اراﻳﻪ ﺷﺎﺧﺺ ﭘﺎﻳﺪاري ﺑﺎ اﺳﺘﻔﺎده از ﺗﺤﻠﻴﻞ ﺣﺴﺎﺳﻴﺖ ahp ﻓﺎزي
اين مقاله روشي را براي تحليل حساسيت رتبه بندي به ويژگي نامطمئني قضاوتها ي تصميم گيرنده در ماتريس مقايسا ت زوجي روش ahp ارائه مي كند.توسط شاخص پايداري ارائه شده مي توان دريافت كه تصميم گيرنده در قضاوتهاي خود تا چه حد مطمئن عمل كرده است و يا اينكه تا چه ميزان توانسته است بين گزينه ها تفاوت قائل شده آنها را از يكديگر تميز ده د .به عبارتي نتايج بدست آمده از ahp تا چه حد قابل اعتماد است.عكس شاخص پايداري را كه به عنوان شاخص ناپايداري در نظر گرفته شده ، در عناصر بالاي قطر اصلي ضرب ، بتدريج مقدار آن را از واحد كاهش داده و در هر مرحله وزنهاي نهايي محاسبه و عدم تغيير در رتبه بندي ر ا بررسي مي كنيم.به هر نسبتي كه تصميم گيرنده ، قدرت تميز بالاتري داشته باشد، شاخص پايداري بزرگتر و شاخص ناپايداري كوچكتر خواهد بود . بعلاوه زماني ماتريس قضاوت از ارزش بالاتري برخوردار است كه در صورت تغيير رتبه بندي بر اثر اعمال شاخص ناپايداري، رتبه هاي نزديك به هم با يكديگر تغيير وضعيت دهند.
اين مقاله روشي را براي تحليل حساسيت رتبه بندي به ويژگي نامطمئني قضاوتها ي تصميم گيرنده در ماتريس مقايسا ت زوجي روش ahp ارائه مي كند.توسط شاخص پايداري ارائه شده مي توان دريافت كه تصميم گيرنده در قضاوتهاي خود تا چه حد مطمئن عمل كرده است و يا اينكه تا چه ميزان توانسته است بين گزينه ها تفاوت قائل شده آنها را از يكديگر تميز ده د .به عبارتي نتايج بدست آمده از ahp تا چه حد قابل اعتماد است.عكس شاخص پايداري را كه به عنوان شاخص ناپايداري در نظر گرفته شده ، در عناصر بالاي قطر اصلي ضرب ، بتدريج مقدار آن را از واحد كاهش داده و در هر مرحله وزنهاي نهايي محاسبه و عدم تغيير در رتبه بندي ر ا بررسي مي كنيم.به هر نسبتي كه تصميم گيرنده ، قدرت تميز بالاتري داشته باشد، شاخص پايداري بزرگتر و شاخص ناپايداري كوچكتر خواهد بود . بعلاوه زماني ماتريس قضاوت از ارزش بالاتري برخوردار است كه در صورت تغيير رتبه بندي بر اثر اعمال شاخص ناپايداري، رتبه هاي نزديك به هم با يكديگر تغيير وضعيت دهند.
گستردگي جغرافيائي و محيطي كشورها موجب تفاوت چشمگيري در فرهنگ مردم آن كشور و تغيير سطح عملكرد سازمان ها در آن مناطق مي شود. حال با وجود چنين عدم قطعيتي، تدوين استراتژي يك سازمان و تصميم گيريهاي پي آمد آن مي تواند مسئله بسيار مهمي باشد. در اين بين تحليل پوششي داده ها، تكنيكي مناسب جهت ارزيابي اين نوع تصميم گيريها است . از آنجاييكه ارزيابي استراتژي يك سازمان بر اساس شاخص هاي مختلفي مي باشد، لذا به منظور برقراري توازن در بين اين شاخص ها، به رويكرد نظام ارزيابي متوازن مي پردازيم . همچنين بواسطه وجود عدم قطعيت و ناتواني مدلهاي موجود در استفاده از اين نوع متغيرها، مدلي مبتني بر مجموعه هاي فازي ارائه خواهيم داد. در اين مقاله، با پيشنهاد يك مدل ارزيابي عملكرد مبتني بر متغيرهاي فازي، به ارزيابي عملكرد شعب يك بانك تجاري مي پردازيم.
