دانلود مقاله بکارگیری روش داده کاوی اطلاعات در حل مساله برنامه ریزی کارگاهی در حالت فازی تحت pdf

توضیحات

  مقاله بکارگیری روش داده کاوی اطلاعات در حل مساله برنامه ریزی کارگاهی در حالت فازی تحت pdf دارای 18 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بکارگیری روش داده کاوی اطلاعات در حل مساله برنامه ریزی کارگاهی در حالت فازی تحت pdf  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بکارگیری روش داده کاوی اطلاعات در حل مساله برنامه ریزی کارگاهی در حالت فازی تحت pdf،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بکارگیری روش داده کاوی اطلاعات در حل مساله برنامه ریزی کارگاهی در حالت فازی تحت pdf :

تعداد صفحات:18

چکیده:

در این مقاله یک الگوریتم کارا برای حل مساله برنامه ریزی کارگاهی در حالت فازی و با در نظرگرفتن دو هدف کمینه کردن زمان انجام کل کارها و کمی نه کردن میزان تاخیر یا تحویل زودتر از موعد هر کار ارائه می شود . در این الگوریتم پارامترهای زمان تحویل و زمان انجام به صورت اعداد فازی مثلثی در نظرگرفته می شوند . در این مقاله از تکنیک داده کاوی اطلاعات به عنوان یک روش کمکی در حل مسائل بهینه سازی ترکیبی استفاده می شود . در این مقاله با ترکیب الگوریتم ژنتیک و یک الگوریتم استنتاج صفت گرا به عنوان یک روش داده کاوی اطلاعات به سمت جواب بهینه پیش می رویم . با توجه به ساختار الگوریتم طراحی شده، تمام جواب های قابل قبول یک مساله برنامه ریزی کارگاهی خاص به عنوان یک پایگاه داده ها تلقی می شوند که تکنیک داده کاوی اطلاعات و الگوریتم استنتاج صفت گرا باید بتوانند الگوها و روابط نهفته در میان این جواب ها را با توجه به خصوصیات آنهاحدس زده و به الگوریتم ژنتیک به منظور یک جستجوی هدفمندتر کمک کنند . به دلیل وجود خواص توارثی در جوابهای حاصل از الگوریتم ژنتیک، قاعدتا نسلهای آینده باید دارای خواص و الگوهای رفتاری مشابه تری نسبت به نسل های اولیه باشند . البته فقط با استفاده از الگوریتم ژنتیک و بدون استفاده از روش داد ه کاوی اطلاعات نیز می توان به جوابهای نزدیک به بهینه و یا حتی جواب ب هینه رسید، ولی تکنیک داده کاوی اطلاعات با بررسی خصوصیات برنامه های زمانی و توالی های نزدیک به بهینه وکشف قوانین و روابط نهفته در میان این جوابها، عملکرد الگوریتم ژنتیک را به میزان قابل توجهی بهبود می بخشد

برای دریافت اینجا کلیک کنید