غذای ماهی - پروژه های محاسبات

حل معادلات به روش دوجمله ای ، حل معادلات به روش نیوتن ، حل معادلات به روش وتری



پروژه های محاسبات عددی در متلب
پروژه های محاسبات عددی در متلب

کد متلب حل معادلات به روش دوجمله ای

کد متلب حل معادلات به روش وتری

کد متلب حل معادلات به روش نیوتن
قیمت کد هر سه روش بصورت یک جا :پیاده سازی مقاله واترمارکینگ در متلب

عنوان مقاله :
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir

Anti-cropping digital image watermarking using Sudoku

سال انتشار ۲۰۱۳

برای مشاهده اطلاعات بیشتر در باره مقاله اینجا را کلیک کنید

چکیده فارسی مقاله:
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
چکیده: بسیاری از طرح های نهان نگاری تصویر دیجیتال ، برای جاسازی اطلاعات کپی رایت در یک تصویر توسعه یافته اند. با این حال، یک مهاجم ممکن است بخش هایی از یک تصویر تصویر نهان نگاری شده را با برش قطعات ناخواسته مورد استفاده مجدد قرار دهد. چندین تکنیک برای غلبه بر این حمله طراحی شده اند ، اما با توجه به رویکرد افزونگی محدود خود، برخی از بخش های تصاویر هنوز هم می تواند بدون علامت قابل تشخیص بازیابی شود. در این مقاله، یک طرح نهان نگاری جدید که در برابر کشت شدید مقاوم است با استفاده از سودوکو ارائه شده است. این روش بر اساس خاصیت جایگشتی سودوکو است که اجازه می دهد تا به طور مساوی کپی های بخش های تصویر علامت در تمام نقاط تصویر پوشش توزیع شود. یک راه حل سودوکو معتبر در طول تعبیه (embedding) و همچنین در طول تشخیص (detection) استفاده می شود. با استفاده از سودوکو کلاسیک ۹ × ۹ ، طرح پیشنهادی توانایی تا ۹۴ درصد بیشتر از کشت تصادفی (random cropping) نشان داده است.

چکیده لاتین مقاله:

Abstract: Many digital image watermarking schemes have been developed to embed copyright information into an image. However, an attacker may reuse parts of a watermarked image by cropping out unwanted parts. Several techniques have been designed to overcome this attack but due to their limited redundancy approach, some section of the images can still be retrieved without detectable watermark. In this paper, a new watermarking scheme that is robust against severe cropping using Sudoku is proposed. It is based on Sudoku’s permutation property that allows evenly distributed copies of watermark pieces in all parts of the cover image. A valid Sudoku solution is used during the embedding as well as during the detection of the watermark. Using classic 9 × ۹ Sudoku, the scheme demonstrated robustness of up to 94% of random cropping.

azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir

روال کار بصورت زیر می باشد:

اول عکس کاور و عکس واترمارک را میخوانیم
عکس کاور را به ۹ ناحیه تقسیم میکنیم (یعنی ۳ در ۳)
عکس واترمارک را به اندازه ناحیه های موجود در عکس کاور ریسایز میکنیم. یعنی عکس واترمارک باید در هر ناحیه ار تصویر کاور بصورت کامل جا شود.
بعد عکس واترمارک را به ۹ بخش تقسیم میکنیم (یعنی ۳ در ۳)



یعنی ۹ ناحیه داریم که هر ناحیه نیز ۹ سلول میشود = ۸۱ خانه سودوکو
بعد یک راه حل برای جدول سودوکو در نظر میگیریم که یکتا نیز می باشد
هر ناحیه را با توجه به اعداد موجود در ناحیه ۳در۳ متناظر در جدول سودوکو با بخش های متناظر از تصویر واتر مارک ادغام میکنیم و تصویر نهایی را می سازیم. (ادغام در تصویر به روش LSB انجام گرفته است)



فاز اشکار سازی:

جدول سودوکوی مورد نظرمان را میگیریم
عکس واترمارک شده را میگیریم و بخش را از ان گنجانده شده در ان را بازیابی میکنیم W_ret
تصویر واترمارک را هم میگیریم و به به ۹ بخش تقسیم میکنیم (یعنی ۳ در ۳) W_t
حال سرچ میکنیم و تطبیق میدهیم که به ترتیب کدامیک از سیمبل های موجود در W_t با بخش های W_ret مطابق می باشند.و ترتیب انها را پیدا میکنیم و بعنوان Q در نظر میگیریم
Q یک سلول ۳ در ۳ می شود که هر خانه ان ۹ عدد در ان قرار میگیرد و ساختاری همانند جدول سودوکوی مورد نظرمان دارد
چک میکنیم که ایا Q با جدول سودوکوی مورد نظر ما اشتراک دارد یا خیر ؟ اگر اشتراکی یافتیم به این معنی است که Detect شد و گرنه که Detect نشده است.

