مثالی ساده از بهینه سازی در آباکوس
فیلم
مثالی ساده از بهینه سازی در آباکوس
مثالی ساده از بهینه سازی در آباکوس
فیلم
عنوان : بهینه سازی خوشه ها با استفاده از الگوریتم های تکاملی برای شخصی سازی وب
تعداد صفحات : 82
چکیده:
گرانبار شدن اطلاعات یک مشکل عمده در وب کنونی به شمار میرود. برای مقابله با این مشکل، سیستمهای شخصی سازی وب ارائه شده اند که محتوا و سرویس های یک وب سایت را با افراد براساس علایق و رفتار گردشی آنها سازگار میکنند. یک مؤلفهی اساسی در هر سیستم شخصیسازی وب، مدل کاربر آن است. هدف از شخصی سازی وب، مهیا ساختن محتوا و سرویس های مورد نیاز کاربران به وسیله دانش به دست آمده از تعاملات قبلی کاربران در صفحات وب است. در حال حاضر، برای شخصی سازی وب چندین متد خوشه بندی در دسترس است. روشهایی که تاکنون ارائه شده اند، در مواردی دارای اشکالاتی بودند. البته تکنیک های جدیدی در رفع این مشکلات و بهبود آنها ارائه شده است. اما در بیشتر این تکنیکها، مسائل افزونگی داده و مقیاس بندی بالا وجود دارد. با توجه به اینکه افزایش کاربران وب منجر به افزایش اندازهی خوشه میگرد، نیاز به بهینهسازی خوشهها اجتنابناپذیر خواهد بود. در تحقیق، یک متدولوژی بهینه سازی خوشه بر اساس سیستم فازی ارائه شده است. به منظور افزایش دقت نهایی خوشه بندی، برای تنظیم پارامترهای توابع عضویت از الگوریتم ژنتیک استفاده شده است. نتایج حاصل از شبیهسازی نشان میدهد که روش پیشنهادی دقت خوشه بندی صفحات وب را تا حد قابل توجهی افزایش میدهد.
فصل اول: کلیات تحقیق
1-1- مقدمه
با توسعه سیستمهای اطلاعاتی، داده به یکی از منابع پراهمیت سازمانها مبدل گشته است. بنابراین روشها و تکنیکهایی برای دستیابی کارا به داده، اشتراک داده، استخراج اطلاعات از داده و استفاده از این اطلاعات، مورد نیاز میباشد. با ایجاد و گسترش وب و افزایش چشم گیر حجم اطلاعات، نیاز به این روشها و تکنیکها بیش از پیش احساس میشود. وب، محیطی وسیع، متنوع و پویا است که کاربران متعدد اسناد خود را در آن منتشر میکنند. در حال حاضر بیش از دو بیلیون صفحه در وب موجود است و این تعداد با نرخ 7.3 میلیون صفحه در روز افزایش مییابد. با توجه به حجم وسیع اطلاعات در وب، مدیریت آن با ابزارهای سنتی تقریباً غیر ممکن است و ابزارها و روشهایی نو برای مدیریت آن مورد نیاز است. به طور کلی کاربران وب در استفاده از آن با مشکلات زیر روبرو هستند:
1- یافتن اطلاعات مرتبط: یافتن اطلاعات مورد نیاز در وب دشوار میباشد. روشهای سنتی بازیابی اطلاعات که برای جستجوی اطلاعات در پایگاه دادهها به کار میروند، قابل استفاده در وب نمیباشند و کاربران معمولاً از موتورهای جستجو که مهمترین و رایج ترین ابزار برای یافتن اطلاعات در وب می باشند، استفاده میکنند. این موتورها، یک پرس و جوی مبتنی بر کلمات کلیدی از کاربر دریافت کرده و در پاسخ لیستی از اسناد مرتبط با پرس و جوی وی را که بر اساس میزان ارتباط با این پرس و جو مرتب شده اند، به وی ارائه میکنند. اما موتورهای جستجو دارای دو مشکل اصلی هستند (Baeza-Yates, 2004). اولاً دقت موتورهای جستجو پایین است، چراکه این موتورها در پاسخ به یک پرس و جوی کاربر صدها یا هزاران سند را بازیابی میکنند، در حالی که بسیاری از اسناد بازیابی شده توسط آنها با نیاز اطلاعاتی کاربر مرتبط نمیباشند (Bharat, and et. al., 2001). ثانیاً میزان فراخوان این موتورها کم میباشد، به آن معنی که قادر به بازیابی کلیه اسناد مرتبط با نیاز اطلاعاتی کاربر نیستند. چرا که حجم اسناد در وب بسیار زیاد است و موتورهای جستجو قادر به نگهداری اطلاعات کلیه اسناد وب، در پایگاه دادههای خود نمیباشند (Chakrabarti, and et. al., 1999).
