دانلود پایان نامه ارشد : بهبود ساخت و ترکیب قوانین فازی با استفاده از الگوریتم رقابت استعماری
جمعه 99/10/26
تاکنون دانشمندان حوزه داده کاوی تلاشهای بسیاری برای جداسازی صحیح نمونههای مشابه کردهاند. استخراج طبقهبندهای عام[1] و قابل فهم از داده، نقش مهمی در بسیاری از حوزهها و مسائل است. تاکنون روشهای متعددی برای طبقهبندی[2] و تشخیص الگو[3] معرفی شدهاست. یکی از شیوههای موفق و منحصربهفرد در حوزه طبقهبندی و تشخیص الگوی دادههای ورودی، استفاده از تکنیکهای فازی برای تقسیمبندی نرم فضای ویژگی و بالطبع استفاده از یک معماری مؤثر در متصل کردن این زیرفضاها برای تصمیمگیری و طبقهبندی بهصورت فازی میباشد. طبقهبندی فازی پروسه گروه بندی عناصر داخل مجموعههای فازی با یک تابع عضویت[4] است[1]. در واقع، ابتدا فضای جستجو به بخشهایی قسمت بندی میشود به گونه ای که تمام فضا پوشش داده شود و سپس بر روی هرکدام از این زیرفضاها مجموعه فازی قرار میگیرد. اجتماعی از مجموعههای فازی که فضای فازی نامیده میشود، مقادیر زبانی فازی یا کلاسهای فازی را تعریف میکند که یک شی میتواند به آنها تعلق داشته باشد. پس از آن قوانین فازی اگر و آنگاه[5] با توجه به نحوه تخصیص تولید میشوند. مدلسازی سیستمهای فازی بصورت مجموعهای از این قوانین نمایش داده میشود.
- انگیزه
طبقهبندیکنندههای فازی دارای ویژگی منحصربفرد تفسیرپذیری هستند و قادرند دانش چگونگی تشخیص الگوها را برای یک فرد خبره بصورت یک دستورالعمل بازنمایی کنند. طبقهبندیکنندههای فازی چهار هدف اساسی را دنبال میکنند. دقت طبقهبندیکننده را بیشینه کنند، طبقهبندیکنندهی با بیشترین قابلیت تفسیرپذیری را ایجاد نمایند، پایداری طبقهبندیکننده را بیشینه کنند و حساسیت به نویز را کاهش دهند. تاکنون روشهای متفاوتی برای ایجاد قوانین، نحوه تخصیص زیرفضاها، نحوه استنتاج در هر قانون و در نهایت ادغام قوانین ارائهشده است. بدیهی است زبان طبیعی[6] محور بودن ساختار قوانین فازی علیرغم استخراج دانش، مشکل اثبات ریاضی کارایی طبقهبندیکننده از جمله ارائه یک کران بالا[7] برای خطای آموزش[8] و خطای تست[9] است. بهعبارتی افزایش عمومیسازی[10] این طبقهبندیکنندهها بصورت ریاضی مانند طبقهبندی کننده تقویتی گروهی[11] کار بسیار دشواری است. از اینرو اغلب از روشهای مکاشفهای[12] و فوق مکاشفهای[13] بهصورت سعی و خطا در تدوین قوانین و ادغام آنها استفاده میگردد، به این دلیل که زیرفضا را برای بهدستآوردن بهترین ترکیب قوانین جستجو میکنند [2]-[4] . ایشیبوشی[14][5] روشی را برای تخصیص فضا بهصورت تقسیمبندی منظم و تکراری ارائه کرد که میتوان از این روش بهعنوان یکی از موثرترین روشهای طبقهبندیکننده فازی که مبنای بسیاری از تحقیقات
بعدی در این زمینه نیز شد، نام برد.
