سیدا دانلود مقاله در مورد کاربرد مقایسه‌ای الگوریتم در بهینه‌سازی بهره‌برداری از سیستم چندمخزنی 18 ص

دانلود مقاله در مورد کاربرد مقایسه‌ای الگوریتم در بهینه‌سازی بهره‌برداری از سیستم چندمخزنی 18 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 22
حجم فایل: 453 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 22 صفحه

 قسمتی از متن word (..doc) : 
 

‏کاربرد مقایسه‏‌‏ای الگوریتم در بهینه‏‌‏سازی بهره‏‌‏برداری از سیستم چندمخزنی
‏چکیده
‏در این مقاله، کاربرد الگوریتم ژنتیک در بهینه‏‌‏سازی بهره‏‌‏برداری از سیستم‏‌‏های چندمخزنی بررسی شده است. بهینه‏‌‏سازی پارامترهای سیاست بهره‏‌‏برداری در این روش، صرفاً با استفاده از نتایج شبیه‏‌‏سازی سیستم انجام می‏‌‏شود. بنابراین می‏‌‏توان انواع مختلفی از مسائل بهره‏‌‏برداری را مستقل از نوع تابع هدف و قیدهای آن و نیز ساختار سیاست بهره‏‌‏برداری، بهینه‏‌‏سازی نمود. در این مقاله ‏پس از بررسی اجمالی روش الگوریتم ژنتیک پیشنهادی، عملکرد‏‌‏ آن در بهینه‏‌‏سازی یک سیستم پویای استوکستیک و برنامه‏‌‏ریزی پویا با رگرسیون مقایسه شده است. نتایج حاصل، نشانگر برتری الگوریتم ژنتیک هم به لحاظ سرعت و محاسیبات و هم مقدار تابع هدف در مقایسه با دو روش دیگر‏ بوده است. با این حال ‏به منظور افزایش کارایی این روش، اصلاحاتی در آن صورت گرفته است. بهبود کارایی ‏عملگرهای الگوریتم ژنتیک به ویژه ‏استفاده از قانون به هنگام‏‌‏سازی ‏قدرت جهش و محاسبه برازندگی کروموزوم‏‌‏ها بوسیله شبیه‏‌‏سازی سیستم با دوره‏‌‏های متغیر، دو نمونه از این اصلاحات را تشکیل داده‏‌‏اند.
‏در بررسی‏‌‏های انجام شده ‏اثر این اصلاحات کاملاً مفید ارزیابی شده است‏، به گونه‏‌‏ای که روش اصلاح شده قادر خواهد بود در مدت زمانی کمتر به نتایجی بهتر از روش معمولی دست یابد. ارزیابی مدل نهایی الگوریتم ژنتیک نشان می‏‌‏دهد که روش پیشنهادی، روشی بسیار ‏کارآمد در حل مسائل سیستم‏‌‏های بزرگ است که حل آنها با روش‏‌‏های رایج غالباً غیرممکن است. به عبارتی، ارزش و کارامدی عمل‏گرهای پیشنهادی از نقطه‏‌‏ای شروع ‏می‏‌‏شود که عملگرهای رایج الگوریتم ژنتیک در آن نقطه متوقف شده و قادر به پیشروی نیستند.
‏1- ‏مقدمه
‏بهینه‏‌‏سازی بهره‏‌‏برداری از سیستم‏‌‏های چندمخزنی و تدوین قوانین ‏و سیاست‏‌‏های کارآمد بهره‏‌‏برداری از آنها از چندین دهه ‏پیش یکی از موضوعات اصلی در مطالعات منابع آب بوده و تحقیقات گسترده‏‌‏ای بر آن انجام شده است. در این راه پیشرفت‏‌‏های فراوانی چه به لحاظ استراتژی‏‌‏های جدید و کارآمد حل مساله و چه از نظر افزایش توانمندی و سرعت ‏کامپیوترهای شخصی به عنوان اب‏زارهای محاسباتی بوجود آمده است. اما به رغم این پیشرفت‏‌‏ها، بهینه‏‌‏سازی بهره‏‌‏برداری از یک سیستم چندمخزنی بزرگ به صورت یکپارچه به ویژه هنگامی که عدم قطعیت‏‌‏های هیدرولوژیکی ‏سیستم به صورت واقع‏‌‏بینانه در نظر گرفته می‏‌‏شوند، همچنان ‏کاری چ‏الش‏‌‏دار باقی مانده است‏.