استفاده از الگوريتم هاي تكاملي با ساختار كروموزوم دوپارچه براي حل مسأله رنگ آميزي گراف
در اين مقاله، چندين روش تكاملي براي حل مسأله رنگ آميزي گراف معرفي مي شود. روش هاي تكاملي ارائه شده، براي حل اين مسأله مبتني بر ساختار كروموزوم دوپارچه متشكل از قسمت مشخص كننده ترتيب رنگ آميزي و قسمت مشخص كننده استراتژي رنگ آميزي مي باشد. بر طبق نتايج آزمايشات، روش چند عضوي داراي جهش هوشمند كه در آن جمعيت هر نسل تنها از فرزندان نسل قبلي توليد مي شوند، برتر از ديگر رو شها بوده است. آزمايشات بر روي 6 گراف از 3 سري متفاوت گراف هاي استاندارد مسابقات dimacs انجام گرفته است. در مقايسه با نتايج برنامه هاي شركت كرده در اين مسابقات، نتايج حاصل از بهترين روش ارائه شده، رضايت بخش است و غير از يك برنامه، از ساير برنامه ها بهتر بوده است. ضمن آنكه از مزاياي اين كار نسبت به الگوريتمهاي تكاملي ارائه شده قبلي، اين است كه در اينجا، نيازي به اجراي متوالي برنامه با تعداد رنگ هاي متفاوت نيست، همچنين، ساختار كامل تر كروموزوم، كه بيان كننده رنگ آميزي يكتا از گراف است، و عملگر جهش مبتني بر دانش مسأله از ديگر ويژگي هاي آن است.
استفاده از الگوريتم هاي هيورستيك و نظريه گراف به منظور بازآرايي شبكه هاي توزيع برق
امروزه مهمترين دغدغه مهندسين در شبكه هاي توزيع كاهش تلفات توان، تامين انرژي قابل اطمينان و مستمر با حداقل هزينه براي مصرف كننده ها مي باشد. بازآرايي ساده ترين و كم هزينه ترين روش براي تامين هدف فوق مي باشد. تحليل شبكه به منظور قطع يا وصل بودن هر سوئيچ مي بايست بدون خطا و متناسب با محدوديت هاي شبكه انجام گيرد و به منظور كاهش هزينه هاي سخت افزاري لازم است تعداد سوئيچ هايي كه تغيير وضعيت مي دهند، حداقل باشد، با توجه به گسترش شبكه هاي توزيع و پيچيده تر شدن ارتباطات در اين شبكه ها استفاده از تكنيك هاي هوشمند اجتناب ناپذير است. در اين مقاله از نظريه گراف در كنار الگوريتم هاي ژنتيك و اجتماع پرندگان به منظور يافتن سوئيچ هايي كه با تغيير وضعيت آنها، باز آرايي انجام مي گيرد استفاده شده است.
استفاده از بهينه سازي گروهي ذرات براي آموزش شبكه هاي عصبي و كاربرد آن در فشرده سازي تصویر
در آموزش شبكه هاي عصبي انتخاب روش آموزش تأثير مهمي بر كارايي شبكه دارد. يكي از روش هايي كه محققين براي آموزش شبكه هاي عصبي ارائه داده اند بهينه سازي گروهي ذرات مي باشد. بهينه سازي گروهي ذرات روشي براي بهينه سازي هر تابع حقيقي پيوسته است، كه از رفتارهاي اجتماعي موجودات زنده اقتباس شده است. در اين مقاله ابتدا روش جديدي بر مبناي بهينه سازي گروهي ذرات براي آموزش شبكه هاي عصبي ارائه مي شود، سپس شبكه عصبي آموزش ديده با اين روش براي فشرده سازي تصوير استفاده شده و كارايي آن با روش آموزش انتشار به عقب مقايسه مي شود. نتايج نشان دهنده برتري اين روش بر روش آموزش انتشار به عقب است.
استفاده از معيارهاي هندسي و بافت براي تشخيص اشياء درتصاوير متفاوت و پيچيده كاربرد در يافتن اتوماتيك مكان پلاك
مكانيابي پلاك به عنوان اولين گام در جهت شناسايي پلاك وسائل نقليه مطرح است. در اين مقاله روشي جهت يافتن مكان پلاك موتور سيكلت در تصاوير با ويژگي ها و پس زمينه هاي متنوع و پيچيده ارائه مي گردد. الگوريتم پيشنهادي در دو مرحله ، يكبار بر روي تصوير اصلي و بار ديگر بر روي بخش مركزي تصوير كه به اندازه تصوير اوليه درآمده است ، اجرا مي شود و هر قسمت از مفاهيم ساده اي مانند آستانه گذاري، عمليات مورفولوژي و تشخيص لبه با استفاده از محاسبه گراديان براي قطعه بندي تصوير استفاده مينمايد. سپس با بررسي برخي معيارهاي هندسي پلاك مانند مساحت، نسبت طول به عرض، چگالي لبه ها و نسبت ميانگين به واريانس گراديان در هر ناحيه متصل به هم از تصوير، نواحي كانديد پلاك مشخص مي- گردد. در نهايت از يك معيار اعتماد جهت تشخيص ميزان شباهت بين ناحيه كانديد و پلاك موتور سيكلت بهره گرفت ه مي شود و با مقايسه خروجي دو مرحله، مكان پلاك تعيين ميگردد. اين روش براي تعدادي از تصاوير واقعي كه داراي شرايط تصويربرداري متفاوت مي باشند، نتايج مناسبي داشته است و عدم وابستگي اين روش به شرايط محيطي از قبيل شرايط نورپردازي، زاويه دوربين، فاصله شي از دوربين و جهت پلاك را نشان ميدهد.
