
‏بیشترین اثر غیرمستقیم طول برگ پرچم از طریق تعداد دانه در پانیکول است و بین تعداد دانه در پانیکول با طول برگ پرچم ارتباط مثبتی وجود دارد، یعنی با افزایش تعداد در پانیکول، طول برگ پرچم بیشتر و باعث شده که عملکرد افزایش یابد. بیشترین اثر غیرمستقیم عرض برگ پرچم از طریق تعداد دانه در پانیکول بدست آمده است. لذا با افزایش تعداد دانه در پانیکول، عرض برگ پرچم بیشتر و در نهایت سبب افزایش عملکرد شد.
‏این مورد با نتایج ضرایب همبستگی مطابقت دارد، ‏چرا که ضریب همبستگی صفات عرض برگ پرچم و تعداد دانه در پانیکول 502/0 است. بیشترین اثر غیرمستقیم طول پانیکول از طریق تعداد دانه در پانیکول بوده. بنابراین با افزایش تعداد دانه در پانیکول، طول پانیکول بیشتر و عملکرد بیشتر گردید.
‏این مورد نیز با نتایج ضرایب همبستگی مطابقت دارد، زیرا ‏ضریب همبستگی صفات ‏طول پانیکول و تعداد دانه در پانیکول 611/0 است. بیشترین اثر غیرمستقیم پانیکول تا رسیدن از طریق تعداد دانه در پانیکول بوده است، اما با افزایش تعداد دانه در پانیکول، پانیکول تا رسیدگی کمتر و نیز سبب کاهش عملکرد شد. ‏این مورد نیز همچون گذشته با نتایج ضرایب همبستگی مطابقت دارد، چرا که ضریب همبستگی پانیکول تا رسیدگی و تعداد دانه در پانیکول 4/0- است. بیشترین اثر غیرمستقیم تعداد دانه در پانیکول، از طریق پانیکول تا رسیدگی بود.
‏تمرین
‏یک کارخانه خوراک دام برای گاو، گوسفند و طیور خود خوراک تهیه می‏‌‏کند. این خوراک با ترکیب مواد اصلی زیر تهیه می‏‌‏شود: ذرت، سنگ آهک، دانه سویا و پودر ماهی. این مواد شامل ترکیبات مغذی زیر است: ویتامین‏‌‏ها، پروتئین، کلسیم و چربی خام. میزان این ترکیبات در هر کیلوگرم از مواد اصلی در جدول زیر خلاصه می‏‌‏شود:
‏مواد مغذی
‏مواد اصلی
‏ویتامین‏‌‏ها
‏پروتئین
‏کلسیم
‏چربی خاک
‏ذرت
‏8
‏10
‏6
‏8
‏سنگ آهک
‏6
‏54
‏10
‏6
‏دانه سویا
‏10
‏12
‏6
‏6
‏پودر ماهی
‏4
‏8
‏6
‏9
‏کارخانه برای تولید 10، 6 و 8 تن (در واحد متریک) خوراک گاو، گوسفند و طیور قرارداد بسته است. به دلیل کمبود، مقدار محدودی از مواد، یعنی 6 تن ذرت، 10 تن سنگ آهک، 4 تن دانه سویا و 5 تن پودر ماهی موجود است. قیمت هر کیلوگرم از این مواد به ترتیب 20/0، 12/0، 24/0 و 12/0 دلار است. حداقل و حداکثر واحدهای ترکیبی مواد مختلف مغذی در هر کیلوگرم خوراک گاو، گوسفند و طیور در جدول زیر خلاصه شده است:
‏مواد مغذی
‏ویتامین‏‌‏ها
‏پروتئین
‏کلسیم
‏چربی خاک
‏تولید
‏حداقل
‏حداکثر
‏حداقل
‏حداکثر
‏حداقل
‏حداکثر
‏حداقل
‏حداکثر
‏خوراک گاو
‏6
‏6
‏7
‏4
‏8
‏خوراک گوسفند
‏6
‏6
‏6
‏4
‏6
‏خوراک طیور
‏4
‏6
‏6
‏6
‏4
‏6
‏این مساله را طوری فرمول‏‌‏بندی کنید که کل هزینه مینیمم شود.
