توضیحات
خوشه بندی با الگوریتم ژنتیک
ما می خواهیم clustering را با الگوریتم ژنتیک انجام دهیم و نشان دهیم که یکسان سویی مطلوبی در پایان کار دارا میباشند.
در ابتدا 200 نود (nod) در فضای 100×100 در نظر می گیریم که به عنوان جمعیت اولیه در نظر گرفته ایم وبا نمودار scatter رسم نموده ایم.
و بعد به طوری فرضی نقاط را گریدبندی کرده که با این کار نقاط به 25 قسمت 20 درجهای تقسیم می شود و متغیر آن grdوgrd_num است و فاصله نقاط از یک دیگر در یک گرید را در متغیر dis_grd وفاصله نقاط تا bs(base station) در متغیر dis_bs ذخیره کرده ایم.
در این مرحله پر انرژی ترین نقاط رادر نمودار مشخص نموده(max_node) وبعد الگوریتم ژنتیک را50 مرتبه با عملگر ترکیب دو نقطه ای انجام داده ایم که به شرح زیر است
max_node2=داری رندم صفر ویک است
با متغییر های p1وp2 محل انجام ترکیب انتخاب شده و انجام می گیرد.ودست آخر child را که محصول 50 باره الگوریتم ژنتیک است به دست می آید.
حال نوبت آن رسیده که child های قوی تر انتخاب شوند (که عدد تصادفی آن ها یک است)
که بعد آدرس ومختصات این نقاط را از متغیر max_node بیرون کشیده وبعد5 نقطه از پر انرژی ترین
آنها را با استفاده از درخت اشتاینر به عنوان ch(cluster head)در نظر گرفته و شکل آنها رارسم می کنیم.
خروجی شبیه سازی با متلب :
کلید واژه :
الگوریتم GA K-means، ژنتیک، clustering،
شبیه سازی مقاله خوشه بندی با الگوریتم ژنتیک
به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،. با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.