مقاله ماکزیمم آنتروپی روشهای فازی


دنلود مقاله و پروژه و پایان نامه دانشجوئی

مقاله ماکزیمم آنتروپی روشهای فازی مربوطه  به صورت فایل ورد  word و قابل ویرایش و فاقد منابع می باشد و دارای ۶۰  صفحه است . بلافاصله بعد از پرداخت و خرید لینک دانلود مقاله ماکزیمم آنتروپی روشهای فازی نمایش داده می شود، علاوه بر آن لینک مقاله مربوطه به ایمیل شما نیز ارسال می گردد

 فهرست

خلاصه :   ۱
مقدمه :   ۱
۲- علم اصلی ریاضی فلزی و شبیه سازی و فازی   ۳
۳- روش آنالیز شبیه سازی فازی (FSA) برا ی رتبه بندی فازی   ۹
۱-۳ ایجاد اعداد تصدفی   ۱۱
۳-۳ محاسبه ارزش میانگین و ماریانس نمونه   ۱۲
ماکزیمم احتمال – آنتروپی مشاهدات دسته بندی شده پیوسته نسبت به فراوانی ها خلاصه :   ۲۲
۱-فرمول بندی مسئله   ۲۲
۲٫ مثال   ۲۴
۳-ماکزیمم احتمال قانون انتخاب   ۲۵
۳٫۱ . مثال (ادامه )   ۲۶
۳٫۲ .مشاهدات دسته بندی شده فازی ونا برابری فراوانی ها .   ۲۶
۳٫۳برای بدست آوردن n بزرگترچه باید کرد ؟   ۲۷
۳٫۴ قضیه ماکزیمم احتمال   ۲۸
۴-خلاصه وبحث   ۲۹
برآورد غیر آماری ما معلوم با استفاده از نظریه مجموعه فازی   ۳۲
خلاصه   ۳۲
۱-مقدمه   ۳۳
۲٫ فاصله فازی از مفروضات اندازگیری شده   ۳۵
۳٫ تعیین X0, *   ۳۹
۴ .پارامتر نگاشت   ۴۱
۵- محاسبه عددی برآورد .   ۴۵
۶٫ مواد مطالعه   ۴۷
۶٫۱ . توزیع نرمال   ۴۸
۶٫۲ . توزیع   ۵۰
۶٫۳ . توزیع مثلی   ۵۰
۶٫۴ . توزیع یکنواخت   ۵۱
۶٫۵ . خلاصه   ۵۳
۷ . مباحث   ۵۳
۸٫ نتایج   ۵۵

خلاصه :

یک روش جدبد برای رتبه بندی اعداد فازی بر پایه روش آنالیز شبیه سازی فازی ( FSA) پیشنهاد می شود یک روش ترکیبی شامل کاربرد ی کامپیوتر ور یاضی که ابتدا توسعه داده می شود این روش شهودی است و می تواند برای مرتب کردن اعداد فازی به آمانی مورد استفاده قرار می گیرد .

روش به وسیله مثال های عددی بیان می شود و نشان می دهد که روشهای رتبه بندی اعداد فازی موجود می باشد و بخصوص زمانی که آن مشکل برای استفاده با روشهای دیگر حل مساله رتبه بندی اعداد فازی فرق دارد .

مقدمه :

در نظریه تقسیم , هر پیشنهاد بوسیله روشهای هدفمند یا مقدار مطلوب اندازه گیری می شود پیشنهادات بر پایه این مقادیر هدف تا زمانی که آنها اعداد crisp هستند رتبه بندی می شوند بنابراین اگر اعداد مطلوب برای اعداد فازی فرایند رتبه بندی زیاد ساده نیستند در عمل بیشتر مسائل واقعی دنیا نیاز به بر آورد و ارزیابی دانسته های نامعلوم برای تقسیم گیری هستند برای ارزیابی و مقایسه پیشنهادات مختلف در میان آنها , نیاز به رتبه بندی اعداد نامعلوم می باشد بعلاوه درک مطلوبترین یا بهترین انتخاب بطور کامل بر پایه رتبه بندی یا مقایسه است با توسعه نظریه نامعلوم , رتبه بندی اعداد زمانی یک نواخی شده است که بوسیله بیشتر محققین مورد مطالعه قرار گرفته است .