‏کارکنان فنی یک بیمارستان تصمیم دارند سیستم غذایی، کامپیوتری آن بیمارستان را توسعه دهند. ابتدا برنامه غذایی ناهار را بررسی می‏‌‏کنند. برنامه غذایی ناهار به سه گروه اصلی تقسیم می‏‌‏شود: سبزیجات، گوشت و دسر. در هر سفارش حداقل یک سرویس از هر گروه تقاضا می‏‌‏شود. هزینه هر سرویس از اقلام پیشنهادی به علاوه ترکیبات هیدروکربن‏‌‏ها، ویتامین‏‌‏ها، پروتئین‏‌‏ها و چربی در جدول زیر خلاصه می‏‌‏شود:
‏هیدروکربن‏‌‏ها
‏ویتامین‏‌‏ها
‏پروتئین‏‌‏ها
‏چربی‏‌‏ها
‏هزینه سرویس (دلار)
‏سبزیجات
‏نخود
‏1
‏3
‏1
‏0
‏10/0
‏نخود فرنگی
‏1
‏5
‏2
‏0
‏12/0
‏بامیه
‏1
‏5
‏1
‏0
‏13/0
‏ذرت
‏2
‏6
‏1
‏2
‏09/0
‏ماکارونی
‏4
‏2
‏1
‏1
‏10/0
‏برنج
‏5
‏1
‏1
‏1
‏07/0
‏گوشت
‏مرغ
‏2
‏1
‏3
‏1
‏70/0
‏گوشت گاو
‏3
‏8
‏5
‏2
‏20/1
‏ماهی
‏3
‏6
‏6
‏1
‏63/0
‏دسر
‏پرتقال
‏1
‏3
‏1
‏0
‏28/0
‏سیب
‏1
‏2
‏0
‏0
‏42/0
‏پودینگ
‏1
‏0
‏0
‏0
‏15/0
‏ژله
‏1
‏0
‏0
‏0
‏12/0
‏فرض کنید که حداقل هیدروکربن‏‌‏ها، ویتامین‏‌‏ها، پروتئین‏‌‏ها و چربی‏‌‏های مورد نیاز در هر وعده غذا به ترتیب 5، 10، 10 و 2 است.
‏الف) مساله برنام غذایی را به صورت برنامه‏‌‏ریزی خطی فرمول‏‌‏بندی کنید.
‏ب) بسیاری از جنبه‏‌‏های واقعی این مدل نادیده گرفته شده است. این جنبه‏‌‏ها شامل برنامه‏‌‏ریزی صبحانه، ناهار و شام با هم، برنامه‏‌‏ریزی هفتگی که در آن انواع غذاها استفاده شود و برنامه غذایی ویژه بیماران، رژیم غذایی خاص، در مورد اینکه چگونه می‏‌‏توانیم این جنبه‏‌‏ها را در یک سیستم ویژه غذایی جامع تلفیق کنیم. به تفضیل بحث کنید.
‏مساله تعیین مکان نصب یک ماشین جدید را در یک خط تولید شامل چهار ماشین درنظر بگیرید. این ماشین‏‌‏ها در مختصات x1, x2‏ ‏ ‏زیر تعبیه شده‏‌‏اند:
‏فرض کنید مختصات ماشین جدید ‏ است. مساله یافتن بهترین مکان نصب ماشین جدید را در هر یک از حالت‏‌‏های زیر به صورت برنامه خطی فرمول‏‌‏بندی کنید.
‏الف) مجموع تفاضل ماشین جدید از چهار ماشین مینیمم است، فاصله خیابانی را بکار ببرید، مثلاً فاصله نقطه ‏ از ماشین اول |x1-3|+|x2|‏ ‏است.
‏ب) به علت وجود جریان‏‌‏های مختلف مابین ماشین جدید و ماشین‏‌‏های قبلی مساله را وقتی مجموع فواصل وزین مینیمم می‏‌‏شود، تجدید فرمول کنید، به طوری که اوزان متناظر با چهار ماشین به ترتیب 5، 7، 3 و 1 باشد.
‏ج) برای جلوگیری از تراکم ماشین‏‌‏ها، فرض کنید بخواهیم ماشین جدید در مربع ‏ ‏نصب کنیم. قسمت‏‌‏های الف و ب را با این محدودیت اضافه فرمول‏‌‏بندی کنید.
‏د) فرض کنید بخواهیم ماشین را طوری نصب کنیم که فاصله آن از ماشین اول از 2/3 بیشتر نشود و مساله را با این محدودیت اضافی فرمول‏‌‏بندی کنید.