2- ایجاد دانش جدید با استفاده از اطلاعات موجود در وب: در حال حاضر این سوال مطرح است که چگونه میتوان دادههای فراوان موجود در وب را به دانشی قابل استفاده تبدیل کرد، به طوری که یافتن اطلاعات مورد نیاز در آن به سادگی صورت بگیرد. همچنین چگونه میتوان با استفاده از دادههای وب به اطلاعات و دانشی جدید دست یافت.
3- خصوصی سازی اطلاعات: از آن جا که کاربران متفاوت هر یک درباره نوع و نحوهی بازنمایی اطلاعات سلیقه خاصی دارند، این مسئله باید توسط تأمین کنندگان اطلاعات در وب مورد توجه قرار بگیرد. برای این منظور با توجه به خواستهها و تمایلات کاربران متفاوت، نحوه ارائه اطلاعات به آنها باید سفارشی گردد.
تکنیکهای وب کاوی قادر به حل این مشکلات میباشند (Chakrabarti, 2000).
2-1- تعریف مسئله
وب به یک بخش تسلیم نشدنی جهان تبدیل شده است و گشت و گذار وب، یک فعالیت مهم برای مشتریانی که خرید آنلاین دارند، به شمار میآید (Varghese, 2012). همانطور که گفته شد، با توجه به حجم وسیع اطلاعات در وب، مدیریت آن با ابزارهای سنتی تقریباً غیر ممکن است و ابزارها و روشهایی نو برای مدیریت آن مورد نیاز است. یکی از این روشها وبکاوی است. به طور کلی وبکاوی را میتوان داده کاوی بر روی دادههای محتوا، ساختار و کاربرد وب به حساب آورد. هدف وبکاوی کشف مدلها و الگوهای نهفته در منابع وب میباشد. هدف وب کاوی کاربرد وب به طور خاص کشف الگوهای رفتاری کاربران وب میباشد. کشف چنین الگوهایی از حجم عظیمی از دادههای تولید شده توسط وب سرورها کاربردهای مهمی دارد (Anand, and Mobasher, 2005). از جملهی آنها میتوان به سیستم هایی که میزان مؤثر بودن یک سایت را در برآوردن انتظارات کاربر ارزیابی میکنند، تکنیک هایی برای متعادل کردن پویای بار و بهینهسازی وب سرورها برای دستیابی مؤثرتر کاربران و کاربردهای مربوط به ساختاردهی مجدد و تطبیق یک سایت براساس نیازهای پیش بینی شدهی کاربر اشاره کرد.
کشف استخراج اطلاعات مفید از دادهی وب یا فایلهای وبلاگ، بهبود کارایی اطلاعات وب و فراهم کردن تکنولوژی برای کاربردهای وب به عنوان مثال، شخصیسازی و غیره از جمله اهداف دیگر وبکاوی میباشد. برای مدیریت تصمیمگیری، نتیجه کاوش کاربرد وب میتواند برای تبلیغات، بهبود طراحی وب، بهبود رضایت مشتری، هدایت استراتژی تصمیم آنالیز بازار و سازمان مورد استفاده قرار گیرد (Naveena Devi et al., 2012).
در سال های اخیر تکنیکهای وبکاوی کاربرد وب به عنوان رویکردی دیگر که مبتنی بر کاربر است در شخصیسازی وب ارائه شده است که برخی از مشکلات مربوط به فیلترکردن جمعی را کاهش میدهد. به طور خاص وب کاوی کاربرد وب برای افزایش گسترشپذیری سیستم های شخصیسازی شدهی سنتی که برمبنای تکنیکهای فیلترکردن جمعی میباشند استفاده شده است.
شخصیسازی صفحه وب شامل خوشهبندی صفحات مختلف وبی است که الگوی مشابهی دارند. شخصیسازی وب از تکنیک کاربرد وب کاوی برای سفارشی کردن صفحات وب برای یک کاربر خاص استفاده میکند. این مسئله شامل استخراج جلسات کاربر از فایلهای ورود به سیستم میشود. یک جلسه کاربر، دنبالهی صفحات وبی که توسط کاربر در یک دوره زمانی خاص مورد دسترسی قرار گرفته، میباشد.