- شرح مسئله
پروسه یادگیری یک سیستم طبقهبندی فازی باید مسایل مختلفی را حل کند تا یک سیستم طبقهبندی زبانی را با یک رفتار صحیح ایجاد نماید. از جمله اینکه بتواند، 1- مجموعهای از قوانین فازی را ایجاد کند که دارای یک سطح لازم همکاری بین این قوانین فازی باشد. 2- انتخاب یک تابع استنتاج که روشی را برای ترکیب اطلاعات بهدست آمده از قوانین فازی در کلاسهبندی نمونهها انتخاب میکند. 3- در مسایل با ابعاد بالا، قوانین فازی از رشد نمایی در سایزشان رنج میبرند. دو مسئله اول، مربوط به پروسه استخراج دانش میشود که با پردازشهای یادگیری مختلف براساس الگوریتمهای تکرارشونده مانند شبکههای عصبی مصنوعی[5-6] یا الگوریتم ژنتیک [2-4]قابل حل است. گزینه سوم از دو جهت میتوان مدیریت کرد: با فشردهسازی و کاهش مجموعه قوانین، قوانین غیرضروری را با هدف ایجاد یک سیستم طبقهبندی با کارایی بالاتر حذف کرد. و راهکار دوم با پروسه انتخاب ویژگی انجام میگیرد.
به طور کلی، هدف مسئله، فراهم کردن یک چارچوب کلی برای تکامل قوانین فازی است. راهکارهای بسیاری در این زمینه ارائه شده، اما همه آنها حداقل در یکی از موارد زیر تفاوت دارند، تعداد قوانینی که در هر عضو جمعیت کد میشود، نوع بیان قوانین کدشده در هر عضو و نوع و هدف پروسه تکاملی .[7-8] این الگوریتمها شامل الگوریتمهای ژنتیک[15]، بهینهسازی گروه ذرات[16]، گداختگی شبیهسازی شده[17] و… میباشند.
از آنجایی که الگوریتمهای تکاملی[18] بهصورت چندعاملی[19] جستجو را در فضای ویژگی انجام میدهند، نحوه گردش آنها تا حد ممکن بهصورت تصادفی میباشد. این خواص، الگوریتمهای تکاملی را به ابزار قوی برای انواع مسائل بهینهسازی تبدیل نموده است.[2], [4] از جمله مسائل مطرح در زمینه بهینهسازی، بهینهسازی ساختار و پارامترهای طبقهبندیکنندهها میباشد. بدیهی است هرچه یک طبقهبندیکننده پارامترهای بیشتری داشته باشد، تنظیم بهینه این پارامترها بهصورت دستی کاری بسیار دشوار، و در بعضی حالات غیرممکن میباشد. بدین خاطر از الگوریتمهای تکاملی برای یادگیری پارامترها و تعیین ساختار طبقهبندیکنندههای متفاوت بهصورت فراوان استفاده شده است. از جمله این تحقیقات میتوان به بهبود ساختار شبکه عصبی توسط الگوریتم ژنتیک اشاره کرد [9] که الگوریتم ژنتیک سعی در هرس کردن ارتباط بین نورونها و بهنوعی لایهبندی آنها به منظور بهبود کارایی طبقهبندی، دارد.
مزیت ترکیب قوانین فازی و الگوریتمهای تکاملی این است که مجموعه قوانین ایجادشده دارای تفسیرپذیری بیشتری هستند و میتوانند با عدم قطعیت[20] و ابهام مقابله کنند و همچنین میتوانند به صورت اکتشافی فضای ویژگی را جستجو کنند. به عنوان مثال در بخش ورودی نحوه تخصیصبندی فضاها و همچنین تعیین پارامترهای توابع عضویت (مانند شیب و واریانس)، از الگوریتمهای تکاملی استفاده شده است[10].
چالشها
با توجه به این که اغلب روشهای عمده و شناخته شده محاسبات تکاملی، شبیهسازی کامپیوتری فرایندهای طبیعی و زیستی هستند، در این نوشتار، از یک روش ترکیبی برای بهبود طبقهبندیکنندههای فازی ارائه میشود که برای بهبود یادگیری پارامترهای آن الگوریتم تکاملی رقابت استعماری [11] اقتباس شده است. این پایاننامه، الگوریتم رقابت امپریالیستی [21]را برای هدف استخراج کلاسهبندهای عام و قابل فهم از داده در شکل یک سیستم قانون ارائه میکند. در این تحقیق سعی در ارائه ساختار جدیدی بر روی بستر فازی هستیم که در آن ساختار، توزیع قوانین از الگوریتم رقابت استعماری[22] اقتباس شده و لیکن روح قوانین بهصورت فازی است. ضمنأ بهدلیل ایجاد هارمونی مناسب در بهینهسازی ساختار قوانین و همچنین ادغام قوانین، استفاده از الگوریتم بهینهسازی رقابت استعماری پیشنهاد میشود.