‏لادبادیه در مروری بر استراتژی‏‌‏های حل مساله بهینه‏‌‏سازی بهره‏‌‏برداری از سیستم مخازن، این استراتژی‏‌‏ها را در چهار دسته بهینه‏‌‏سازی استوکستیک ضمنی، بهینه‏‌‏سازی استوکستیک صریح، ‏کنترل بهینه زمان واقعی ‏و روش‏‌‏های برنامه‏‌‏ریزی کاوشی مورد بررسی قرار‏ داده است. ‏روش الگوریتم ژنتیک ‏در این بررسی به عنوان یک روش برنامه‏‌‏ریزی ‏ ‏کاوشی در نظر گرفته شده است و دارای این مزیت وی‏ژه می‏‌‏باشد که می‏‌‏دانید تمامی جزئیات مدل‏‌‏های شبیه‏‌‏سازی درنظر بگیرید،‏‌‏ بدون آنکه به فرضیاتی برای ساده‏‌‏سازی درنظر بگیرید، بدون آنکه ‏به فرضیاتی برای ساده‏‌‏سازی مساله یا محاسبه مشتقات تابع هدف نیاز داشته باشد. از این رو می‏‌‏توان روش GA‏ را استراتژی ‏امیدوارکننده‏‌‏ای در حل مساله بهره‏‌‏برداری بهینه از سیستم مخازن، به ویژه در سیستم‏‌‏های واقعی بزرگ با توابع هدف و قیدهای پیچیده غیرخطی و تفکیک‏‌‏ناپذیر ‏دانست.
‏الگوریتم ژنتیک از طریق فرآیندی شبیه به روش‏‌‏های انتخاب طبیعی در علوم زیست‏‌‏شناسی به بهینه‏‌‏سازی مسائل می‏‌‏پردازد. این الگوریتم‏‌‏ها ‏در طول دهه گذشته به طور گسترده به عنوان ابزارهای جستجو و بهینه‏‌‏سازی در رشته‏‌‏های مختلف از جمله بازرگانی، علوم و مهندسی بکار گرفته شده‏‌‏اند.
‏اگرچه استفاده از GA‏ در مستئل بهره‏‌‏برداری از سیستم‏‌‏های منابع آب روش نسبتاً جدید محسوب می‏‌‏شود، اما کاربردهای ‏موفقی از آن گزارش رشده است. ‏ایسات و هال کاربرد
GA‏ را در یک سیستم چهارمخزنی معروف بررسی کردند. آنها مدل GA‏ را با برنامه‏‌‏ریزی پویا، مقایسه و آن را به لحاظ ‏نیازهای محاسباتی کاملاً برتری گزارش نمودند. واردلا و شریف نیز از GA‏ برای بهینه‏‌‏سازی همان سیستم چهارمخزنی ‏استفاده کرده و نشان دادند که این روش می‏‌‏تواند جواب‏‌‏های توانمند و قابل قبولی ‏ارائه دهد. یک سال بعد این کار توسط شریف و واردلا توسعه بیشتری یافت. اولیویرا و لاکس از GA‏ برای بهینه‏‌‏سازی منحنی‏‌‏های فرمان در سیستم‏‌‏های چندمخزنی سیاست‏‌‏های بهره‏‌‏برداری از سیستم‏‌‏های مخازن پیچیده ‏ارزیابی نمودند. ‏کای و همکاران، GA‏ را برنامه‏‌‏های خطی با موفق‏یت مورد استفاده قرار دادند.
‏چن ‏از این الگوریتم در به دست آوردن ‏منحنی‏‌‏های فرمان یک سیستم تک‏‌‏مخزنی استفاده کرد و آن را ‏برای بهینه‏‌‏سازی سیستم‏‌‏های کاملاً غیرخطی، بسیار مو‏ثر ارزیابی نمود. تونگ و همکاران ‏از GA‏ برای تعیین مقدار بهینه پارامترهای ‏نوعی از منحنی‏‌‏های بهره‏‌‏برداری مخازن استفاده کرده و آن را ابزار ‏قدرتمندی برای یافتن استراتژی‏‌‏های ‏مدیریت منابع آب بهینه ارزیابی نمودند. ممتحن ‏و همکارانریال از GA‏ در بهینه‏‌‏سازی ساختارهای ‏مختلفی از سیاست‏‌‏های ‏بهره‏‌‏برداری برای یک سیستم تک‏‌‏مخزنی استفاده ‏کردند و عملکرد آن را با روش‏‌‏های برنامه‏‌‏ریزی پویای استوکستیک و برنامه‏‌‏ریزی پویا رگرسیون به عنوان دو روش مرسوم بهینه‏‌‏سازی مقایسه نمودند. آنها سیاست‏‌‏های ‏با ساختار خطی و خطی قطعه‏‌‏ای به دست آمده از روش GA‏ را برتر از سیاست‏‌‏هاتی حاصل از روش‏‌‏های بهینه‏‌‏سازی مرسوم گزارش نمودند.