3-1- اهمیت و ضرورت تحقیق
با رشد ناگهانی اندازه وب و استفاده از وب گسترده جهانی، برای کاربران بسیار مشکل شد که بتوانند به طور مؤثر به اطلاعات مرتبط و مورد علاقه خود دسترسی پیدا کنند. نیاز به پیشبینی نیازهای کاربر به منظور بهبود قابلیت استفاده و حفظ کاربر سایت، آشکار است و میتواند با استفاده از شخصیسازی آدرسدهی شود. شخصیسازی وب، پردازشی از یک سایت برای بر طرف کردن نیاز یک کاربر خاص یا مجموعهای از کاربران با استفاده از دانش به دست آمده از طریق تحلیل رفتار گشت و گذار کاربر است. هدف از سیستم شخصی سازی وب، مهیا ساختن اطلاعات و نیازهای کاربران، بدون این که صریحاً از آنها سوالی پرسیده شود.
هر اقدامی که اطلاعات یا سرویسهای فراهم شده توسط یک وبسایت با نیازهای یک کاربر یا گروه خاصی از کاربران با به کارگیری دانش بدست آمده از رفتار گردشی کاربر و علایق خاص او به صورت ترکیب با محتوا و ساختار وبسایت سازگار میکند شخصی سازی وب نامیده میشود (Eirinaki, 2003).
بطور کلی اهداف شخصی سازی وب عبارتند از:
– شخصی سازی سرویسهای ارائه شده توسط یک وبسایت نقش مهمی در کاهش گرانبار شدن اطلاعات ایفا میکند و وبسایت را به یک محیط کاربر پسندتر برای افراد تبدیل میکند.
– با فراهم کردن اطلاعات دلخواه کاربر به روش مناسب و در زمان مناسب، باعث بهبود گردش کاربر در وب سایت میشود.
– در تجارت الکترونیکی مکانیزیمی برای درک بهتر نیازهای مشتری، شناسایی تمایلات آیندهی او و در نهایت افزایش پابرجایی مشتری به سرویس ارائه شده فراهم میکند.
در سال های اخیر تکنیکهای وبکاوی کاربرد وب به عنوان رویکردی دیگر که مبتنی بر کاربر است در شخصیسازی وب ارائه شده است که برخی از مشکلات مربوط به فیلترکردن جمعی را کاهش میدهند. به طور خاص وب کاوی کاربرد وب برای افزایش گسترش پذیری سیستمهای شخصیسازی شدهی سنتی که برمبنای تکنیکهای فیلترکردن جمعی میباشند استفاده شده است.
به طور نمونه شخصی سازی برروی پردازش شناسایی کاربر وب، جمع آوری اطلاعات از طریق اولویت یا علاقهمندی های کاربر، تمرکز دارد. به طور مختصر شخصی سازی وب میتواند برای مهیا ساختن سرویس با کیفیت تر استفاده شود و برنامه کاربردی از وب را برای کاربران در طول گشت و گذار آنها در وب مهیا سازد. این فعالیتها می تواند با مشخص کردن لینکها و لینکهای جدید مورد علاقه کاربر به صورت اتوماتیک و ایجاد صفحات ایندکس جدید، ساخته شود.
رویکرد تنها مبتنی بر کاربرد در شخصیسازی وب یک عیب مهم دارد و آن این است که فرآیند توصیه به کاربر تنها براساس دادههای تراکنشی موجود او صورت میگیرد و از این رو اقلام یا صفحاتی که اخیراً به سایت اضافه شدهاند نمیتوانند به او توصیه شوند. این مشکل عموماً مشکل قلم جدید نامیده میشود. از سوی دیگر اگرچه الگوهای کشف شدهی مربوط به کاربرد منابع وب از طریق وبکاوی کاربرد وب در کشف ارتباطات اقلام با یکدیگر یا کاربران با یکدیگر و نیز تعیین شباهت در جلسات کاربر مفیدند اما بدون استفاده از دانش عمیقتری از دامنهی وب سایت مورد نظر چنین الگوهایی درک اندکی از دلایل آن که چرا اقلام یا کاربران در گروه هایی با هم قرار میگیرند در اختیار ما قرار میدهند. یک رویکرد معمول برای حل این مشکل در فیلتر کردن جمعی آن است که مشخصات محتوای صفحات را با رتبه بندی ها و قضاوت های کاربر ادغام کنیم. به طور کلی در این رویکردها کلمات کلیدی از محتوای وبسایت استخراج میشوند و برای اندیسگذاری صفحات براساس محتوا یا طبقهبندی آنها به دسته های مختلف مورد استفاده قرار میگیرند. در حوزهی شخصی سازی وب این رویکرد به سیستم اجازه می دهد تا صفحات را نه تنها براساس افراد مشابه بلکه براساس شباهت محتوایی آنها به صفحاتی که کاربر اخیراً بازدید کرده است به او توصیه کند.
