این تعهد متعلق به هیچ شعبه ای در این مخزن نیست و ممکن است متعلق به یک چنگال در خارج از مخزن باشد.

نام در حال استفاده

یک برچسب در حال حاضر با نام شاخه ارائه شده وجود دارد. بسیاری از دستورات GIT نام برچسب و شاخه را می پذیرند ، بنابراین ایجاد این شاخه ممکن است باعث رفتار غیر منتظره شود. آیا مطمئن هستید که می خواهید این شاخه را ایجاد کنید؟

• محلی
• مکاشه

با استفاده از URL وب از Git یا Checkout با SVN استفاده کنید.

با CLI رسمی ما سریع کار کنید. بیشتر بدانید.

ورود به سیستم لازم

لطفاً برای استفاده از برنامه های کد وارد سیستم شوید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی Xcode

اگر هیچ اتفاقی نمی افتد ، Xcode را بارگیری کنید و دوباره امتحان کنید.

راه اندازی کد ویژوال استودیو

فضای کد شما یک بار آماده خواهد شد.

مشکلی برای تهیه فضای کدگذاری شما وجود داشت ، لطفاً دوباره امتحان کنید.

آخرین تعهد

آمار git

فایل ها

بارگیری آخرین اطلاعات متعهد انجام نشد.

readme. md

نوشته شده توسط: محمد ال mdfaa

سیاه چاله: یک رویکرد بهینه سازی اکتشافی جدید برای خوشه بندی داده ها

پیوند ویدیویی YouTube:

مراحل الگوریتم متهوریستی سیاه چاله:

• جمعیتی از ستاره ها (راه حل های نامزد) را با مکان های تصادفی در فضای جستجو آغاز کنید.

2. جستجوی سیاه چاله (بهترین راه حل)

حلقه اصلی

1. ارزیابی: عملکرد هدف برای هر ستاره را ارزیابی کنید.

2. صفحه سیاه چاله: بهترین ستاره را انتخاب کنید که دارای بهترین (حداکثر) مقدار تناسب اندام به عنوان سیاه چاله است.

3. مکان هر ستاره را مطابق با این معادله تغییر دهید:

4- اگر یک ستاره به مکانی با هزینه کمتری نسبت به سیاه چاله می رسد ، مکان های آنها را مبادله کنید.

5. اگر یک ستاره از افق رویداد (R) از سیاه چاله عبور می کند ، آن را با یک ستاره جدید در یک مکان تصادفی در فضای جستجو جایگزین کنید.

معیار تطبیق: اگر یک معیار خاتمه (حداکثر تعداد تکرار یا تناسب اندام به اندازه کافی خوب) برآورده شود ، از حلقه خارج شوید ، در غیر این صورت مراحل اصلی حلقه را تکرار کنید.

نتایج آزمایش:

عملکرد هدف (F1):

پرفروش: 0. 0012628 0. 0012626 0. 0012627 0. 0012626 0. 0012627 0. 0012627 0. 0012626 0. 0012626 0. 0012626 0. 0012627

BestCost IS: -1. 5944 e-05

عملکرد هدف (F2):

پرفروش: 0. 35263 0. 33042 0. 35099 0. 35192 0. 32548 0. 35101 0. 33843 0. 30527 0. 33845 0. 34983

BestCost IS: -918538. 124

عملکرد هدف (F1):

پرفروش: 1. 4672E-07 1. 4672E-07 1. 4672E-07 1. 4672E-07 1. 4672E-07 1. 4672E-07 1. 4672E-07 1. 4672E-07 1. 4672E-07 1. 4672E-07

BestCost IS: -2. 1526 e-13

عملکرد هدف (F2):

پرفروش است: 0. 3372 0. 28684 0. 317 0. 32101 0. 23983 0. 32667 0. 31183 0. 39994 0. 3268 0. 29392

عملکرد هدف (F1):

پرفروش: 0. 00085355 0. 00085361 0. 00085373 0. 00085362 0. 00085361 0. 00085351 0. 00085351 0. 00085376 0. 00085361 0. 00085384

BestCost IS: -7. 2869 e-06

عملکرد هدف (F2):

پرفروش: 0. 012472 0. 012334 0. 012374 0. 012373 0. 012242 0. 012298 0. 012317 0. 012257 0. 012412 0. 012181

BestCost IS: -1330. 4517

عملکرد هدف (F1):

پرفروش: 0. 00039626 0. 00039622 0. 00039621 0. 00039629 0. 00039631 0. 0003963 0. 00039628 0. 00039624 0. 00039628 0. 00039627

BestCost IS: -1. 5703 E-06

عملکرد هدف (F2):

پرفروش: 0. 39149 0. 51041 0. 4825 0. 31508 0. 36814 0. 25724 0. 53221 0. 27891 0. 30046 0. 67877

BestCost IS: -1706338. 6363

عملکرد هدف (F1):

پرفروش است: 0. 12744 0. 12481 0. 12538 0. 1255 0. 12581 0. 12357 0. 12473 0. 12606 0. 12513 0. 12649

BestCost IS: -0. 15388

عملکرد هدف (F2):

پرفروش است: 0. 23316 0. 22884 0. 23142 0. 23138 0. 22873 0. 22866 0. 21886 0. 22705 0. 22888 0. 2326

BestCost IS: -470000. 984

نتایج نهایی:

1. بذر شماره 2 و بذر شماره 3 به ترتیب با عملکردهای عینی F1 و F2 به ما نتایج خوبی می دهد.
2. از آنجا که F1 یک تابع هزینه محدب است ، بنابراین ما نتایج بسیار خوبی کسب می کنیم. از طرف دیگر ، F2 عملکرد غیر محدب است ، بنابراین الگوریتم تلاش می کند بهترین هزینه را پیدا کند اما تقریباً در حداقل محلی گیر کرده است.

توجه: من برای حل و تصویب این مشکل اصلاح در الگوریتم پیشنهاد می کنم.

1. در آزمایشات ما 5 دانه را امتحان می کنیم. در نتیجه این 5 آزمایش نتیجه می گیرم که الگوریتم سیاه چاله تا حدودی به تنظیم اولیه ستارگان بستگی دارد (راه حل های نامزد).

eq. 3. از [0 ، 1] تا صرفاً [0 ، 0. 3] اثر:

با این حال من پیشنهاد خود را با یک آزمایش در مورد عملکرد هدف F2 وصل می کنم زیرا از بذر شماره 5 استفاده می کنم که بدترین نتیجه را به دست آورده است ، اما اکنون بعد از تنظیم این نتایج را دریافت کردم:

وقتی maxiter = 100

Bestsolution است: -0. 001015 5-0. 0003739 3. 6752 E-05 5. 0902 E-0 5-0. 0002647 3-0. 00039566 0. 0001019 0. 00044734 0. 00036059 0. 00037904

BestCost: -0. 85456 است

وقتی حداکثر = 500

پرفروش: 9. 416E-06 9. 416E-06 9. 416E-06 9. 416E-06 9. 416E-06 9. 416E-06 9. 416E-06 9. 416E-06 9. 416E-06 9. 416E-06