سورس پيوست شده مربوط به بهينه سازي چند هدفه با NSGA II است. كاربر مي تواند با تعريف دو تابع هدف (Cost Function) در فايل cf.m و تعيين پارامتر هايي نظير بازه ي تغييرات متغير هاي طراحي (به تعداد دلخواه)، طول كروموزوم، تعداد جمعيت اوليه و تعداد نسل ها در فايل main.m ، فرآيند بهينه سازي را اجرا نمايد. در نهايت برنامه Pareto Front به علاوه نقطه ي مصالحه ي طراحي (Trade-Off Point) را به كاربر نمايش مي دهد.
لازم به ذكر است كه اين سورس شامل بهينه سازي مقاوم (Robust Optimization) با ديدگاه هاي RBDO و RDO نيز است.
این سورس با استفاده از مدل Single Track یک خودرو و محاسبه ی ضریب انتقال بار (LTR) ، واژگونی (RollOver) خودرو را پیش بینی می کند.
amn110234 (21-04-16), M A H R A D (26-06-12), Moein (28-02-13), Rezasam1 (20-02-13), smrbh (15-02-13)
در این بسته می توانید سورس های مفیدی را پیرامون نحوه ی طراحی فیلتر های سیگنال با متلب بیابید.
منبع
amn110234 (21-04-16), mehrdad_ab (15-02-13), Moein (28-02-13), Rezasam1 (20-02-13), smrbh (15-02-13)
عنوان:
System Identification Toolbox 7
Reference
نویسنده:
Lennart Ljung
ناشر:
MathWorks
این کتاب مرجع کاملی برای جعبه ابزار System Identification در Simulink نرم افزار متلب محسوب می شود که در 365 صفحه به زبان انگلیسی تدوین شده است.
این آموزش خلاصه شده نحوه ی به کار گیری کتابخانه ی Open CV را در نرم افزار MATLAB نشان می دهد.
فایل پیوست شده مربوط به آموزش طراحی Filter دیجیتال با روش Butterworth در نرم افزار MATLAB است.
دوست عزیز با سلام و تشکر از m-file خوبتون
یک درخواست داشتم: امکان داره لطف کنین و توضیح بدین برای بیشتر از 2 هدف چطور میشه از برنامه استفاده نمود؟
با سلام!برای مشاهده این لینک/عکس می بایست عضو شوید ! برای عضویت اینجا کلیک کنید ارسالی توسط arnouri برای مشاهده این لینک/عکس می بایست عضو شوید ! برای عضویت اینجا کلیک کنید
خواهش می کنم...
دوست گرامی؛ NSGA-II فقط برای دو تا تابع هدف می تونه متغیر های طراحی رو بهینه کنه و اگر تعداد توابع هدف تون بیش تر از دو تا باشه باید از SPEA و یا MUGA استفاده کنید که متاسفانه فعلا" سورس شون رو ندارم.
موفق باشید
آرمین
'چو ایران نباشد، تن من مباد
Dim Armin As Iranian
If Iran.Enabled = False Then Armin.Enabled = False
|
کد متلب زیر الگوریتمی ساده و موثر را با پیاده سازی روش Total Variation جهت کاهش نویز سیگنال دیجیتال یک بعدی معرفی می کند:
منبعکد:function [x,J] = denoiseTV(y,lambda,Nit) % [x,J] = denoiseTV(y,lambda,a,Nit) % Total variation filtering (denoising) using % iterative clipping algorithm. % INPUT % y - noisy signal (row vector) % lambda - regularization parameter % Nit - number of iterations % OUTPUT % x - result of denoising % J - objective function J = zeros(1,Nit); % objective function N = length(y); z = zeros(1,N-1); % initialize z alpha = 4; T = lambda/2; for k = 1:Nit x = y - [-z(1) -diff(z) z(end)]; % y - D’ z J(k) = sum(abs(x-y).^2) + lambda * sum(abs(diff(x))); z = z + 1/alpha * diff(x); % z + 1/alpha D z z = max(min(z,T),-T); % clip(z,T) end
سلام
ببخشید من یه برنامه میخواستم بنویسم سوالش اینه
برنامه ای بنویسید که یک عدد صحیح و یک عدد طبیعی کوچکتر از 9 را به عنوان مبنا از کاربر دریافت کند و عدد خوانده شده ی اولیه را به مبنای داده شده ببرد و نتیجه را در خروجی نمایش دهد.
میشه کمکم کنید؟
amn110234 (21-04-16)
1 کاربر در حال مشاهده این موضوع. (0 عضو و 1 میهمان)
Bookmarks