یک ضعف عمده در بیشتر رویکردهای موجود که از محتوای وب برای بهبود مدل کاربر استفاده میکنند این است که این روشها معمولاً از بردار عبارات برای نمایش علایق کاربر استفاده میکنند و ارتباطات معنایی بین این عبارات را نادیده میگیرند. در صورتی که میتوان با استفاده از معنا این روش نمایش را بهبود داد.
روشهایی که تاکنون ارائه شدهاند، در مواردی دارای اشکالاتی بودند. البته تکنیکهای جدیدی در رفع این مشکلات و بهبود آنها ارائه شده است. اما در بیشتر این تکنیکها، مسائل افزونگی داده و مقیاسبندی بالا وجود دارد. الگوریتمهای خوشهبندی متعددی براساس تکنیک های مختلف وجود دارد. بیشتر این الگوریتم ها، اشکالات متعددی دارند. همانطور که اندازه خوشه در طی افزایش کاربران وب افزایش مییابد، نیاز به بهینهسازی خوشه ها اجتناب ناپذیر خواهد بود. در این پایاننامه قصد بر آنست تا یک متدولوژی بهینهسازی خوشه بر اساس سیستم فازی و الگوریتم ژنتیک ارائه شود.
فهرست مطالب:
چکیده
فصل اول
1-1-مقدمه
1-2-تعریف مسئله
1-3-اهمیت و ضرورت تحقیق
1-4-شیوه پژوهش
1-5-چارچوب پایان نامه
مراجع
فصل دوم
2-1-مقدمه
2-2-مروی بر کارهای انجام شده
مراجع
فصل سوم
3-1-مقدمه
3-2-مراحل وب کاوی
3-2-1-انواع وبکاوی
3-3-شخصیسازی وب
3-3-1-دلایل نیاز به شخصیسازی وب
3-3-2-مراحل شخصی سازی وب
3-3-2-1-جمعآوری داده
3-3-2-2-پردازش داده
3-3-2-3-کشف الگو
3-3-2-4-تحلیل دانش
3-3-3-تکنیک های مدلسازی کاربر در شخصیسازی وب
3-3-3-1-تکنیک tf-idf
3-3-3-2-تکنیک متا مدل و ابزار OLAP
3-3-3-3-تکنیک براساس محتوای وب
3-3-3-4-تکنیک براساس فراهم کردن دادههای موثر (ODP)
3-3-3-5-شخصیسازی وب با استفاده از روشهای ترکیبی
3-3-3-6-شخصیسازی وب براساس الگوریتم استقرایی و تکنولوژی tf-idf
3-3-3-7-شخصیسازی وب با استفاده از کندوکاو الگوی ترتیبی و درخت الگو
3-4-خوشهبندی برای شخصیسازی وب
3-4-1-خوشه بندی فازی
3-4-1-1-الگوریتم پایهای خوشهبندی فازی
3-4-1-2-الگوریتم فازی کامینز
3-4-1-3-خوشهبندی صفحات وب با استفاده از خوشه بندی فازی k-means
3-4-2-الگوریتم ژنتیک
3-4-2-1-بهینهسازی خوشهبندی فازی با استفاده از الگوریتم ژنتیک
3-4-3-روش پیشنهادی در این تحقیق
3-4-4-شمای کلی سیستم پیشنهادی
3-4-5-مثالی از سیستم پیشنهادی
3-4-6-شبه کد روش پیشنهادی
3-5-جمع بندی
مراجع
فصل چهارم
4-1-مقدمه
4-2-مجموعه داده ها
4-2-1-دیتاست YANDEX
4-2-1-1-پیش پردازش انجام شده با مجموعه دادههای خام قبل از انتشار
4-3-پارامترهای ارزیابی
4-4-آزمایشات انجام شده
4-4-1-سخت افزار مورد استفاده
4-4-2-نتایج آزمایشات
4-5-جمع بندی
مراجع
فصل پنجم
5-1-مقدمه
5-2-نتایج و دستاوردهای پروژه
5-3-پیشنهادات
مراجع
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه: 15
برنامه Disk defragmenter (بهینه سازی فضای دیسک)
بی شک تاکنون به برنامه Disk Defragmenter که در ابزارهای سیستمی ویندوز خودنمایی می کند، برخورد کرده اید. اما این که این برنامه به چه کاری می آید و چگونه می توان از آن استفاده کرد برای شما سئوال بوده است. در این مقاله سعی داریم عملکرد و چگونگی استفاده از این ابزار را بررسی کنیم.
