فروشگاه بزرگ الماس

این فروشگاه اینترنتی آمادگی خود را جهت ارائه انواع فایل های الکترونیک، پروژه های مختلف دانشجویی و صنعتی، کتاب ها و جزوات و دانشگاهی اعلام کرده و در این زمینه فعالیت خود را آغاز کرده است

فروشگاه بزرگ الماس

این فروشگاه اینترنتی آمادگی خود را جهت ارائه انواع فایل های الکترونیک، پروژه های مختلف دانشجویی و صنعتی، کتاب ها و جزوات و دانشگاهی اعلام کرده و در این زمینه فعالیت خود را آغاز کرده است

کد یافتن بزرگترین نقطه از صفحه محصور بین دو تابع با استفاده از ژنتیک الگوریتم

یافتن بزرگترین نقطه از صفحه محصور بین دو تابع با استفاده از ژنتیک الگوریتم
دسته بندی برنامه نویسی
بازدید ها 5
فرمت فایل zip
حجم فایل 1 کیلو بایت
تعداد صفحات فایل 3
کد یافتن بزرگترین نقطه از صفحه محصور بین دو تابع با استفاده از ژنتیک الگوریتم

فروشنده فایل

کد کاربری 7243
کاربر

هدف از این برنامه که یک مثال از مسئله MOO و به زبان متلب نوشته شده است

یافتن بزرگترین نقطه از صفحه محصور بین دو تابع با استفاده از ژنتیک الگوریتم است.

مقادیر اولیه درنظر گرفته شده به صورت زیر است:

دو تابع مرزی:

f1(X) = 2*x1 + 3*x2
f2(X) = 2/x1 + 1/x2

دامنه مقادیر:

x1<20 & x1>10

x2<30 & x2>20

تنظیمات اولیه :

iterations = 500;
population_size = 500;
mutation_rate = 0.02;
crossover_rate = 0.3;
population = zeros(population_size,3);



** توجه: شما دوستان میتوانید از اینجا وارد فروشگاه بزرگ الماس شده و دیگر محصولات و پروژه های مشابه را جست جو نمایید... هدف ما رضایت شماست

کد یافتن بزرگترین نقطه از صفحه محصور بین دو تابع با استفاده از ژنتیک الگوریتم

یافتن بزرگترین نقطه از صفحه محصور بین دو تابع با استفاده از ژنتیک الگوریتم
دسته بندی برنامه نویسی
بازدید ها 5
فرمت فایل zip
حجم فایل 1 کیلو بایت
تعداد صفحات فایل 3
کد یافتن بزرگترین نقطه از صفحه محصور بین دو تابع با استفاده از ژنتیک الگوریتم

فروشنده فایل

کد کاربری 7243
کاربر

هدف از این برنامه که یک مثال از مسئله MOO و به زبان متلب نوشته شده است

یافتن بزرگترین نقطه از صفحه محصور بین دو تابع با استفاده از ژنتیک الگوریتم است.

مقادیر اولیه درنظر گرفته شده به صورت زیر است:

دو تابع مرزی:

f1(X) = 2*x1 + 3*x2
f2(X) = 2/x1 + 1/x2

دامنه مقادیر:

x1<20 & x1>10

x2<30 & x2>20

تنظیمات اولیه :

iterations = 500;
population_size = 500;
mutation_rate = 0.02;
crossover_rate = 0.3;
population = zeros(population_size,3);



** توجه: شما دوستان میتوانید از اینجا وارد فروشگاه بزرگ الماس شده و دیگر محصولات و پروژه های مشابه را جست جو نمایید... هدف ما رضایت شماست