در این الگوریتم چند نمونه که دارای میزان برازندگی[23] بالایی میباشند (امپریالیست[24]) و مرکز امپراطوریها هستند، سعی در کشاندن بقیه نمونهها (مستعمره)[25] به سمت خود دارند. این الگوریتم را میتوان نوع بهبود یافته الگوریتم ازدحام ذرات در نظر گرفت. لازم به ذکر است که الگوریتم ازدحام ذرات علیرغم سرعت همگرایی بالای آن، احتمال بایاس شدن آن بسیار زیاد میباشد. چون میزان تصادفی بودن[26] آن در حین جستجو پایین بوده و بسیار بایاسدار حرکت میکند. درصورتیکه الگوریتم رقابت استعماری این مسئله را به این شیوه حل کرده است که هر نمونه بهجای حرکت در جهت برآیند دو نقطه با برازندگیهای مناسب، به یکی از چند نقطهای اختصاص داده میشود که بهینه محلی (امپریالیست) اطلاق میشوند.
از آنجا که ساختار این الگوریتم بهصورت چندحوزهای میباشد، بکارگیری آن برای ساختاربندی قوانین فازی این خاصیت را بههمراه خواهد داشت که یک مجموعه قوانین بر روی یک زیرفضا کار کند نه تنها روی یک قانون. بهعبارت دیگر استفاده از یک قانون برای تصمیمگیری درمورد یک زیرفضا حتی با داشتن همپوشانی[27] با زیرفضاهای همسایه باعث خاص[28] شدن آن قانون و بهنوعی بایاس قانون و آن زیرفضای خاص شده و در مورد سایر نمونههایی که دور از آن زیرفضا هستند، نمیتواند تصمیمگیری مناسبی را بهعمل آورد که همین امر باعث بیشسازگاری[29]و کمبود عمومیسازی توابع فازی میگردد. در مقابل، الگوریتم یادگیری استعماری از تخصیص یک قانون به یک زیرفضای خاص جلوگیری کرده و حتی زیرفضاهایی که یک مستعمره از قوانین درباره آن تصمیم میگیرند، دارای ابعاد بسیار وسیعتری نسبت به زیرفضای تخصیصشده به هر قانون در مقایسه با روشهای قبلی دارد. ضمنأ هنگامیکه قوانین بهصورت دستههای مختلفی از مستعمرههای متفاوت بر روی کل فضا عمل میکنند، میتوان آن را جزو الگوریتمهای توزیعشده در نظر گرفت. توانایی بهینهسازی این الگوریتم نسبت به الگوریتمهای بهینهسازی پیشین همتراز و یا حتی بالاتر است و سرعت رسیدن به جواب بهینه نیز مناسب است.
اهداف پایاننامه
در این رساله میخواهیم یک مجموعه از قوانین انعطافپذیر فازی را با استفاده از الگوریتم رقابت استعماری که پیش از این ذکر شد، ایجاد نماییم. با این هدف که کارایی طبقهبندیکننده و تفسیر پذیری قوانین تولید شده حداکثر شود و در عینحال نویز پذیری کمینه نسبت به طبقهبندیکنندههای آماری و نیز عمومیسازی بسیار مناسبی را ارائه نماید. در واقع در این مسئله میخواهیم مجموعهای از بهترین قوانین با انعطاف پذیری بالا که بیانگر انتخاب بهترین ویژگیهاست را با استفاده از الگوریتم نوپای رقابت استعماری بهدست آوریم. نکته مهم در این رساله، نحوه تخصیص زیرفضا، ساخت قوانین و در نهایت ادغام آنها در یک پروسه بهینهسازی استعماری است. بهطورکلی در این پژوهش:
- چندین طرح کلی کدگذاری برای نمایش قوانین به شکل رشتهای از بیتها ارائه میدهد.
- یک تابع برازش برای ارزیابی کارایی اعضا یا همان قوانین فازی تعریف میکند.
- تصحیحی در عملگرهای الگوریتم رقابت استعماری برای استفاده بهینه در سیستمهای فازی ارائه میدهد.