هدف این ابزار سازماندهی فضای اشغال شده از هارد دیسک است که توسط ویندوز ایجاد می شود. به طوری که هر فایل در بخش های مربوط به هم بر روی دیسک نوشته می شود. نکته قابل توجه اینجاست که ویندوز فایل ها را به طور دسته به دسته بر روی ساختمان آزاد دیسک می نویسد. در این میان ویندوز سعی می کند فضا های مجاور آزاد بزرگ را بر روی دیسک بیابد. یک فایل بزرگ می تواند به راحتی به بیش از ناحیه های آزاد موجود برروی دیسک تقسیم شود و این زمانی رخ می دهد که حجم ناحیه های آزاد کمتر از حجم فایل است. در اکثر موارد، هر بخش از یک فایل در مکان های مختلفی از دیسک قرار می گیرد.
برای مثال فرض می کنیم شما یک فایل بزرگ دارید و بر روی دیسک شما بر روی سه ناحیه آزاد تقسیم شده است. بخش اول فایل می تواند در ابتدای هارد دیسک، بخش دوم در انتها و بخش سوم در میان آن واقع شود. هر زمان که شما این فایل را باز می کنید اطلاعات باید از سه قسمت ابتدایی،انتهایی و میانی دیسک فراخوانی شود و این موجب می شود زمان بیشتری برای باز کردن فایل تلف شود یا به عبارتی فایل دیرتر اجرا شود. بنابراین برای بازیابی سرعت گشودن فایل گه گاهی نیاز دارید که فایل های موجود بر روی دیسک را مرتب کنید. این عمل تنها برای فایل های اطلاعاتی صادق نیست بلکه برای همه فایل های موجود برروی دیسک امکان پذیر است.
هدف اصلی ابزار Disk Defragmenter
هدف اصلی ابزار Disk Defragmenter قرار دادن هر فایل در فضاهای مرتب و کنار هم بر روی دیسک است. به گونه ایی که هنگام پردازش فایل، از یک مسیر بر روی دیسک قابل خواندن باشد. این ابزار برای تشخیص وسعت پراکندگی فایل ها حجم دیسک را آنالیز می کند. البته باید این نکته را در نظر گرفت که نوع آنالیز برحسب نوع پارتیشن دیسک FAT/FAT32 و NTFS متفاوت خواهد بود که شرح آن در این حوصله نمی گنجد.
بعد از آنالیز کردن نوبت به مرحله ایی می رسد که آن را چیدمان فایل می نامیم. در این بخش هر فایل با توجه به اندازه اش و ناحیه ای که برای آن اختصاص داده شده، بر روی دیسک سازماندهی می شود. اساس کار بر این است که فایل های مشابه از لحاظ اندازه، به هم نزدیک تر باشند.
شاید بعد از اتمام کار، شما از اینکه فضای آزاد دیسک بیشتر نشده است، تعجب کنید. این طبیعی است زیرا همانطور که گفته شد این برنامه دیسک را مجدد سازماندهی می کند نه اینکه فایل ها را فشرده کند تا فضای آزاد دیسک بیشتر شود. در واقع مرتب سازی دیسک، کارایی سیستم شما را بهبود می بخشد. زیرا سرعت پردازش فایل ها بیشتر می شود.
Disk Defragmenter همیشه تمام فایل ها را مرتب نمی کند و چنانچه عملیات مرتب سازی با سرعت تمام شد یا پیغامی مبنی بر لازم نبودن مرتب سازی توسط برنامه صادر شد، جای هیچگونه تعجبی نیست. چون ممکن است فایل های شما نسبت به ظرفیت دیسک سایز کمی داشته باشند. البته قبل از شروع توضیحات مربوط به کارکردن با برنامه، لازم است برخی از محدودیت های این ابزار را خاطر نشان کنیم:
تنهای زمانی این برنامه اجرا می شود که مجوزهای لازم توسط Administrator داده شده باشد، نمی تواند آن را برای دیسک هایی که حالت شبکه دارند به کار برد. تنها برای دیسک های local یا محلی قابل اجراست، در یک زمان خاص عملیات مذکور تنها بر روی یک دیسک قابل اجراست، زمانی کامل اجرا خواهد شد که حداقل 30% دیسک خالی باشد، تنها از طریق کنسول ویندوز قابل اجراست. البته نسخه دیگری تحت نام defrag برای محیط های دستوری ارائه شده است و خیلی از محدودیت های دیگر. لازم به ذکر است که Disk Defragmenter برای پلتفرم ویندوز NT تحت نظر مایکروسافت توسط Executive Software ارائه شده است.
برنامه های در سیستم عامل ویندوز که وظیفه یکپارچه سازی هارد دیسک را بر عهده دارد.
