در این پایان نامه یک مدل شبکه ی عصبی مصنوعی برای حل مسائل بهینه سازی غیرخطی باقیود خطی ارائه شده است. با به کارگیری این مدل در الگوریتم بازسازی تصویر می توان کیفیت تصاویر دارای اغتشاش را بهبود بخشید. تحلیل پایداری و همگرایی سراسری مدل ارائه شده به تفصیل اثبات می گردد.به علاوه مثال های شبیه سازی شده به منظور نشان دادن کارایی آن اورده شده است.
در این مقاله از الگوریتم تازه گسترش یافته کرم شب تاب برای بهینه سازی فرآیند برش شیشه با جت آب همراه با ذرات ساینده که فرآیندی چند متغیره غیر خطی است، استفاده گردید. در روش پیشنهادی به منظور مدل سازی و پیش بینی زبری سطح فرآیند برش شیشه؛ با توجه به پارامترهای فرآیند شامل فشار جت آب
بهینه سازی تولید نفت از میدان های هیدروکربوری یکی از دغدغه های اصلی مدیریت مخازن نفت است. در این راستا از فناوری چاه هوشمند که در دهه ی اخیر توسعه یافته، استفاده می شود. از جمله چالشهای مهم این فناوری، تنظیم بهینه شیرهای کنترلی ثابت در طول عمر چاه هوشمند است. به دست آوردن
در این مقاله فرآیند ماشینکاری تخلیه الکتریکی توسط شبکه عصبی مصنوعی پیشخور با باز انتشار خطا مدل سازی شده و خروجی فرآیند شامل نرخ براده برداری و فرسایش ابزار توسط الگوریتم کرم شب تاب بهینه گردید. تغییر پارامترهای خروجی بر اساس پارامترهای ورودی شامل شدت جریان، زمان روشنی پالس و زما
بهینه‌سازی تولید نفت از میدان‌های هیدروکربوری یکی از دغدغه‌های اصلی مدیریت مخازن نفت است. در این راستا از فناوری چاه هوشمند که در دهه‌ی اخیر توسعه یافته، استفاده می‌شود. از جمله چالشهای مهم این فناوری، تنظیم بهینه شیرهای کنترلی ثابت در طول عمر چاه هوشمند است. به‌دست آوردن وضعیت
در این مقاله به بررسی هوادهی در مجاری بسته پرداخته شده است. با توجه به عدم وجود روابط همخوان برای پیش بینی و محاسبه بهینه دبی هوای ورودی و به دلیل تاثیرگذاری پارامترهایی مختلف همچون آشفتگی، هندسه مجرا قبل و بعد از دریچه و شرایط هیدرولیکی بر میزان هوا گیری، با استفاده از اطلاعات ب
چکیدهزمینه و هدف: مدلسازی آبهای زیرزمینی بهدلیل کارایی بالا و هزینههای کمتر نسبت به روشهای دیگر، بهعنوان ابزار مدیریتی منابع آب مورد توجه قرار گرفته است. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ منابع آب گسترش یافته است. بیشتر این مدل‌ها نیازمند پارامترهای ورودی