تا زمانیکه بوسیله Prode , Dubos , jain  ارائه شد . این قیدها دسته بندی شده اند از جز به کل شامل یک عدد نا معلوم که به نسبت های عددهای فازی بسیار نسبت داده می شوند . با یک بررسی و مقایسه مجدد این روشها را در اکثر مکانها می توان یافت [۱,۲,۱۵]  بر طبق نظریه  Li , Lee [7] دو راه برای روشهای رتبه بندی بخود دارد که اساسا نقشه رتبه بندی یا بدست آوردن یک سری فازی از پیشنهادات Optimal بازی امروزه Kerrel , wang [1,2,13] چندین قضیه را به عنوان خصوصیات با دلیل برای مشخص نمودن علمی بودن با منطقی بودن نظم اعداد فازی یا روش رتبه بندی آنها ارائه نمودند و بطور سیستماتیک یک نظم گسترده از روش های رتبه بندی اعداد فازی را پایه گذاری کردند.

 Schwarz lander , sade[10] از اختلاف برای نظم دادن استفاده کردند تعریف آنها بسیار پیچیده بود و از علائم آنها هیچ درکی بدست نمی آید . آنها تنها از ارزشهای غیر منفی برای مقایسه نظم اعداد فازی استفاده کردند در صفحه بعد  Yoon [14] یک روش احتمالی برای رتبه بندی اعداد نامعلوم پیچیده پیشنهاد داد , اما این روش سکوت ماند نتیجه انتقال ممکن است تحلیلی برای تمام اشکال توابع فازی نباشد , بخصوص هنگامی که با تقسیم سرکار دارد  Liu[g] چهار روش را برای رتبه بندی فازی بر حسب احتمالات پیشنهاد داد .  Ducks tien , Tran[11] یک روش جدید را بر اساس فاصله زمانی توسعه دادند البته این روش می تواند بر بیشتر مسائل مربوط به آن برای مجدد روش , بی ثباتی در قدرت درک بیشتر , تفاوت ها و مشکلات نظیر گمراه کننده هستند علی رغم موجود روش های گوناگون , هیچکس رتبه بندی اعداد فازی را بطور موفقیت آمیز در همه حالات و موقعیت ها انجام دهد انگیزه ما نشان دادن یک روش ترکیبی بر پایه آنالیزهای شبیه سازی فازی که قادر به رتبه بندی اعداد فازی بطور موثر است می باشد .

این صفحه به شرح زیر سازماندهی شده است . بخش بعد درک اصلی از ریاضی و شبیه سازی فازی را معرفی می کند در بخش ها یک روش جدید بر اساس آنالیز شبیه سازی فازی و الگوریتم آن برای رتبه بندی اعداد فازی پیشنهاد می شود سه مثال عددی ساده ارائه می شود و با روش ها در بخش ۴ مقایسه می شود و بخش ۵ نتیجه گیری می کند .

۲- علم اصلی ریاضی فلزی و شبیه سازی و فازی

اعداد فازی نوع اصلی از یک سری نامعلوم هستند که معمولی ومحدب می باشند گر چه این اعداد قابل تشریح با استفاده از روش های مخصوص و اشکال گوناگون هستند ولی اشکال مثلثی ذوزنقه ای بطور گسترده ای برای فازی مثلثی ( TFN) و عدد فازی ذوزنقه ای ( ZFN)

رقم های زیر برای تعریف روش رتبه بندی فازی مورد استفاده قرار می گیرد.