الگوريتم بهبود يافته رمزگذاري سريع فركتالي تصوير براساس جستجوي هوشمند انحراف استاندارد
فشرده سازي فركتالي تصوير، كيفيت مناسب تصوير بازسازي شده را با نرخ فشرده سازي بالا فراهم مي آورد ولي مشكل اصلي آن، طولاني بودن زمان رمزگذاري مي باشد.در اين مقاله، بهبودي بر روي يكي از روشهاي ارائه شده بمنظور رفع اين مشكل صورت مي گيرد. محققان زيادي بر روي كاهش پيچيدگي تشخيص تشابه و در نتيجه فشرده سازي سريعتر متمركز شده اند.اين تلاشها شامل روشهاي دسته بندي ويژگي ها يا خوشه بندي مي شود.در اين ميان زيانوي و ديگران، الگوريتمي را بر اساس دسته بندي هوشمند انحراف معيار استاندارد (std) شامل سه مرحله دسته بندي هوشمند (ica) حذف افزونگي بلاك هاي دامنه (drm) و كنترل تطبيقي تعداد جستجو (snac) ارائه كرده اند.مشكل اين روش ، عملكرد يكنواخت مرحله drm براي تمامي بلاك هاي دامنه مي باشدكه براي رفع اين مشكل، از snac بعد از مرحله drm استفاده مي گردد. بهبود گفته شده بر روي اين روش، از طريق تطبيقي نمودن مرحله drm كه سبب حذف مرحله snac مي گردد ، صورت مي پذيرد و نتايج تجربي، كد گذاري سريع و كيفيت بهتر تصوير بازسازي شده با اين روش را نشان مي دهد.
مسئله انتخاب بهينه سبدسهام يكي از مسائل غيرچندجمله اي (np) است كه تاكنون الگوريتم دقيقي براي حل آن ارائه نشده است . معمولا براي حل اين گونه مسائل از روش هاي هوشمند استفاده مي گردد. در گذشته فعاليت هاي زيادي در اين زمينه انجام شده است كه با استفاده از تكنيك هاي مطرح شده در الگوريتم هاي تكاملي ، ژنتيك، اجتماع اجزاء ، بازپخت تطبيقي و شبكه عصبي همچنين رو ش هاي احتمالي - فازي اقدام به حل اين مسئله كرده اند. در اين مقاله كوشش شده است الگوريتم بهينه سازي نويني مبتني بر مدل آيزينگ اسپين گلاس و بازپخت تطبيقي ارائه گردد و بر مسئله بهينه سازي سبدسهام اعمال گردد. مزيت الگوريتم پيشنهادي ، افزايش توانايي در جستجوي محلي است بطوري كه با اجراي الگوريتم ، استقرار اسپينها آنقدر تغيير مي يابد تا جواب بهينه را نشان دهند. هرچند اين خاصيت امكان پردازش موازي را براي اجراي الگوريتم مهيا مي كند ولي با افزايش تعداد سهام ، سرعت همگرايي كاهش مي يابد كه براي رفع آن عملگرهاي جابجايي و رقابت اسپين هاي نخبه پيشنهاد شده است كه سرعت همگرايي را به مقدار چشم گيري افزايش مي دهند.
انتخاب ويژگي با استفاده از الگوريتم جمعيت مورچگان باينري
استفاده از الگوريتمهاي ابتكاري در حل مسايل بهينه سازي امري ضروري و اجتناب ناپذير است. در اين مقاله، الگوريتم جمعيت مورچگان باينري براي استفاده در حل مساله انتخاب ويژگي بكارگرفته شده و اصلاحاتي بر نسخه هاي متداول آن پيشنهاد شده است. روشهاي پيشنهادي در كنار روشهاي متداول در طبقه بندي معنايي تصوير و بازشناسي ارقام دستنويس فارسي آزموده شده و نتايج حاصل از آزمايشها ارائه شده است. اين نتايج نشان دهنده آن است كه پيشنهادهاي ارائه شده، باعث بهبود كيفيت الگوريتم و تحصيل نتايج بهتر شده است.