- زیرفضای تخصیصدادهشده برای هر قانون را توسعه میدهد و درنتیجه افزایش نسبی عمومیسازی را منجر میشود.
مطالب مربوط به این رساله در پنج فصل به شرح زیر میباشد.
فصل دوم. در این فصل تحقیقات انجام شده را بحث میکند و برای هر روش مزایا و معایب آنها را بهصورت جداگانه برمیشمرد.
فصل سوم. در این فصل متدولوژی که عبارتند از روشهای ارائه شده و روشهای پیشین را به صورت فرمولی و شبه کد توضیح میدهد.
فصل چهارم. در فصل چهارم نتایج بهدست آمده ارائه میشود.
فصل پنجم. کارهای پیش رو و اهداف آینده بررسی میشود.
دانلود پایان نامه ارشد: طراحی الگویی برای تقلبات مالی در صنعت بانکداری (مورد مطالعاتی: کشف جرایم پولشویی در یکی از شعب بانکهای کشور)
جمعه 99/10/26
دانلود پایان نامه ارشد: طراحی تیم پاسخگویی به رخدادهای امنیتی مالی
جمعه 99/10/26
حرکت اخیر سازمانها به ویژه سازمانهای پولی–مالی به سمت جامعه اطلاعاتی نقش موثر و تحول آفرین فناوری اطلاعات در این زمینه باعث شده است بانک ها به عنوان نهاد مالی و اعتباری مهم در هر نظام اقتصادی برای بقاء خود در عصر اطلاعات استانداردسازی امنیت اطلاعات را برای اجرای موثر و مناسب مورد توجه ویژه قرار دهند.
در راستای ارتقاء سلامت بانکداری اینترنتی، مشکل اساسی امنیت فضای تبادل اطلاعات بوده به صورتیکه در هر لحظه حجم زیادی از رخدادهای امنیتی در این فضا در حال وقوع می باشد. با توجه به اهمیت پاسخگویی به رخدادهای فضای تبادل اطلاعات داده و ایجاد مراکز پاسخگویی به رخدادهای امنیت کامپیوتر الزامی به نظر می رسد.
بروز رخدادهای در شبکههای رایانهای سازمانی اجتناب ناپذیر است. از این رو سازمانها سعی میکنند با به کارگیری روشهایی از بروز رخدادهای امنیتی تا حد امکان جلوگیری کرده و در صورت بروز رخداد، آن را به سرعت تشخیص داده و رفع نمایند. به این روشها، مدیریت رخدادهای گفته میشود. وظیفه مدیریت رخدادهای در سازمانها به عهده گروههای واکنش به رخدادهای رایانهای می باشد که در این سند به عنوان گروههای واکنش رخداد نامیده میشوند.
از طرفی زیرساختهای فناوری کشور نیاز به وارسی و به کارگیری مکانیزمهای امنیتی دارد و از طرف دیگر ساختاری برای هماهنگ شدن سازمان ها و گروه های امنیتی مختلف در زمان بروز رخدادهای نیاز است. یکی از قدمهای کارا برای رفع این نیازها تشکیل و تقویت گروههای واکنش رخداد و تسلط آنها بر مدیریت رخدادهای است.
***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***
متن کامل را می توانید دانلود نمائید
چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)
ولی در فایل دانلودی متن کامل پایان نامه
با فرمت ورد word که قابل ویرایش و کپی کردن می باشند
موجود است
پایان نامه : جواب های چندگانه برای مسأله q,p-لاپلاسین با نمای بحرانی
جمعه 99/10/26
:
در این پایان نامه ابتدا به بررسی وجود یک جواب غیربدیهی برای مسأله بیضوی غیرخطی نوع -لاپلاسین که به صورت
تعریف می شود، می پردازیم که در آن ، ، ، زمانی که ، به ثابت مثبت میل می کند و .
برای دست یافتن به جواب این مسأله، به جمع آوری نتایجی در قالب چند لم می پردازیم و نتیجه ی اصلی خود را در قالب دو قضیه مطرح می کنیم و با تکیه بر نتایج به دست آمده به اثبات این قضیه ها می پردازیم.