R = عدد واقعی            ε = یک عدد فازی                   N = زمان شبیه سازی مجموع

β – ۱ = درجه اطمینان                       x M = نقشه عضو عدد فازی x

aj x M=عدد شبیه سازی  JTHدر یک سطح α از عدد فازی x وj=1,2,….n

ε   = مقدار میانگین جمعیت ε = معنی ε          (۰) p = احتمال وقوع واقعه در(۰)

H0 = احتمال فرض صحیح است و ما می توانیم آنرا قبول کنیم

H1 = احتمال فرض غلط است و ما نمی توانیم آنرا قبول کنیم

(۰,۱) تشریح استاندارد معمولی

تعریف ۱ – ۲ بیایید CX یک سری بین المللی نشان دهیم سپس یک زیر مجموعه فازی xاز X بوسیله تابع عضو خودش تعریف می شود

                 [۰ , ۱]          X : xμ

که به عنصر اختصاص می دهد χεX یک عدد واقعی(x) x µ در فاصله [۰,۱] جائیکه ارزش (x) xµ در  x می باشد بدین ترتیب نزدیکترین ارزش x(x) µ تکی است بالاترین درجه عضو X در  x .

تعریف ۲-۲ یک عدد فازی یک زیر مجموعه فازی که پوشش آن در R جائیکه

P(x) = { XεR / µ x > 0}

تعریف ۳-۲ مجموعه فازی  εα از R , 10S  است یک X نقطه فازی نامیده می شود .

اگر µxa(x) =         a   x  = a                                                                                                                  ۰  = x  ≠a

تعریف ۴-۲ مجموعه فازی  [aa,ba] از R , b £a£۰ یک سطح از فاصله فازی

µ[ax , bx ]=       a  a£x£b

         سایر نقاط  ۰   othe wise =

 F1 (a)= {[a a , b a] |  a < b , a , b ε R اگر  e [0,1] a برای هر a

تعریف ۵-۲ دسته عناصری که متعلق به مجموعه فازی  xحداقل درجه عضو a , دسته سطح a نامیده می شود و نشان داده می شود بوسیله {xεx | xe (x) ³ a } , 0£a£۱ xaتعریف ۶-۲ . با متغییر های فازی ذوزنقه ای مقدار مان متغییرهای فازی کاملا مشخص شده بوسیله چهار گانه ( r1,r2,r3,r4) از اعداد r3<r4    crisp £ r1<r2  که عضو تابع می تواند با شکل زیر نشان داده شود .

x-n  / r2 – n    if      r1 £ x £ r2       

    ۱    if  r2 £ x £ r3                                                                                     x) =)µ            x-r4 / r3-r4  if  r3³x£r4                        

               سایر نقاط           ۰

تعریف ۷-۲ اجازه دهید xیک متغیر فازی با تابع عضو µ باشد نشان دهید جمعیت pop =(µxa1 , µxa2, …… µxaN) پس معنی ارزش pop   تعریف می شود .

 Pop =     J = 1  µxaJ  ,                  Tel x = pop

 پس ما می توانیم معنای ارزش x را به آسانی تا زمانیکه ما دقیقا از اعدادj , j = 1,2 ,……, N xaµتعریف ۸-۲ . علامت  s2 pop نمونه ای از متغییر جمعیت pop است و ارزش آن بوسیله و

 s2pop = 1/  N      (µxaJ -x)2 , tel S2pop  تعریف می شود .

         J = 1

تعریف ۹-۲ فرض می کنیم ε وh بطور مشخص داده و متغییر آنها non – zero یعنی ارزش ناشناخته و متناهی هستند همچنین فرض می کنیم

H1: Ee – Eh ≠ d , H0 : Ee – Eh = d(1)بطور مشخصb داده , فرضیه آزمایش برای اختلاف به شرح زیر تعریف می شود .

