طراحی کنترل کننده با روش الگوریتم توسعه یافته پیش بین تفاضلی مقید برای بالگرد بدون سرنشین در حالت پرواز ایستا در حضورنامعینی ها

در این مقاله با توجه به چالش عدم قطعیت در مدلسازی بالگرد، با استفاده از روش کنترل پیشبین تعمیم یافته تفاضلی مقید زمان گسسته به طراحی سیستم کنترل بالگرد در وضعیت ایستا در حضور نامعینی ضربی و سیستمی و قیود در ورودی کنترل پرداخته خواهد شد. نتایج شبیهسازی نشان میدهد که روشهای کنترل پیشبین ضمن انعطاف پذیری بالا وبرخورد آسان با قیدهای عملی ، در کمترین زمان ممکن و با کمترین خطا به نقطه بهینه کلی مسئله همگرا شده و ضمن افزایش سرعت و بهبود نرخ همگرایی در مقابل نامعینی ها مقاوم می باشد. همچنین قابلیت مقید شدن نرخ سیگنال ورودی سبب نرم شدن سیگنال ورودی کنترل و در نتیجه افزایش قابلیت پیادهسازی روش کنترل پیشبین در عمل میشود که این مطلب در این مقاله مورد توجه واقع شده است.در این مقاله با توجه به چالش عدم قطعیت در مدلسازی بالگرد، با استفاده از روش کنترل پیشبین تعمیم یافته تفاضلی مقید زمان گسسته به طراحی سیستم کنترل بالگرد در وضعیت ایستا در حضور نامعینی ضربی و سیستمی و قیود در ورودی کنترل پرداخته خواهد شد. نتایج شبیهسازی نشان میدهد که روشهای کنترل پیشبین ضمن انعطاف پذیری بالا وبرخورد آسان با قیدهای عملی ، در کمترین زمان ممکن و با کمترین خطا به نقطه بهینه کلی مسئله همگرا شده و ضمن افزایش سرعت و بهبود نرخ همگرایی در مقابل نامعینی ها مقاوم می باشد. همچنین قابلیت مقید شدن نرخ سیگنال ورودی سبب نرم شدن سیگنال ورودی کنترل و در نتیجه افزایش قابلیت پیادهسازی روش کنترل پیشبین در عمل میشود که این مطلب در این مقاله مورد توجه واقع شده است.

تحقیق تشخیص بن بست در سیستم‌های توزیع شده

تشخیص بن بست در سیستم‌های توزیع شده

 انواع مدلهای بن‌بست بر اساس سیستم تبادل پیام

انواع مدلهای بن‌بست بر اساس نوع درخواست

 شرایط وجود بن‌بست

 طبقه‌بندی الگوریتم‌های تشخیص بن‌بست

مروری بر الگوریتم‌های تشخیص بن‌بست

نمونه‌ای از الگوریتم متمرکز جهت تشخیص بن‌بست در سیستمهای توزیع‌شده

الگوریتم هو- رامامورتی

 نمونه‌ای از الگوریتم‌های تشخیص بن‌بست سلسله‌مراتبی.

 الگوریتم منساس – مانتر

 الگوایتم هو – رامامورثی

 نمونه‌هایی از الگوریتم‌های توزیع‌شده

 الگوریتم تشخیص بن‌بست چندی – مسیرا هاس

 الگوریتم محاسبه پخش کردن چندی – مسیرا – هاس.

 الگوریتم براچا – توگ

 الگوریتم منساس و مانتزالگوریتم ابرمارک

 الگوریتم ابرمارک.

 الگوریتم بدالض

مروری بر الگوریتم‌های تشخیص بن‌بست توزیع شده تعقیب یال.

بررسی الگوریتم‌های تشخیص بن‌بست تعقیب یال.

- الگوریتم میچل و مریت.

 الگوریتم سینها و ناتارجان

 الگوریتم چودهاری – کوهلر – استنکویچ و توسلی.

 الگوریتم سینقال و شمکالیانی.

 تشخیص بن‌بست توزیع شده و حل آن بر اساس ساعتهای سخت‌افزاری

ارائه روشی برای حذف بن‌بست نادرست در الگوریتم‌های تشخیص بن‌بست.

نتیجه‌گیری.

الگوریتم‌های تشخیص بن‌بست توزیع شده تحمل خطاپذیر.

مروری بر الگوریتم‌های تحمل‌پذیر خطا جهت تشخیص بن‌بست.

 معرفی مدل سیستم تشخیص خرابی بر اساس شاخص زمان اتصال

 یک الگوریتم تشخیص بن‌بست توزیع شده تحمل‌پذیر خطا..

 اثبات درستی الگوریتم.

 نتیجه‌گیری.

تشخیص و حل بن‌بست در سیستمهای نماینده موبایل9

 معرفی سیستمهای نماینده موبایل(نسل آینده سیستمهای توزیع شده).

 تشخیص بن‌بست توزیع‌شده در سیستمهای نماینده موبایل

 معایب الگوریتم اصلی و مشکلات کارایی الگوریتم.

 الگوریتم تشخیص بن‌بست توزیع شده مبتنی بر اولویت بهبودیافته

 آنالیز کارایی الگوریتم بهبودیافته.

اثبات درستی الگوریتم.

- نتیجه‌گیری

نتیجه‌گیری

فهرست منابع..

سیستم توزیع شده از مجموعه ای از فرآیندهایی که از طریق ارسال پیام با یکدیگر در ارتباط اند،تشکیل شده است.امروزه کمتر سیستمی را می توان یافت که روی یک کامپیوتر متمرکز باشد. از جمله سیستمهای توزیع شده می توان به بانکهای اطلاعاتی توزیع شده، سیستم عاملهای توزیع شده، و سیستمهای کارگزار موبایل اشاره نمود.یکی از مسائل مهم در سیستمهای توزیع شده در راستای مدیریت منابع، تشخیص بن بست توزیع شده است. مدیریت منابع زمانی که فرایندهای درخواست کننده در سطح شبکه در مکانهای مختلف توزیع شده اند،فرایند تشخیص را نسبت به سیستمهای متمرکز، دشوارتر می نماید.

طی دهه اخیر الگوریتم های زیادی برای تشخیص بن بست در سیستم های توزیع شده ارائه شده است که تعداد زیادی از آنها موفق به تشخیص بن بست نمی شوند و یا بن بست هایی را گزارش می کنند که در واقع وجود ندارند و یا اینکه اثبات شده است که نادرست اند.

هدف از این تحقیق مطالعه و بررسی روشهای مختلف تشخیص بن بست در سیستمهای توزیع شده، شناسایی مشکلات، محدودیت های آنها و ارائه راه حل عملی مبتنی بر واقعیات موجود در سیستمهای توزیع شده در خصوص مشکلات شناسایی شده است.

تحقیق الگوریتم کلونی مورچه ها

مقدمه

انسان همیشه برای الهام گرفتن به جهان زنده پیرامون خود نگریسته است. یکی از بهترین طرح های شناخته شده، طرح پرواز انسان است که ابتدا لئورناردو داوینچی(1519-1452) طرحی از یک ماشین پرنده را بر اساس ساختمان بدن خفاش رسم نمود. چهار صد سال بعد کلمان ادر ماشین پرنده ای ساخت که دارای موتور بود و بجای بال از ملخ استفاده می کرد.

هم اکنون کار روی توسعه سیستم های هوشمند با الهام از طبیعت از زمینه های خیلی پرطرفدار هوش مصنوعی است. الگوریتمهای ژنتیک که با استفاده از ایده تکاملی داروینی و انتخاب طبیعی مطرح شده، روش بسیار خوبی برای یافتن مسائل بهینه سازیست. ایده تکاملی داروینی بیانگر این مطلب است که هر نسل نسبت به نسل قبل دارای تکامل است و انچه در طبیعت رخ می دهد حاصل میلیون ها سال تکامل نسل به نسل موجوداتی مثل مورچه است.