‏به طور کلی می‏‌‏توان کاربرد GA‏ ‏در بهینه‏‌‏سازی بهره‏‌‏برداری از منابع آب را در تحقیقات گذشته به دو دسته بهینه‏‌‏سازی‏‌‏ برداشت‏‌‏های هر دوره زمانی ‏و بهینه‏‌‏سازی پارامترهای سیاست بهره‏‌‏برداری‏ تقسیم کرد. در این دسته‏‌‏بندی، شریف و واردلا از دسته اول و اولیویرا و لاکس و ممتحن و ‏همکاران از دسته دوم می‏‌‏باشند. در دسته اول GA‏ ‏به طریقی بکار گرفته می‏‌‏شود که نتایجی مشابه مدل‏‌‏های برنامه‏‌‏ریزی پویا تولید کند و بنابراین ‏به طور خودکار قسمتی از مشکلات محاسباتی این مدل‏‌‏ها را نیز به همراه خواهد داشت، اما در دسته دوم ‏از GA‏ با یک ‏رویکرد جدید، یعنی جستجوی مستقیم پارامترهای سیاست، استفاده شده است، به گونه
‏‌‏ای ‏روش‏‌‏های بهینه‏‌‏سازی دیگر امکان استفاده در این رویکرد را ندارند. بنابراین، به نظر می‏‌‏رسد ‏در این روش استفاده بهتری از پتانسیل GA‏ می‏‌‏شود. ‏روش مورد استفاده در این مقاله نیز از دسته دوم می‏‌‏باشد.
‏در مقاله حاضر کار ممتحن و همکاران توسعه داده شده و روش جستجوی مستقیم پارامترهای سیاست، با استفاده از GA‏ در سیستم‏‌‏های چندمخزنی بررسی شده است. همچنین در بخش‏‌‏های مختلفی از این روش اصلاحاتی پیشنهاد شده تا بتوان سیاست‏‌‏های بهینه‏‌‏سازی بهتری را در زمانی کمتر به دست آورد. عملکرد این مدل به لحاظ ‏نیازهای محاسباتی و مقادیر ‏تابع هدف در یک سیستم سه مخزنی با مدل‏‌‏های SDR, DRP‏ ‏مقایسه شده است.
‏2- روش تحقیق
‏2-1 ‏روش بهینه‏‌‏سازی با استفاده از الگوریتم ژنتیک
‏در بهینه‏‌‏سازی سیاست‏‌‏های بهره‏‌‏برداری از سیستم مخازن با استفاده از GA‏، ابتدا سیاست بهره‏‌‏برداری به صورت روابطی پارامتریک با ساختار معین تعریف و سپس مقادیر بهینه پارامترها مستقیماً بوسیله GA‏ تعیین می‏‌‏گردد. معیار اصلی بهینه‏‌‏سازی در این روش، مقدار تابع هدف حاصل از شبیه‏‌‏سازی سیستم متناظر با هر دسته از پارامترهای سیاست است. بنابراین انواع توابع بهینه‏‌‏سازی و ساختارهای سیاست بهره‏‌‏برداری را می‏‌‏توان بدون نیاز به شرایطی چون خطی یا تفکیک‏‌‏پذیر بودن، مورد تحلیل قرار داد. این آزادی عمل در انتخاب نوع سیاست بهره‏‌‏برداری، بررسی هرچه بیشتر این سیاست‏‌‏ها را از جهات گوناگون طلب می‏‌‏کند.
‏یک سیاست بهره‏‌‏برداری، مشتمل بر مجموعه‏‌‏ای از قوانین است که در حالت‏‌‏های مختلف بهره‏‌‏برداری، مقداری آبی را که باید ذخیره یا رهاسازی شوند، تعیین نمی‏‌‏نماید. بنابراین به منظور مشخص نمودن ساختار سیاست بهره‏‌‏برداری از یک سیستم چندمخزنی باید نوع متغیرهای حالت و تصمیم (یا همان متغیرهای ورودی و خروجی از قوانین بهره‏‌‏برداری) و رابطه بین آنها را برای قوانین متناظر با هر از مخازن سیستم انتخاب نمود. اگرچه نوع متغیرهای ورودی و خروجی سیاست نیز بویژه در سیستم