 If        (xh ) – ( Ee– Eh)    ³ m1  b/2  ,      H

S2e  +  S2h

N1     N2

If        (xh ) – ( Ee– Eh)    ³ m1 –  b/2  ,                       H

S2e  +  S2h

N1     N2

پس تحت شرایط  b , فرضیه آزمایشات بری اختلاف   Ee – Eh به شرح زیر تعریف می شود

 If        (xh ) – ( Ee– Eh)    ³ m1  b/2  ,                   H

S2e  +  S2h

N1     N2

 If        (xh ) – ( Ee– Eh)    ³ m1 –  b/2  ,                       H

S2e  +  S2h

N1     N2

اما هنگامی که ما فرض داریم H1 : Ee – E h > d , H0 : Ee – Eh = d یا

 H1 : Ee – E h > d , H0 : Ee – Eh £ d

 If        (xh ) – ( Ee– Eh)    ³ m1  b/2  ,                   H

S2e  +  S2h

N1     N2

  If        (xh ) – ( Ee– Eh)    ³ m1 –  b/2  ,                       H

S2e  +  S2h

N1     N2

   تعریف ۱۰-۲ اگرY , X اعداد مثبت فازی باشند مضربY , X به شرح زیر تعریف می شوند

Z X (0) Y

Za = xa . ya= [XLa Y La ´ XUa Y Ua ],”ae[0,1] اگر و فقط اگر

تعریف ۱۱-۲ اگر اعداد مثبت فازی باشندخارج قسمت Y,Xبه شرح زیر تعریف می شود

Z X (:) Y

Za = xa . ya= [XLa Y Ua ´ XUa Y La ],”ae[0,1] اگر و فقط اگر

۳- روش آنالیز شبیه سازی فازی (FSA) برا ی رتبه بندی فازی

روش FSA برای حل همه نوع شکل عدد فازی مورد استفاده قرار بگیرد اما بدلیل اهمیت عدد فازی مثلثی (TFN) وعدد فازی ذوزنقه ای (ZFN) درعمل در این صفحه حذف روشن پیشنهاد شده حل این اعداد بطور مخصوص است زمانی که عدد فازی یک تابع عملی مثلثی داردآن TFNو با (LMV) = A نمایش داده می شود در جائیکه L , μ ,Vهم مرتبه X از متغییر های تابع مثلثی هستند و M£ U £L ما در جهت ارائه الگوریتم بطور واضح

 ما فرض بر این داریم که هر TFN یک عدد فازی معمولی است حتی الگوریتم مشابه می تواند برای اعداد فازی در معقولی نیستند توسعه یابد بصورت بی نظیری تبع عضو ذوزنقه ای در شکل ۱ نشان داده شده است اندیشه روش ESA به شرح زیر است اول ایجاد یک عدد تصادفی از سطح α مجموعه ای از اعداد شده فازی که به ترتیب بوسیله فازی شبیه سازی می شوند و پس معنی ارزش نمونه متغیر اعداد شبیه سازی شده بدست می آوریم بالاخره فرضیه آزمایشات برای بدست آوردن نتیجه رتبه بندی بدست می آید .

۱-۳ ایجاد اعداد تصدفی

 

55,000 ریال – خرید

تمام مقالات و پایان نامه و پروژه ها به صورت فایل دنلودی می باشند و شما به محض پرداخت آنلاین مبلغ همان لحظه قادر به دریافت فایل خواهید بود. این عملیات کاملاً خودکار بوده و توسط سیستم انجام می پذیرد.

 جهت پرداخت مبلغ شما به درگاه پرداخت یکی از بانک ها منتقل خواهید شد، برای پرداخت آنلاین از درگاه بانک این بانک ها، حتماً نیاز نیست که شما شماره کارت همان بانک را داشته باشید و بلکه شما میتوانید از طریق همه کارت های عضو شبکه بانکی، مبلغ  را پرداخت نمایید. 

 

 

مطالب پیشنهادی:
  • مقاله پایان فیزیک
  • برچسب ها : , , , , , , ,
    برای ثبت نظر خود کلیک کنید ...

    براي قرار دادن بنر خود در اين مکان کليک کنيد
    به راهنمایی نیاز دارید؟ کلیک کنید
    

    جستجو پیشرفته مقالات و پروژه

    سبد خرید

    • سبد خریدتان خالی است.

    دسته ها

    آخرین بروز رسانی

      چهارشنبه, ۳ خرداد , ۱۳۹۶
    
    اولین پایگاه اینترنتی اشتراک و فروش فایلهای دیجیتال ایران
    wpdesign Group طراحی و پشتیبانی سایت توسط دیجیتال ایران digitaliran.ir صورت گرفته است
    تمامی حقوق برایdjkalaa.irمحفوظ می باشد.