[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
برای داوران::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: ۲۶۹۱۴۴۱

مقالات منتشر شده: ۶۵۳
نرخ پذیرش: ۷۳,۸۲
نرخ رد: ۱۷,۶۴

میانگین دریافت تا تصمیم‌گیری اولیه: ۵ تا ۱۰ روز
میانگین دریافت تا پذیرش: ۱۹۰ روز
____
..
:: جستجو در مقالات منتشر شده ::
۳ نتیجه برای الگوریتم کلونی مورچگان

میترا محمدزاده شادمهری، محمدعلی شریفی، وحید ابراهیم زاده اردستانی، عبدالرضا صفری، امین باغانی،
دوره ۰، شماره ۰ - ( ۱۰-۱۳۹۵ )
چکیده

در داده­های گرانی محل وقوع تغییرات ناگهانی آنامولی، لبه را می­سازد، که با روش­های کشف و آشکارسازی این لبه­ها در داده­های گرانی می­توان به موقعیت و مرز  یک توده جرم در زیر­زمین دست یافت. هدف از این پژوهش، به­کارگیری اطلاعات موقعیت و مرز یک توده جرم در زیرزمین جهت مقید کردن مدل­سازی معکوس داده­های گرانی با استفاده از الگوریتم کلونی مورچگان به منظور بهبود عدم یکتایی و اجتناب از همگرایی زودرس و یا همگرا شدن به بهینه­های محلی می­باشد. جهت ارزیابی روش پیشنهادی، ابتدا مدل­سازی داده­های گرانی­سنجی برروی یک مدل مصنوعی با هندسه نامنظم پلکانی بدون بهره گرفتن از اطلاعات جانبی لبه پیاده­سازی گردید. در مرحله دوم از اطلاعات جانبی لبه­ها جهت مدل­سازی معکوس داده­های گرانی­سنجی مدل مصنوعی فوق الذکر، بهره گرفته شد. نتایج بدست آمده نشان داد با استفاده از این قیود، توانستیم فضای جستجو را محدود سازیم، در نتیجه کارایی­های الگوریتم بهینه سازی کلونی مورچگان در حل این مساله افزایش یافته و قادر خواهیم بود در مدت زمان کمتری به یک نتیجه قابل اعتماد دست یابیم.  در نهایت روش پیشنهادی بر روی یک مجموعه داده واقعی مربوط منطقه گتوند نیز پیاده­سازی گردید.


میترا محمدزاده شادمهری، محمدعلی شریفی، وحید ابراهیم زاده اردستانی، عبدالرضا صفری، امین باغانی،
دوره ۴، شماره ۴ - ( ۲-۱۳۹۴ )
چکیده

در حال حاضر در زمینه بهینه‌سازی، الگوریتم کلونی مورچه‌ها تاکنون بر روی مسائل بهینه‌سازی گوناگونی، به صورت موفقیت آمیز پیاده‌سازی و اجرا گردیده است. این الگوریتم برگرفته از زندگی واقعی مورچه‌ها برای یافتن کوتاهترین مسیر از لانه تا غذا الهام گرفته است. با تعمیم این رفتار مورچه‌ها به مسائل معکوس در ژئوفیزیک، به منظور یافتن مدلی که به بهترین وجه به داده‌های مشاهده‌ای برازش داده شده باشد، می‌توان از این الگوریتم استفاده کرد .در این مقاله، هدف مدل‌سازی معکوس داده‌های ثقل‌سنجی بصورت خطی می‌باشد، یعنی با ثابت نگه داشتن پارامترهای هندسی، پارامترهای فیزیکی مدل‌سازی شود. جهت بررسی کارایی روش پیشنهادی، ابتدا الگوریتم توسط مدل مصنوعی‌ای با هندسه پیچیده T و L مورد آزمایش قرار گرفته است. این روش برای داده‌های مصنوعی نویز‌دار و بدون‌ نویز آزمایش شد. نتایج بدست آمده نشان داد با استفاده از الگوریتم کلونی مورچگان می‌توان آنومالی حاصل از مدل‌هایی با هندسه پیچیده و جهت‌دار را به خوبی مدل‌سازی کرد و همچنین این روش برای ترکیبی از مدل‌ها با تباین چگالی‌ مختلف قابل استفاده است. در‌نهایت روش پیشنهادی برای داده‌های ثقل‌سنجی مربوط به منطقه سد گتوند واقع در استان خوزستان مورد استفاده قرار گرفته است. نتایج حاصل از معکوس‌سازی داده‌ها، حفره‌هایی با عمق و قطر زیاد را در منطقه نشان می‌دهد. در نتیجه احداث سد، با توجه به اطلاعات زمین شناسی منطقه باعث بوجود آمدن عوارض جدی زیست محیطی خواهد بود.
ناهید بهرامی، میثم ارگانی، نجمه نیسانی سامانی، علیرضا وفایی نژاد،
دوره ۱۱، شماره ۲ - ( ۹-۱۴۰۰ )
چکیده

بافت آگاهی منجر به شناخت بهتر محیط و اشیا و عوامل، و نحوه ارتباط و تعاملات بین آن­ها می­باشد. در نتیجه می­تواند تاثیر به سزایی در ارائه راهکارهای مناسب در حل مسائل جهان واقعی داشته باشد. از این رو می­توان در فرآیند امداد و نجات در بحران­ها، نیز بافت آگاهی را وارد نمود و در راستای بهبود و تطابق پذیری بیشتر راهکارها با محیط واقعی، گام برداشت. در میان بحران­ها و بلایای طبیعی، زمین­لرزه به دلیل وجود گسل­های لرزه­خیز و فعال در ایران و بسیاری از کشورها، یکی از بحران­های اساسی می­باشد. با توجه به اهمیت شناسایی بافت­ها در واقعی و قابل اجرایی شدن پژوهش­ها، در این پژوهش بافت­های امدادگران، تیم­ها و محیط به عنوان بافت­های اصلی در مسئله­ی مذکور، بررسی و ارتباط آن­ها با یکدیگر و اولویت­های فعالیت­ها و مکان­ها با شناسایی تخصص­ها و شرایط جسمانی و موقعیتی امدادگران مشخص شده است. در نهایت ساختار و راهکاری به کمک الگوریتم کلونی مورچگان و سیستم اطلاعات مکانی جهت بهینه­سازی تخصیص امدادگران به محل­های آسیب دیده و فعالیت­های لازم در محدوده­ای از منطقه ۳ شهر تهران، طراحی و اجرا شده است؛ که استفاده از بافت­آگاهی و ترکیب آن با الگوریتم­های هوش مصنوعی جهت موضوع امداد و نجات در بحران زمین­لرزه پژوهشی نوین می­باشد. نتایج حاصل شده از این پژوهش در مقایسه با در نظر نگرفتن بافت­های موجود در امداد و نجات و بدون استفاده از الگوریتم­های هوش مصنوعی، بهبود ۷۹/۱ برابری راهکار پیشنهادی را نشان می­دهد.


صفحه 1 از 1     

نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology