وقتی برای حل مسائل موجود در کسبوکار خود، سعی در سادهسازی راه حل مورد نظر میکنید، این امکان وجود دارد که برخی راههای حل مناسب را از دست بدهید، راهحلی نامتناسب پیدا کنید یا بدتر از همه اینکه موفق به شناسایی درست صورتمساله نشوید.
کی از راههای پیشگیری از این موارد، استفاده از «ابزار فرآیند سیمپلکس» است. این ابزار قدرتمند کمک میکند تا مساله خود را بهصورت گام به گام شناسایی و بهصورت خلاقانه و اثربخش حل کنید.
ادامه مطلب ...امروزه استفاده از نرم افزار های کامپیوتری جهت انجام محاسبات ریاضی و حل معادلات و اجرای الگوریتم های پیچیده بسیار پر کاربرد می باشد. نرم افزار Matlab به جهت راحتی در استفاده و گسترش و ساده و وروان بودن جهت کد کردن الگوریتم و مدل ها، از پر کاربرد ترین نرم افزار ها می باشد.
با توجه به حجم بالای مسائل دنیای واقعی و تعداد زیاد عوامل و متغیر های درگیر در آن، استفاده از الگوریتم های فرا ابتکاری اغلب به استفاده از روش های دقیق ترجیح داده می شود. چون علاوه بر این که در اغلب موارد جواب های نزدیک به بهینه و رضایت بخشی ایجاد می نمایند، دارای زمان محاسباتی بسیار منظقی و رضایت بخشی می باشند.
با توجه به بهبود هایی که الگوریتم های کلاسیک داشته اند و الگوریتم های جدیدی که معرفی گردیده اند، طیف وسیعی از مسائل دنیای واقعی را می توان با روش ها و الگوریتم های فرا ابتکاری حل کرد. (دانلود فایل در ادامه مطلب)
ادامه مطلب ...الگوریتمهای فراابتکاری یا فراتکاملی یا فرااکتشافی نوعی از الگوریتمهای تصادفی هستند که برای یافتن پاسخ بهینه به کار میروند.
روشها و الگوریتمهای بهینهسازی به دو دسته الگوریتم های دقیق (exact) و الگوریتمهای تقریبی (approximate algorithms) تقسیمبندی میشوند. الگوریتمهای دقیق قادر به یافتن جواب بهینه به صورت دقیق هستند اما در مورد مسائل بهینه سازی سخت کارایی کافی ندارند و زمان اجرای آن ها متناسب با ابعاد مسائل به صورت نمایی افزایش مییابد. الگوریتمهای تقریبی قادر به یافتن جوابهای خوب (نزدیک به بهینه) در زمان حل کوتاه برای مسائل بهینهسازی سخت هستند. الگوریتمهای تقریبی نیز به سه دسته الگوریتمهای ابتکاری (heuristic) و فراابتکاری (meta-heuristic) و فوق ابتکاری (hyper heuristic) بخش بندی می شوند. دو مشکل اصلی الگوریتمهای ابتکاری، گیر افتادن آنها در نقاط بهینه محلی، همگرایی زودرس به این نقاط است. الگوریتمهای فراابتکاری برای حل این مشکلات الگوریتمهای ابتکاری ارائه شدهاند. در واقع الگوریتمهای فراابتکاری، یکی از انواع الگوریتمهای بهینهسازی تقریبی هستند که دارای راهکارهای برونرفت از نقاط بهینه محلی هستند و قابلیت کاربرد در طیف گسترده ای از مسائل را دارند. (دانلود فایل در ادامه مطلب)
ادامه مطلب ...
الگوریتم ژنتیک با نماد اختصاری (GA) تکنیک جستجویی در علم رایانه برای یافتن راهحل تقریبی برای بهینهسازی و مسائل جستجو است.
الگوریتم ژنتیک از تکنیک های زیست شناسی فرگشتی مانند وراثت و جهش استفاده میکند. این الگوریتم برای اولین بار توسط جان هالند معرفی شد.
در واقع الگوریتمهای ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیشبینی یا تطبیق الگو استفاده میکنند. الگوریتمهای ژنتیک اغلب گزینه خوبی برای تکنیکهای پیشبینی بر مبنای رگرسیون هستند. در هوش مصنوعی الگوریتم ژنتیک )یا (GA یک تکنیک برنامهنویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده میکند. مسئلهای که باید حل شود دارای ورودیهایی میباشد که طی یک فرایند الگوبرداری شده از تکامل ژنتیکی به راهحلها تبدیل میشود سپس راه حلها بعنوان کاندیداها توسط تابع ارزیاب (Fitness Function) مورد ارزیابی قرار میگیرند و چنانچه شرط خروج مسئله فراهم شده باشد الگوریتم خاتمه مییابد. الگوریتم ژنتیک بطور کلی یک الگوریتم مبتنی بر تکرار است که اغلب بخشهای آن به صورت فرایندهای تصادفی انتخاب میشوند. (فایل دانلود در ادامه مطلب)
ادامه مطلب ...
تبلیغ ریشه درزندگی اجتماعی انسانها دارد عملی است که در آن فروشنده یا تولیدکنندهای با انجام امری سعی میکند که خریدار بالقوه را از تولید این محصول آگاه کند. این عمل با روشهای گوناگونی انجام میشود.
آنچه که امروز به عنوان تبلیغات نو و جدید میشناسیم، ریشه در اواخر سدهٔ نوزدهم و اوایل سدهٔ بیستم در کشور ایالات متحده دارد. اما به طور کلی برای تبلیغات اعم از سیاسی یا تجاری میتوان سه دوره تاریخی قبل از انقلاب گوتنبرگ و اختراع و تکمیل ماشین چاپ در سال ۱۴۵۰ را در نظر گرفت
البته تمام فرهنگها وتمدنهای گذشته هر کدام به شیوهٔ خود تبلیغات را داشتهاند، به عنوان مثال راههای تبلیغ دین در ادیان مختلف بسیار زیرکانه است وپس از گذشت قرنها صیقل خورده وحرفهای است، مثل آئین سخنوری وخطابه وهمچنین متون مذهبی که به عنوان ادعیه واحادیث متداول است.
ادامه مطلب ...