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود دانلود پاورپوینت الگوریتم های فشرده سازی اتلاف دار

دانلود پاورپوینت الگوریتم های فشرده سازی اتلاف دار

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .ppt
تعداد صفحات: 30
حجم فایل: 298 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل :  powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 30 اسلاید

 قسمتی از متن powerpoint (..ppt) : 
 

1
الگوریتم های فشرده سازی اتلاف دار
درس سیستم‌های چندرسانه‌ای
دانشگاه اصفهان - درس سیستم‌های چندرسانه‌ای
الگوریتم های فشرده سازی اتلاف دار
مقدمهروش های اندازه گیری اعوجاجکوانتیزاسیونتبدیلات
دانشگاه اصفهان - درس سیستم‌های چندرسانه‌ای
مقدمه
الگوریتمهای فشرده سازی بدون اتلاف، غالباً نرخ فشرده سازی مناسبی ندارند به همین دلیل در فشرده سازی صوت و تصویر از این روشها استفاده نمی شود
فشرده سازی با اتلاف چیست ؟
- بعد از دیکد کردن داده فشرده شده همان داده اصلی به دست نمی آید ولی تقریباً نزدیک به آن است .
- از نرخ فشرده سازی بسیار بیشتری نسبت به فشرده سازی بدون از دست رفتن اطلاعات برخوردار است .
دانشگاه اصفهان - درس سیستم‌های چندرسانه‌ای
نحوه محاسبه میزان خطا
از دو دیدگاه می توان میزان خطا را بررسی کرد:
دیدگاه اول: دیدگاه ادراکی: نظر افراد مختلف
دیدگاه دوم: دیدگاه ریاضی: با استفاده از تفاضل
تفاوت دو دیدگاه را می توان در یک تصویر که به اندازه یک سطر به بالا شیفت داده شده است، تصور کرد
اولین روش ریاضی: خطای میانگین مربعی ( MSE ) σ 2 ،
در این فرمول x n ، y n و N ، به ترتیب داده های ورودی، داده های بازسازی شده و تعداد داده ها می باشند .
دانشگاه اصفهان - درس سیستم‌های چندرسانه‌ای
نحوه محاسبه میزان خطا
روش دوم ریاضی: نسبت سیگنال به نویز ( SNR ) در مقیاس دسی بل
در این فرمول مقدار میانگین مربعی داده های اصلی و ، MSE است.
روش سوم ریاضی: حداکثر نسبت سیگنال به نویز ( PSNR ) :
5

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق و پاورپوینت

دانلود دانلود پاورپوینت الگوریتم ضرب اعداد صحیح بزرگ

دانلود پاورپوینت الگوریتم ضرب اعداد صحیح بزرگ

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .ppt
تعداد صفحات: 23
حجم فایل: 67 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل :  powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 23 اسلاید

 قسمتی از متن powerpoint (..ppt) : 
 

