ادغام شبکه عصبی با ماشین لرنینیگ
یک ساعت پیش منتشر شده
تعداد بازدید: 15
کد پروژه: 588238
شرح پروژه
ما یک رویکرد جدید برای حل مسئله مکانیابی هاب میانه تک تخصیصی بدون ظرفیت با استفاده از یک معیار ریسکگریز مبتنی بر میانگین بتا (β-mean) و چارچوبهای الگوریتمی مبتنی بر یادگیری ماشین پیشنهاد میکنیم. به طور خاص، ما کیفیت راهحل را با ادغام DLHr در انتخاب هابهای بالقوه مبتنی بر خوشهبندی (CBS) برای توسعه یک الگوریتم جدید به نام انتخاب مبتنی بر خوشهبندی مبتنی بر یادگیری عمیق (DL-CBS) و همچنین در جستجوی همسایگی متغیر عمومی (GVNS) برای توسعه یک الگوریتم جدید به نام جستجوی همسایگی متغیر عمومی مبتنی بر یادگیری عمیق (DL-GVNS) بهبود میبخشیم. این مطالعه عدم قطعیت تقاضا را در نظر میگیرد و از معیار بتای ریسکگریز استفاده میکند که منجر به انتخاب هاب بهینه و تخصیص گره میشود. نتایج محاسباتی نشان میدهد که ترکیب معیار بتای ریسکگریز با DL-CBS و DL-GVNS میتواند کیفیت راهحل مسئله مکانیابی هاب میانه تک تخصیصی بدون ظرفیت را در مقایسه با رویکردهای سنتی تا حد زیادی بهبود بخشد..
1-بخاطر مدل ریاضی حتما باید بلد باشید چجوری مدل را در پایتون پیاده سازی کنید.
2-رشته مهندسی صنایع یا کامپیوتر باشه
این پروژه شامل 1 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.
مهارت ها و تخصص های مورد نیاز
بودجه
1,500,000 تومان تا 5,000,000 تومان
مهلت برای انجام
4روز
وضعیت مناقصه
باز (آماده دریافت پیشنهاد)
درباره کارفرما
عضویت یازده ماه پیش