الگوریتم کلونی مورچه برای اولین بار توسط دوریگو (Dorigo) و همکارانش به عنوان یک راه حل چند عامله (Multi Agent) برای مسائل مشکل بهینه سازی مثل فروشنده دوره گرد (TSP :Traveling Sales Person) ارائه شد.

عامل هوشند(Intelligent Agent) موجودی است که از طریق حسگر ها قادر به درک پیرامون خود بوده و از طریق تاثیر گذارنده ها می تواند روی محیط تاثیر بگذارد.الگوریتم کلونی مورچه الهام گرفته شده از مطالعات و مشاهدات روی کلونی مورچه هاست. این مطالعات نشان داده که مورچه ها حشراتی اجتماعی هستند که در کلونی ها زندگی می کنند و رفتار انها بیشتر در جهت بقاء کلونی است تا درجهت بقاء یک جزء از ان. یکی از مهمترین و جالبترین رفتار مورچه ها، رفتار انها برای یافتن غذا است و بویژه چگونگی پیدا کردن کوتاهترین مسیر میان منابع غذایی و اشیانه. این نوع رفتار مورچه ها دارای نوعی هوشمندی توده ای است که اخیراً مورد توجه دانشمندان قرار گرفته است.باید تفاوت هوشمندی توده ای(کلونی) و هوشمندی اجتماعی را روشن کنیم.در هوشمندی اجتماعی عناصر میزانی از هوشمندی را دارا هستند. بعنوان مثال در فرایند ساخت ساختمان توسط انسان، زمانی که به یک کارگر گفته میشود تا یک توده اجر را جابجا کند، انقدر هوشمند هست تا بداند برای اینکار باید از فرغون استفاده کند نه مثلا بیل!!! نکته دیگر تفاوت سطح هوشمندی افراد این جامعه است. مثلا هوشمندی لازم برای فرد معمار با یک کارگر ساده متفاوت است.

در هوشمندی توده ای عناصر رفتاری تصادفی دارند و بین ان ها هیچ نوع ارتباط مستقیمی وجود ندارد و انها تنها بصورت غیر مستقیم و با استفاده از نشانه ها با یکدیگر در تماس هستند. مثالی در این مورد رفتار موریانه ها در لانه سازیست.

جهت علاقه مند شدن شما به این رفتار موریانه ها وتفاوت هوشمندی توده ای و اجتماعی توضیحاتی را ارائه می دهم :

فرایند ساخت لانه توسط موریانه ها مورد توجه دانشمندی فرانسوی به نام گرس قرار گرفت. موریانه ها برای ساخت لانه سه فعالیت مشخص از خود بروز می دهند. در ابتدا صدها موریانه به صورت تصادفی به این طرف و ان طرف حرکت می کنند. هر موریانه به محض رسیدن به فضایی که کمی بالاتر از سطح زمین قرار دارد شروع به ترشح بزاق می کنند و خاک را به بزاق خود اغشته می کنند. به این ترتیب گلوله های کوچک خاکی با بزاق خود درست می کنند. علیرغم خصلت کاملا تصادفی این رفتار، نتیجه تا حدی منظم است. در پایان این مرحله در منطقه ای محدود تپه های بسیار کوچک مینیاتوری از این گلوله های خاکی اغشته به بزاق شکل می گیرد. پس از این، همه تپه های مینیاتوری باعث می شوند تا موریانه ها رفتار دیگری از خود بروز دهند. در واقع این تپه ها به صورت نوعی نشانه برای موریانه ها عمل می کنند. هر موریانه به محض رسیدن به این تپه ها با انرژی بسیار بالایی شروع به تولید گلوله های خاکی با بزاق خود می کند. این کار باعث تبدیل شدن تپه های مینیاتوری به نوعی ستون می شود. این رفتار ادامه می یابد تا زمانی که ارتفاع هر ستون به حد معینی برسد. در این صورت موریانه ها رفتار سومی از خود نشان می دهند. اگر در نزدیکی ستون فعلی ستون دیگیری نباشد بلافاصله ان ستون را رها می کنند در غیر این صورت یعنی در حالتی که در نزدیکی این ستون تعداد قابل ملاحظه ای ستون دیگر باشد، موریانه ها شروع به وصل کردن ستونها و ساختن لانه می کنند.