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق برنامه خطی اعداد صحیح دوتایی 16 ص

تحقیق برنامه خطی اعداد صحیح دوتایی 16 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 22
حجم فایل: 54 کیلوبایت
قیمت: 8000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 22 صفحه

 قسمتی از متن word (..doc) : 
 

‏1
‏برنامه خطی اعداد صحیح دوتایی (BILP‏)
‏یک مورد خاص ILP‏ زمانی اتفاق می افتد که همه متغیرهای نمونه بتوانند فقط یک یا دو رقم 0 یا 1 را قبول کنند . چنین متغیرهایی متغیرهای دوتایی نامیده می شوند ، و نمونه ها ، برنامه ها ، برنامه های 1-0 یا برنامه های خطی اعداد صحیح دو تایی (BILPS‏) نامیده می شوند . هر حالتی که بتواند با بله / نه ، (خوب / بد) یا 0/1 نمونه‌برداری شود به عنوان متغیردوتایی شناخته می شود . در زیر نمونه های زیادی از متغیرهای دوتایی ذکر شده که ممکن است در طرح تجاری یافت شود :
‏ ، اگر یک طرح مراقبت سلامتی جدید پذیرفته شود .
‏ ، اگر پذیرفته نشود .
‏2
‏ ، اگر مجلس خط B‏ برای تولید نمونه های کولس به کار رود .
‏ ، اگر به کار نرود .
‏ ، اگر یک ایستگاه پلیس جدید در پایین شهر شناخته شود .
‏ ، اگر ساخته نشود .
‏ ، اگر تولید یک اجناس به عنوان نوع «خوب» قابل قبول باشد .
‏ ، اگر به این صورت نباشد .
‏ ، اگر بزرگراه 50 ، در سفر بین ددو شهر به کار رود .
‏ ، اگر به این صورت نباشد .
‏ ، اگر محدودیت خاصی باشد .
‏ ، اگر آن محدودیت نیاز نباشد .
‏ ، اگر یک گیاه جدید در گاری هندوستان پرورش یابد .
‏4
‏ ، اگر به این صورت نباشد .
‏ ، اگر سومین انتقال به کار رود .
‏ ، اگر به این صورت نباشد .
‏همانطور که این مثالها نشان می دهند ، خیلی ساده است که متغیر دوتایی را به عنوان یک تحقیق در نظر می گیریم ‏ یعنی این که این تحقیق قبول شده ، ‏ یعنی این تحقیق قبول نشده است . با تفاسیر داده شده در مورد متغیرها ، اکنون ما چند نوع اجبار را مورد آزمایش قرار می دهیم ، که تحت بررسی شورای شهر در «سالم اورگون» می باشد .
‏شورای شهر سالم :
‏در آخرین جلسه مالیاتی سال ، شورای شهر «سالم» ، طرح هایی مختص سرمایه باقی مانده در بودجه یک سال ارائه کرده است . نه تحقیق تحت بررسی کامل یک سال قرار گرفته اند . برای آمارگیری حمایت مردم از تحقیق های مختلف ، پرسشنامه هایی به طور تصادفی به رای دهندگان در کل شهر فرستاده می شود و از آنها خواسته می شود که تحقیق ها را به ترتیب از خوب به بد طبقه بندی کنند . (
‏4
‏ بالاترین تقدم ، ‏ پایین ترین تقدم ) شورا امتیازها را بر اساس 500 پاسخی که دریافت می کند تطبیق می دهد .با این وجود هیئت شورا مکرراً متذکر می شود که تنها به نتایج پرسش‌نامه‌ها اکتفا نمی کند . آنها در حالیکه تخصیص های بودجه را تهیه می کنند ، مسائل دیگر را هم محاسبه می کنند . برای تخمین هزینه هر تحقیق ، میزان تخمینی ثابت هر شغل جدید باید فراهم شده ، و تطبیق امتیاز پرسشنامه ها در جدول 3-5 خلاصه شده است.
‏هدف هیئت شورا بالا بردن حمایت کل رای دهندگان دریافت شده (داشتن پرسشنامه به عنوان مدرک) و دادن محدودیت ها و مطالب قابل توجه دیگر هیئت شورا می باشد که به شرح زیر است :