در ادامه به بررسی وجود جواب های چندگانه برای مسأله ی بیضوی غیرخطی از نوع -لاپلاسین زیر، همراه با شرایط مرزی، در فضای سوبولف می پردازیم.
این مسأله به صورت
تعریف می شود که در آن یک دامنه ی کراندار است ، ، نمای بحرانی سوبولف است و است. می خواهیم ثابت کنیم که اگر داشته باشیم آنگاه یک وجود دارد طوری که برای هر مسأله دارای جواب است.
برای این منظور نتیجه ی اصلی خود را در قالب یک قضیه مطرح می نماییم سپس جهت اثبات این قضیه به جمع آوری برخی نتایج اولیه در قالب چند لم و یادآوری برخی مفاهیم از نظریه مینی ماکس می پردازیم.
کلمات کلیدی: -لاپلاسین، وجود، جواب غیر بدیهی، جواب های چند گانه، نمای بحرانی.
پیشگفتار:
آنالیز یکی از مهم ترین و تواناترین شاخه های ریاضیات است که رهگشای بسیاری از مسائل ریاضی، فیزیک، مهندسی، مکانیک، مکانیک اتمی و کوانتومی جدید است. در این بین نقش معادلات دیفرانسیل در علوم دیگر انکار ناپذیر است، بدون تردید معادلات دیفرانسیل یکی از بخش های عمده ی ریاضیات است و با توجه به کاربرد ریاضیات و به خصوص معادلات دیفرانسیل در شناخت علوم دیگر و توجیه پدیده های علمی، این بخش از ریاضیات دانشمندان زیادی را مجذوب خود کرده است.
به دلیل کاربرد گسترده ی این شاخه از علم ریاضی در علوم طبیعی، کارهای اساسی روی برخی انواع معادلات انجام شده است. یکی از عملگرهای مرتبط با بسیاری از مسائل مربوط به معادلات دیفرانسیل، عملگر لاپلاسین می باشد که بسیاری از پدیده های فیزیکی و زیست شناسی و … توسط معادلات مرتبط با این عملگر مدل سازی می شوند.
این نوع معادلات در رده ی معادلات دیفرانسیل بیضوی همراه با شرایط مختلف مرزی قرار می گیرند که یکی از شاخه های بسیار کاربردی معادلات دیفرانسیل می باشد و همواره نظر بسیاری از دانشمندان علوم مختلف، به خصوص ریاضیدانان را به خود جلب کرده است.
تألیف کتب و مقالات متعدد پیرامون این موضوع که هم اینک با رشد فزاینده ای ادامه دارد، دلیل انکار ناپذیر این مدعاست.
دانلود پایان نامه ارشد : مدل سازی مسئله تخصیص سهم به تامین کننده با هزینه سفارش وابسته
جمعه 99/10/26
:
دردههگذشته،مدیرانبهاهمیتنقشزنجیره تأمین SCM درارزش آفرینیشرکت هاپی برده اند. اسمیچی لوی و همکاران (2004)SCM را به عنوان مجموعه ای از روش های مورد استفاده برای ادغام موثر تامین کنندگان، انبارها و فروشگاه ها تعریف می کند به طوریکه برای به حداقل رساندن سیستم گسترده ی هزینه ها، کالا در مقادیر مناسب تولید شودوبه مکان مناسب برده ودر زمان مناسب توزیع شود، در حالی که خدمات مورد نیاز در سطح رضایت بخش باشد[3].فعالیت خرید به عنوان یک قابلیت رقابتی یکی از مهمترین فعالیت های زنجیره تامین است. با توجه به نقش تعیین کننده ی تامین کنندگان در کیفیت محصول نهایی و نهایتا رضایت مشتری، سازمان ها عملکرد تامین کنندگان خود را به صورت دوره ای ارزیابی می نمایند. از آنجا که ادبیات در انتخاب تامین کننده کالا گسترده است ما مسئله ی اختصاص
سهمیه تامین کننده را روی مواردی که در تکنیک هایمدل های تصمیم گیری چند هدفه MODM استفاده می شود مختص می کنیم. درحال حاضر تحقیقات در این زمینه به بخش های زیر تقسیم می شود:
– مدل های برنامه ریزی ریاضی فقط بایک تابع هدف: با توجه به مدل های با یک تابع هدف، قدسی پور و ابرایان(2001) یک مدل برنامه ریزی غیرخطی عدد صحیح مختلط را به منظور حل مسئله ی چندهدفه منابع برای به حداقل رساندن هزینه کل خرید سالانه فرموله کردند[4].