تعداد صفحات 37 word

فهرست مطالب

مقدمه. 3

بهینه سازی مسائل بروش کلونی مورچه (ACO) 10

مورچه ها چگونه می توانند کوتاهترین مسیر را پیدا کنند؟. 11

مزیتهای ACO.. 12

کاربردهای ACO.. 13

مورچه ها چگونه می توانند کوتاهترین مسیر را پیدا کنند؟. 14

جنگ مورچه های اتشین : جنگ جنسی.. 16

الهام از طبیعت برای پیاده سازی نظامهای اجتماعی.. 19

مزایای تحقق نظام تحقیقات حرفه ای در جامعه. 23

مورچه ها متخصصان برجسته علم ژنتیک... 24

هوشمندی توده‌ای(Swarm Intelligence) 29

بهینه‌سازی مسائل ریاضی به روش مورچه‌ها(ACO) 29

بهینه‌سازی شبکه‌های کامپیوتری با الهام از کلونی مورچه‌ها 33

افق اینده. 36

منابع : 38

کنترل مد لغزشی بهینه ای چند هدفی برای یک ربات دو میلهای با استفاده از الگوریتم کلونی زنبورعسل

در طی سالیان اخیر تحقیقات گستردهای در زمینه کنترل ربات صفحهای دو میلهای توسط محققان انجام شده است. یکی از متداولترین روشها در زمینه کنترل ربات دو میلهای، کنترل مد لغزشی است. کنترل مد لغزشی یک روش قدرتمند برای سیستمهای غیرخطی دارای نامعینی و همچنین یک کنترلر موثر در زمینه کنترل نمودن خطای ردیابی در مقایسه با سایر کنترلرها است. در این مقاله الگوریتم کلونی زنبور عسل مصنوعی چند هدفی جهت تعیین پارامترهای بهینه کنترلر مد لغزشی مورد استفاده قرار گرفته است تا بدین طریق توابع انتگرال قدرمطلق خطای ردیابی و نیروی کنترلی کمینه گردند. این الگوریتم برای یک مدل ربات صفحهای دو میلهای مورد بررسی قرار گرفت و نقاط غیر برتر بهدست آمده توسط الگوریتم کلونی زنبور عسل مصنوعی چند هدفی با نقاط غیر برتر بهدست آمده توسط الگوریتمهای بهینه سازی چند هدفی ژنتیک و تجمعی ذرات مقایسه گردید. شبیهسازی برای مورد مطالعاتی نشان می- دهد که الگوریتم کلونی زنبورعسل مصنوعی چند هدفی دارای توزیع یکنواخت قابل قبولی در جبهه پارتو و همچنین دارای عملکرد مقاوم با کمینه نیروی کنترلی برای نقطه مصالحه طراحی نسبت به سایر روشهای بهینه سازی مورد استفاده در این مقاله است.

بررسی روش اصلاح میدان بایاس و بخش بندی همزمان در الگوریتم تنظیم سطح و محاسبه حجم نواحی بافت های بخش بندی شده در تصاویر MR مغزی

این مقاله به بررسی روش اصلاح میدان بایاس و بخش بندی همزمان در الگوریتم تنظیم سطح و محاسبه حجم نواحی بافت های بخش بندی شده در تصاویر MR مغزی می پردازد