در هر سیستم کامپیوتر اگر شما برنامه های متعددی نصب کنید و فایلها و پوشه ها و برنامه های گوناگونی را حذف کنید حافظه کامپیوتر دچار یکسری به هم ریختگی ها خواهد شد به عبارت دیگر هنگامی که برنامه ها روی حافظه نصب میشوند در ابتدا بطور متوالی قرار میگیرند حال اگر شما اگر قسمتی از برنامه مزبور را پاک کنید یا برنامه های دیگری را اضافه کنید و یا در اثر عوامل دیگر ممکن است این توالی از بین برود. از بین رفتن توالی برنامه های روی دیسک باعث کند شدن سرعت دستگاه در پیدا کردن و اجرا کردن برنامه ها میشود .برای اینکه این نوع اشکالات را از روی حافظه بر طرف کنیم تا سرعت دستگاه بهبود یابد از برنامه Disk defragmenter استفاده میکنیم. هنگامی که برنامه Disk defragmenter را از منوی System Tools اجرا میکنید پنجره برنامه مذکور با یکسری گزینه ظاهر خواهد شد که در ذیل به توضیح این گزینه ها میپردازیم.
این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید
چکیده
فرض کنید شما و گروهی از دوستان تان به دنبال گنج می گردید هر یک از اعضای گروه یک فلزیاب و یک بی سیم دارند که می تواند مکان و وضعیت کار خود را به همسایگان نزدیک خود اطلاع بدهد بنابراین شما می دانید آیا همسایگان¬ تان از شما به گنج نزدیکترند یا نه ؟ پس اگر همسایه ای به گنج نزدیکتر بود شما می توانید به طرف او حرکت کنید. با چنین کاری تماس شما برای رسیدن به گنج بیشتر می شود و همچنین گنج زودتر از زمانی که شما تنها باشید پیدا می شود.
این یک مثال ساده از رفتار جمعی یا swarm behavior است که افراد برای رسیدن به یک هدف نهایی همکاری می کنند . این روش موثرتر از زمانی است که افراد جداگانه عمل کنند. Swarm را می توان به صورت مجموعه ای سازمان یافته از موجوداتی تعریف کرد که با یکدیگر همکاری می کنند. در کاربردهای محاسباتی swarm intelligence از موجوداتی مانند دسته ی پرندگان و مورچه ها ، زنبورها ، موریانه ها ، دسته ماهیان الگو برداری می شود . در این نوع اجتماعات هر یک از موجودات ساختار نسبتاً ساده ای دارند ولی رفتار جمعی آنها بی نهایت پیچیده است . برای مثال در کولونی مورچه ها هریک از مورچه ها یک کار ساده ی مخصوص را انجام می دهد ولی به طور جمعی عمل و رفتار مورچه ها ، ساختن بهینه لایه ، محافظت از ملکه و نوزادان ، تمیز کردن لانه ، یافتن بهترین منابع غذایی و بهینه سازی استراتژی حمله را تضمین می کند. رفتار کلی یک swarm به صورت غیر خطی از آمیزش رفتارهای تک تک اجتماع بدست می آید. یا به عبارتی یک رابطه ی بسیار پیچیده بین رفتار جمعی و رفتار فردی یک اجتماع وجود دارد. رفتار جمعی فقط وابسته به رفتار فردی افراد اجتماع نیست بلکه به چگونگی تعامل میان افراد نیز وابسته است . تعامل بین افراد ، تجربه ی افراد درباره ی محیط را افزایش می دهد و موجب پیشرفت اجتماع می شود . ساختار اجتماعی swarm بین افراد مجموعه کانال های ارتباطی ایجاد می کند که طی آن افراد می توانند به تبادل تجربه های شخصی بپردازند مدل سازی محاسباتی swarm، کاربردهای موفق و بسیار را در پی داشته است. به طور کلی موضوع پروژه رسم تابع تخمینی در بحث ریاضیات برای رسم یک سری داده با استفاده از نرم افزار متلب می باشد. جمعیتی که در این پروژه مورد مطالعه و بررسی قرار می گیرند با توجه به ماهیت پروژه یکسری داده مربوط به یک تابع مشخص می باشند که ما در هر مرحله نتایج را با مقادیر دادهها مقایسه کرده تا بتوانیم ذراتی تولید کرده که بهینه شده باشند و کمترین اختلاف را با جمعیت اولیه داشته باشند. برای این منظور پروژه تا حد ممکن طوری تنظیم شده که همه جنبه های اساسی موضوع چه از نظر کاربردی و چه از نظر تئوری را در بر گیرد. در بحث آشنایی با الگوریتم و تعاریف مربوط به آن سعی شده تا هرچه بیشتر موضوع باز شده و مثال هایی به همراه داشته باشد تا موضوع ساده و روان بوده و به راحتی قابل درک باشد.
