مدلسازی سیستمهای خطی تغییرناپذیر با زمان توسط الگوریتم ژنتیکی پیوسته

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,320

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISCEE09_056

تاریخ نمایه سازی: 13 اسفند 1386

چکیده مقاله:

تحلیل و طراحی سیست مهای کنترلی ، مدل سازی سیستم به شکل ساده و صحیح، یکی از مهم ترین کارهایی است که می بایست انجام شود. زیرا تمام محاسبات بر اساس صحت مدل پای هریزی م یشود. اما توصیف های تحلیلی برای اکثر سیست مها یا وجود ندارند و یا در صورت وجود، بسیار پیچیده و عملا غیر قابل استفاده هستند. برای حل این گونه مسائل، می توان از روش های بهینه سازی هوشمند، همچون الگوریت مهای ژنتیکی استفاده کرد. در این مقاله به بحث در مورد الگوریتم ژنتیکی پیوست های پرداخته ایم که برای مدل سازی یک سیستم فرضی از روی داده های زمانی نوشته شده است. نتایج حاصل از اجرای این الگوریتم طبقه بندی شد ه اند و پارامترهای مختلف آن، از نظر اثری که بر پاسخ نهایی دارند مورد بررسی قرار گرفت ه اند.

کلیدواژه ها:

الگوریتم های ژنتیکی ، پیش بینی سری زمانی ، روش های بهینه سازی ، شناسایی سیستم ، مدل سازی خطی

نویسندگان

سیدمصطفی کلامی هریس

دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R. L. Haupt and S. E. Haupt, Practical Genetic Algorithms, ...
  • Model Dynamical؛ _ [2] V. Varadan, H. Leung Recon struction ...
  • M. Melanie, An Introduction to Genetic Algorithms, MIT Press, 1999 ...
  • R. J. Schilling and S. L. Harris, Applied Numerical Methods ...
  • D. Kim and C. Kim, *Forecasting Time Series with Genetic ...
  • نمایش کامل مراجع