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق برنامه خطی اعداد صحیح دوتایی 16 ص

تحقیق برنامه خطی اعداد صحیح دوتایی 16 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 22
حجم فایل: 54 کیلوبایت
قیمت: 8000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 22 صفحه

 قسمتی از متن word (..doc) : 
 

‏1
‏برنامه خطی اعداد صحیح دوتایی (BILP‏)
‏یک مورد خاص ILP‏ زمانی اتفاق می افتد که همه متغیرهای نمونه بتوانند فقط یک یا دو رقم 0 یا 1 را قبول کنند . چنین متغیرهایی متغیرهای دوتایی نامیده می شوند ، و نمونه ها ، برنامه ها ، برنامه های 1-0 یا برنامه های خطی اعداد صحیح دو تایی (BILPS‏) نامیده می شوند . هر حالتی که بتواند با بله / نه ، (خوب / بد) یا 0/1 نمونه‌برداری شود به عنوان متغیردوتایی شناخته می شود . در زیر نمونه های زیادی از متغیرهای دوتایی ذکر شده که ممکن است در طرح تجاری یافت شود :
‏ ، اگر یک طرح مراقبت سلامتی جدید پذیرفته شود .
‏ ، اگر پذیرفته نشود .
‏2
‏ ، اگر مجلس خط B‏ برای تولید نمونه های کولس به کار رود .
‏ ، اگر به کار نرود .
‏ ، اگر یک ایستگاه پلیس جدید در پایین شهر شناخته شود .
‏ ، اگر ساخته نشود .
‏ ، اگر تولید یک اجناس به عنوان نوع «خوب» قابل قبول باشد .
‏ ، اگر به این صورت نباشد .
‏ ، اگر بزرگراه 50 ، در سفر بین ددو شهر به کار رود .
‏ ، اگر به این صورت نباشد .
‏ ، اگر محدودیت خاصی باشد .
‏ ، اگر آن محدودیت نیاز نباشد .
‏ ، اگر یک گیاه جدید در گاری هندوستان پرورش یابد .
‏4
‏ ، اگر به این صورت نباشد .
‏ ، اگر سومین انتقال به کار رود .
‏ ، اگر به این صورت نباشد .
‏همانطور که این مثالها نشان می دهند ، خیلی ساده است که متغیر دوتایی را به عنوان یک تحقیق در نظر می گیریم ‏ یعنی این که این تحقیق قبول شده ، ‏ یعنی این تحقیق قبول نشده است . با تفاسیر داده شده در مورد متغیرها ، اکنون ما چند نوع اجبار را مورد آزمایش قرار می دهیم ، که تحت بررسی شورای شهر در «سالم اورگون» می باشد .
‏شورای شهر سالم :
‏در آخرین جلسه مالیاتی سال ، شورای شهر «سالم» ، طرح هایی مختص سرمایه باقی مانده در بودجه یک سال ارائه کرده است . نه تحقیق تحت بررسی کامل یک سال قرار گرفته اند . برای آمارگیری حمایت مردم از تحقیق های مختلف ، پرسشنامه هایی به طور تصادفی به رای دهندگان در کل شهر فرستاده می شود و از آنها خواسته می شود که تحقیق ها را به ترتیب از خوب به بد طبقه بندی کنند . (
‏4
‏ بالاترین تقدم ، ‏ پایین ترین تقدم ) شورا امتیازها را بر اساس 500 پاسخی که دریافت می کند تطبیق می دهد .با این وجود هیئت شورا مکرراً متذکر می شود که تنها به نتایج پرسش‌نامه‌ها اکتفا نمی کند . آنها در حالیکه تخصیص های بودجه را تهیه می کنند ، مسائل دیگر را هم محاسبه می کنند . برای تخمین هزینه هر تحقیق ، میزان تخمینی ثابت هر شغل جدید باید فراهم شده ، و تطبیق امتیاز پرسشنامه ها در جدول 3-5 خلاصه شده است.
‏هدف هیئت شورا بالا بردن حمایت کل رای دهندگان دریافت شده (داشتن پرسشنامه به عنوان مدرک) و دادن محدودیت ها و مطالب قابل توجه دیگر هیئت شورا می باشد که به شرح زیر است :

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.