-مدل های برنامه ریزی ریاضی با دو تابع هدف،مینیمم کردن هزینه و ماکزیمم کردن سود: ونتورا و مندوزا (2008) یک روش دو مرحله ای برای مسئله انتخاب تامین کننده کالا و تخصیص مقدار سفارش به طور هم زمان ارائه کردند.چه و وانگ (2008) یک الگوریتم پایه ژنتیک ومفاخری و همکاران(2011)، برنامه ریزی پویا چندهدفه ی دو مرحله ای برای آن پیشنهاد کردندو جعفری و همکاران (2011) یکمدل عدد صحیح مختلط دو هدفه برای مینیمم کردن مجموع هزینه ها و ماکزیمم کردن بازده کل ارائهکردند[5-8].
– مدل های با حداقل سه تابع هدف، به حداقل رساندن هزینه، اقلام تاخیری و واحدهای مرجوع شده: کارپاک و همکاران(2001) یک مدل برنامه ریزی هدف برای مسئله ارزیابی و انتخاب تامین کنندگان با سه هدف شامل هزینه،کیفیت و توانایی تحویل پیشنهادکردند. فضل اله پور و همکاران (2011)، رضایی و داوودی(2011)، سیف برقی و اسفندیاری (2011) نیز از جمله کسانی هستند که در این مورد پژوهش کردند[9-12].
– مدل های فازی که با ابهام وعدم دقت در داده های ورودی مانند تقاضا وظرفیت مواجه می شوند: عمید و همکاران(2006) و کومار و همکاران (2006) مدل های برنامه ریزی چند هدفه فازی ارائه کردند[13و14].
– مدل هایی با انواع مختلف تخفیف های تامین کنندگان، با توجه به پیچیدگی مسئله از الگوریتم ابتکاری برای حل آن استفاده شده است: معقول و رزمی(2009)، محمد ابراهیم (2009)و کمالی و همکاران (2011)در این زمینهتحقیق کردند[15-17].
-مدل های با عدم قطعیت تقاضا، ظرفیت و غیره: لی و زابینسکی (2011) و ژانگ و ژانگ (2011)یک مسئله انتخاب تامین کننده کالا، تک محصول، تک هدفه و مسئله خرید تحت تقاضای تصادفی را بیان کردند.هدف به حداقل رساندن انتخاب،خرید،نگه داری و هزینه های کمبود برای انتخاب تامین کنندگان و تخصیص مقدار سفارش می باشد[18و19].
در این پایان نامهفرض می کنیم، خریداری که محصولات مختلف را از تعدادی تامین کننده ی از پیش تعیین شده فراهم می کند، با تقاضای تصادفیو توزیع احتمال پواسون مواجه است. از آنجا که تقاضا تصادفی است خریدار با هزینه های کمبود و نگهداری کالا،علاوه بر هزینه خرید به طور معمول، مواجه می شود.هم چنین فرض کرده ایم که قصد خریدار جای گذاری مینیمم مقدار سفارش برای هر تامین کننده است. نیاز چنین فرضی این است که خریدار مایل به حفظ همکاری مستمر با تامین کنندگان انتخاب-شده باشد.لذا قیمت ارائه شده برای هر تامین کننده کالا به صورت خطی وابسته به اندازه سفارش هر محصول است.کاستا و الیویرا (2001) استراتژی های تکاملی مانند الگوریتم ژنتیک (GA)و شببیه سازی تبرید (SA) را به عنوان بهترین الگوریتم برای حل مسائل برنامه ریزی صحیح غیرخطی NIPمعرفی کردند[20]. در فصل اول با معیارهای تصمیم گیری و نمادها و فرمول-بندی مسئله آشنا می شویم. در فصل دو به بررسی الگوریتم های راه حل پرداخته و در فصل سهبه منظور بررسی مدل و ارزیابی عملکرد روش های پیشنهاد شده،مثال هایی ارائه ونتایجحاصل از حل آنها مقایسه می شود.