بنام خدا
الگوریتم ضرب اعداد صحیح بزرگ
مسئله: ضرب دو عدد صحیح بزرگ u و v
large _ integer prod ( large_integer u, large_integer v)
{
large_inreger x , y , w , z ;
int n , m ;
n = maximum(number of digits in u,number of digits in v)
if (u = = 0 || v = = 0)
return 0 ;
else if (n
return u × v obtained in the usual way;
else {
m = Į n / 2 ⌡;
x = u divide 10 ^ m ; y = rem 10 ^ m ;
w = v divide 10 ^ m ; z = rem 10 ^ m ;
return prod (x ,w) × 10 ^ 2m + ( prod ( x, z) + prod (w, y )) × 10 ^ m + prod ( y, z);
}
}
تحلیل پیچیدگی زمانی در بدترین حالت برای ا لگوریتم( ضرب اعداد صحیح)
عمل اصلی: دستکاری یک رقم دهدهی در یک عدد صحیح بزرگ در
هنگام جمع کردن ، تفریق کردن، یا انجام اعمال divide 10 ^ m ،
rem 10 ^ m یا ×10 ^ m . هر یک از این اعمال را m بار انجام می دهد.
اندازه ورودی: n ، تعداد ارقام هر یک از دو عدد صحیح.
به ازای n > s که n توانی از 2 است T ( n ) = 4 T (n / 2) + cn
T ( s ) = 0
T ( n ) Є θ ( n ² )
در چه مسائلی نمی توان از روش تقسیم وحل استفاده کرد
1- مسایلی با اندازه n به چند زیر مسئله تقسیم می شود که اندازه زیر مسئله ها نیز تقریبا برابر n است.
زمان نمایی ایجاد می کند.
2- مساله ای با اندازه n تقریبا به اندازه n زیر مسئله با اندازه n/c که در آن c ثابت است تقسیم می شود.
زمان nlog n ایجاد می کند.

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق و پاورپوینت

دانلود دانلود پاورپوینت الگوریتم ژنتیکی

دانلود پاورپوینت الگوریتم ژنتیکی

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .ppt
تعداد صفحات: 12
حجم فایل: 16 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل :  powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 12 اسلاید

 قسمتی از متن powerpoint (..ppt) : 
 

الگوریتم ژنتیکی
تعریف
الگوریتم ژنتیکی، رویه ای تکراری است که راه حل های انتخابیش را بصورت رشته ای از ژنها که کروموزوم نامیده می شوند، بازنمایی می کند.
موفقیت آنها را با تابع fitness اندازه می گیرد.
تابع fitness میزان نزدیکی به هدف را محاسبه می کند.
در هر تکرار الگوریتم ، (مانند سیستم های بیولوژیکی) راه حلهای انتخابی، برای تولید فرزند (که generation نامیده می شوند) ترکیب می شوند.
والدین نسل بعدی، با توجه به fitness والدین و فرزندان نسل قبل، از بین آنها انتخاب می شوند.
خود فرزندان نیز می توانند به عنوان راه حل انتخاب شوند.
عملگرهای ژنتیکی، برای تولید فرزندان
Reproduction : از طریق این عملگر ، الگوریتمهای ژنتیکی، نسل جدیدی از راه حلهای بهبودیافته را با انتخاب والدینی که بالاترین fitness را دارند تولید می کنند.
Crossover : با توجه به اینکه الگوریتمهای ژنتیکی از رشته هایی از نمادهای باینری برای کروموزومها استفاده می کنند، crossover به معنی انتخاب موقعیتی تصادفی در رشته و تعویض بخشهای چپ و راست این نقاط با رشته دیگر برای تولید دو فرزند جدید می باشد.
Mutation : تغییر دلخواه در موقعیت است. رویه تغییر یک به صفر و یا صفر به یک می باشد و با احتمال خیلی کم (1000/1) رخ می دهد.
نحوه کار الگوریتم ژنتیک
بازنمایی شرح مساله به نحوی که بتواند از طریق الگوریتم ژنتیکی حل شود: بازنمایی راه حل، بصورت رشته ای از صفر و یک ها.
تولید مجموعه اولیه جوابها و محاسبه fitness آنها.
محاسبه مجموع تابع fitness
محاسبه احتمال اینکه هر راه حل برای تولید فرزندان انتخاب شود: تقسیم تابع fitness آن به مجموع
انتخاب والدین
تولید فرزندان از طریق crossover یا (با احتمال کم) mutation
نسل جدید شامل مجموعه ای از بهترین فرزندان و والدین می باشد.
فرایند آنقدر ادامه می یابد تا اینکه راه حل بهینه حاصل شود و یا اینکه در چندین نسل بهبود نداشته باشیم.
پارامترهایی که باید تنظیم شوند
این پارامترها بستگی به مساله داشته و غالبا از طریق سعی و خطا بدست می آیند:
تعداد جوابهای اولیه که تولید می شوند.
تعداد فرزندان
تعداد فرزندان و والدینی که برای تولید نسل بعد استفاده می شوند.
احتمال mutation
توزیع احتمال رخداد نقطه crossover