کلمات کلیدی
بهینه سازی(Optimization)، تابع برا زنگی(fitness)، بهترین سراسری(g_best)،
بهترین شخصی(p_best)، الگوریتم بهینه سازی،کلونی
فصل اول: “آشنایی با برخی ازانواع الگوریتم های بهینه سازی ”
مقدمه ای بر بهینه سازی
۱- ۱ الگوریتم اجتماع پرندگان(particle swarm optimization Algorithm – pso)
۱-۲ الگوریتم ژنتیک(Genetic Algorithm – GA
۱-۳ الگوریتم کلونی مورچه ها(Aco- Ant colony optimization Algorithm
۱-۴ الگوریتم کلونی زنبور عسل(Abc-Artificial bee colony algorithm
۱-۵ الگوریتم چکه های آب هوشمند یا چکاه(Intelligent water Drops Algorithm -Iw
فصل دوم : ” الگوریتم(particle swarm optimization – pso) و
” Cooperative Particle swarm optimization – cpso) (
مقدمه
۲-۱ ماهیت الگوریتم
۲-۲ مفاهیم اولیه
۲-۳ فلو چارت
۲-۴ اطلاعات فنی
۲-۵ ساختار کلی
۲-۶ قاعده کلی توپولوژی همسایگی
۲-۷ نکات کلیدی
۲-۷-۱ خاصیت هوش جمعی
۲-۷-۲ هوش ذرات
۲-۷-۳ کنترل الگو ریتم
۲-۷-۴ تعداد ذرات
۲-۷-۵ محدوده ی ذرات
۲-۷-۶ شرایط توقف
۲- ۸ مزایا و کاربردهای الگو ریتم
۲-۹ ذرات swarm در تعدادی فضای واقعی
۲-۱۰مثال هایی از حرکت ذرات
۲-۱۰ مثالی از پرواز پرندگان برای یافتن غذا
۲-۱۱ الگوریتم Cooperative Particle swarm optimization
۲-۱۲ معرفی نرم افزار بکار رفته در شبیه سازی پروسه
فصل سوم: به ” بکار گیری cpsoو pso در پروسه ی Curve Fitting”
مقدمه
۳-۱ ماهیت کار
۳-۲ مراحل انجام کار به کمک الگوریتمpso
۳-۲-۱ بدست آوردن تابع برازندگی
۳-۲-۲ مشخص کردن اندازه جمعیت اولیه و ابعاد آن
۳-۲-۳ بررسی خروجی های بدست آمده از تابع Fitnessدر تکرار اول
۳-۲-۴ ایجاد لیست اول جهت نگهداری خروجی های بدست آمده
۳-۲-۵ پیدا کردن بهترین خروجی تابع Fitness و یافتن مکان آن در لیست اول
۳-۲-۶ آبدیت کردن سرعت و مکان ذرات با توجه به اینکه سرعت اولیه ذرات قبلا تعریف
۳-۲-۷ ایجاد لیست دوم جهت نگهداری خروجی های تابع Fitness در تکرار دوم
۳-۲-۸ پیدا کردن مکان بهترین ذره در جمعیت دوم
۳-۲-۹ مقایسه خروجی های تابع Fitness در دو تکرار اول
۳-۲-۱۰ پیدا کردن بهترین ذرات در دو جمعیت اول و دوم و تولید جمعیت سوم
۳-۲-۱۱ محاسبه تابع Fitness برای جمعیت سوم
۳-۲-۱۲ تکرار از مرحله پنجم الی یازدهم تا رسیدن به نقاط بهینه
۳-۳ مراحل انجام کار برای الگوریتمcpso
فصل چهارم : نتایج
۴-۱ انجام پروسه توسط الگوریتم pso
۴-۲ انجام پروسه توسط الگوریتم cpso
۴-۳ بررسی تفاوت بین psoوcpso
فصل پنجم: نتیجه گیری و پیشنهاد
۵-۱ نتیجه گیری
۵-۲ پیشنهاد
مراجع
پیوست
عنوان انگلیسی:
OPTIMIZATION OF VISCOUS DAMPER PROPERTIES FOR REDUCTION OF SEISMIC RISK IN CONCRETE BUILDINGS
عنوان فارسی:
بهینه سازی خواص دامپر ویسکوز برای کاهش ریسک لرزه ای در ساختمان های بتنی
تعداد صفحات مقاله اصلی: 14 صفحه
تعداد صفحات ترجمه: 22 صفحه
سال انتشار: 2004
مجله
13 th World Conference on Earthquake Engineering
Vancouver, B.C., Canada
August 1-6, 2004
Paper No. 1027
Concrete buildings designed in California before 1976 present a major earthquake risk because they do not possess the ductility required to survive the displacements induced by large earthquakes. Consequently, the seismic retrofit of these buildings typically involves the addition of new, stiff structural elements to reduce earthquake-induced displacements. This approach often requires significant strengthening of the structure and typically involves extensive and expensive foundation work that intrudes on building operations. This paper explores the use of viscous dampers as an alternative method for the seismic rehabilitation of non-ductile concrete buildings. The dampers dissipate energy in proportion to velocity and not