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق و پاورپوینت

دانلود دانلود پاورپوینت اجرای الگوریتم غربال

دانلود پاورپوینت اجرای الگوریتم غربال

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .pptx
تعداد صفحات: 8
حجم فایل: 68 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل :  powerpoint (..pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 8 اسلاید

 قسمتی از متن powerpoint (..pptx) : 
 

الگوریتم غربال
ورود
با کلیک بر روی هر دکمه، مراحل الگوریتم غربال را به ترتیب اجرا کنید تا فقط اعداد اول باقی بمانند.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
خط زدن عدد یک
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
خط زدن مضربهای2
به جز خود 2
خط زدن عدد یک
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
خط زدن مضربهای3
به جز خود 3
خط زدن مضربهای2
به جز خود 2
خط زدن عدد یک

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق و پاورپوینت

دانلود دانلود پاورپوینت Algorithm الگوریتم ها

دانلود پاورپوینت Algorithm الگوریتم ها

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .ppt
تعداد صفحات: 80
حجم فایل: 189 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل :  powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 80 اسلاید

 قسمتی از متن powerpoint (..ppt) : 
 

فصل 1
Algorithm الگوریتم ها
هدفهای کلی
شناخت اجزاء لازم برای حل مسئله
شناخت حل مسئله و ارائه الگوریتم
بررسی صحت الگوریتم
هدفهای رفتاری
الگوریتمی را برای حل مسئله ارائه دهد.
الگوریتم های مختلف برای یک مسئله را مقایسه کند.
شرط ها و حلقه ها را در الگوریتم بکار ببرد .
دانشجو پس از مطالعه این فصل باید بتواند:
مقدمه
در زندگی روزمره ، انسان با مسائل مختلفی روبروست و برای هر کدام
از این مسائل ( حل مشکلات) راه حلی و روشی را بر می ‌ گزیند. مسائل ی از قبیل راه رفتن، غذ ا خوردن، خوابیدن و غیره که بشر ت ق ریباً هر روز آنها را پیش روی خود دارد.
همه این مسائل نیاز به روشی برای حل کردن دارند مثلا راه رفتن باید
با ترتیب خاصی و مراحل معینی انجام شود. تا مسئله راه رفتن برای
بشر حل شود. اصطلاحاً روش انجام کار یا حل مسئله را الگوریتم آن
مسئله می ‌ نامند
تعریف الگوریتم
الگوریتم مجموعه ‌ ای از دستورالعمل ها، برای حل مسئله می ‌ باشد که
شرایط زیر را باید دارا باشد:
دقیق باشد
جزئیات کامل حل مسئله را داشته باشد.
پایان ‌ پذیر باشد.
مراحل الگوریتم
برای حل یک مسئله باید الگوریتم آن مسئله را مشخص کنیم (یا بیابیم). که
اصطلاحاً طراحی الگوریتم برای آن مسئله نامیده می ‌ شود. در طراحی
الگوریتم معمولاً سه مرحله زیر را از هم جدا می ‌ کنند:
خواندن داده ‌ ها
انجام محاسبات
خروجی ‌ ها

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

نمونه طرح درمان روانشناسی