displacement and therefore do not cause large increases in earthquake forces. The methodology presented here is based on nonlinear static analyses that are particularly suited to buildings retrofitted with viscous dampers. In such analyses, the effect of external dampers is included by an iterative procedure that modifies the overall building damping to match that from the expected response in the dampers. Once the equivalent damping has been obtained, the design response spectrum is modified to account for the increase in damping. This means that the pushover curve needs to be calculated only once for the unretrofitted building since changes to the damper properties only affect the loading used in the analysis. This approach simplifies and speeds up the optimization by reducing the number of calculations that need to be performed. The paper presents an optimization technique for selecting damper properties that incorporates the
nonlinear behavior of a building. The optimization ensures that the dampers are highly effective, even at relatively small displacements, by selecting properties for dampers at different stories that result in overall minimum cost. An existing building is used as an illustration, and the impact of dampers is evaluated for several building performance levels and ground motion levels.
بهینه سازی خواص دامپر ویسکوز برای کاهش ریسک لرزه ای در ساختمان های بتنی
چکیده
ساختمان های بتنی ساخته شده ی قبل از سال 1976 در کالیفرنیا، به علت اینکه شکل پذیری لازم برای عبور جابجایی های ناشی از زلزله های بزرگ را سپری نکرده اند در یک ریسک لرزه ای بزرگ قرار دارند. در نتیجه، مقاوم سازی لرزه ای این ساختمان ها، بطور ویژه نیازمند افزودن المان های ساختاری سخت جدید، برای کاهش جابجایی های ناشی از زلزله است. این رویکرد، اغلب نیازمند مقاوم سازی قابل توجه سازه و مخصوصاً مشمول کار فونداسیون وسیع و گران قیمت است که بر روی عملیات های ساختمانی اجرا می شوند. این مقاله، استفاده از دمپرهای ویسکوز را به عنوان یک روش جایگزین برای نوسازی لرزه ای ساختمان های بتنی غیر مقاوم معرفی می کند. این دمپرها، انرژی را نسبت به سرعت و نه جابجایی، پخش می کنند و از این رو، باعث افزایش های شدید در نیروهای زلزله نمی گردند.
روش ارائه شده در اینجا برپایه ی تحلیل های استاتیکی غیرخطی استوار است که بطور ویژه برای ساختمان های مقاوم سازی شده با دمپرهای ویسکوز سازگار شده اند. در چنین تحلیل هایی، تاثیر دمپرهای خارجی بایک روش تکراری بدست آمده است که میراکنندگی کلی ساختمان را برای انطباق با پاسخ مورد انتظار در دمپرها، تعدیل می کند. هنگامی که میرایی معادل بدست آمد طیف پاسخ طراحی برای به حساب آوردن افزایش در میرایی، تعدیل شده است. این بدان معنی است که تا زمانیکه تغییرات به خواص دمپر تنها بارگذاری مورد استفاده در تحلیل ها را تحت تاثیر قرار می دهد، منحنی پوش اور نیازمند این است که تنها یکبار برای ساختمان غیر مقاوم سازی محاسبه گردد . این رویکرد، با کاهش تعداد محاسبات مورد نیاز، بهینه سازی را ساده و سرعت بهینه سازی را افزایش می دهد.
این مقاله یک روش بهینه سازی را برای انتخاب خواص دمپری که رفتار غیر خطی یک ساختمان را ثبت می کند ارائه می دهد. این بهینه سازی تضمین می کند که دمپرها حتی در جابجایی های نسبتاً کوچک، با انتخاب خواصی برای دمپرها در طبقات مختلف، که منجر به کاهش هزینه کل می گردند کارآمدی و بازده بالایی دارند. ساختمان موجود همانند تصاویر بکار رفته در این مقاله، استفاده شده است و تاثیر دمپر ها برای چندین سطوح عملکردی ساختمان و سطوح حرکتی زمین، ارزیابی شده است.