————————-

پیاده سازی مقاله واترمارکینگ در متلب

عنوان مقاله :

Anti-cropping digital image watermarking using Sudoku

سال انتشار ۲۰۱۳

برای مشاهده اطلاعات بیشتر در باره مقاله اینجا را کلیک کنید

چکیده فارسی مقاله:

چکیده: بسیاری از طرح های نهان نگاری تصویر دیجیتال ، برای جاسازی اطلاعات کپی رایت در یک تصویر توسعه یافته اند. با این حال، یک مهاجم ممکن است بخش هایی از یک تصویر تصویر نهان نگاری شده را با برش قطعات ناخواسته مورد استفاده مجدد قرار دهد. چندین تکنیک برای غلبه بر این حمله طراحی شده اند ، اما با توجه به رویکرد افزونگی محدود خود، برخی از بخش های تصاویر هنوز هم می تواند بدون علامت قابل تشخیص بازیابی شود. در این مقاله، یک طرح نهان نگاری جدید که در برابر کشت شدید مقاوم است با استفاده از سودوکو ارائه شده است. این روش بر اساس خاصیت جایگشتی سودوکو است که اجازه می دهد تا به طور مساوی کپی های بخش های تصویر علامت در تمام نقاط تصویر پوشش توزیع شود. یک راه حل سودوکو معتبر در طول تعبیه (embedding) و همچنین در طول تشخیص (detection) استفاده می شود. با استفاده از سودوکو کلاسیک ۹ × ۹ ، طرح پیشنهادی توانایی تا ۹۴ درصد بیشتر از کشت تصادفی (random cropping) نشان داده است.

چکیده لاتین مقاله:

Abstract: Many digital image watermarking schemes have been developed to embed copyright information into an image. However, an attacker may reuse parts of a watermarked image by cropping out unwanted parts. Several techniques have been designed to overcome this attack but due to their limited redundancy approach, some section of the images can still be retrieved without detectable watermark. In this paper, a new watermarking scheme that is robust against severe cropping using Sudoku is proposed. It is based on Sudoku’s permutation property that allows evenly distributed copies of watermark pieces in all parts of the cover image. A valid Sudoku solution is used during the embedding as well as during the detection of the watermark. Using classic 9 × ۹ Sudoku, the scheme demonstrated robustness of up to 94% of random cropping.
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir


روال کار بصورت زیر می باشد:

اول عکس کاور و عکس واترمارک را میخوانیم
عکس کاور را به ۹ ناحیه تقسیم میکنیم (یعنی ۳ در ۳)
عکس واترمارک را به اندازه ناحیه های موجود در عکس کاور ریسایز میکنیم. یعنی عکس واترمارک باید در هر ناحیه ار تصویر کاور بصورت کامل جا شود.
بعد عکس واترمارک را به ۹ بخش تقسیم میکنیم (یعنی ۳ در ۳)



یعنی ۹ ناحیه داریم که هر ناحیه نیز ۹ سلول میشود = ۸۱ خانه سودوکو
بعد یک راه حل برای جدول سودوکو در نظر میگیریم که یکتا نیز می باشد
هر ناحیه را با توجه به اعداد موجود در ناحیه ۳در۳ متناظر در جدول سودوکو با بخش های متناظر از تصویر واتر مارک ادغام میکنیم و تصویر نهایی را می سازیم. (ادغام در تصویر به روش LSB انجام گرفته است)


azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
فاز اشکار سازی:

جدول سودوکوی مورد نظرمان را میگیریم
عکس واترمارک شده را میگیریم و بخش را از ان گنجانده شده در ان را بازیابی میکنیم W_ret
تصویر واترمارک را هم میگیریم و به به ۹ بخش تقسیم میکنیم (یعنی ۳ در ۳) W_t
حال سرچ میکنیم و تطبیق میدهیم که به ترتیب کدامیک از سیمبل های موجود در W_t با بخش های W_ret مطابق می باشند.و ترتیب انها را پیدا میکنیم و بعنوان Q در نظر میگیریم
Q یک سلول ۳ در ۳ می شود که هر خانه ان ۹ عدد در ان قرار میگیرد و ساختاری همانند جدول سودوکوی مورد نظرمان دارد
چک میکنیم که ایا Q با جدول سودوکوی مورد نظر ما اشتراک دارد یا خیر ؟ اگر اشتراکی یافتیم به این معنی است که Detect شد و گرنه که Detect نشده است.

————————-

برای دریافت کد متلب مقاله واترمارکینگ در متلب با ما تماس بگیرید:
برای دریافت کد متلب مقاله واترمارکینگ در متلب با ما تماس بگیرید:
کد متلب مسیریابی وسایل نقلیه یا CVRP

مسئله مسیریابی خودرو، پایه ای ترین مسئله در مدیریت توزیع، شناخته شده است. CVRP به عنوان پایه ای ترین شکل مسئله مسیریابی خودرو، به علت کاربردهای فراوان و به مبارزه طلبی خود مسئله، توجه شمار زیادی از محققان را به خود جلب کرده است. از جمله کاربردهای این مسئله در صنعت خودروسازی، می توان به مسئله مسیریابی با هدف جمع آوری قطعات خودرو از قطعه سازان و انتقال آنها به کارخانه مرکزی، اشاره کرد. در این مقاله، الگوریتم شبیه سازی تبرید برای حل مسائل CVRP ارائه می شود.
معرفی مسئله
مسیریابی خودرو (VRP) نامی کلی است که به تمامی کلاس مسائلی که شامل ملاقات مشتری ها با خودروهاست، اطلاق می شود. VRP در نوشته ها، به صورت زمان بندی خودروها و توزیع خودرو یا به طور ساده تر به صورت مسئله تحویل نیز شناخته شده است.
VPR در حالت های کاربردی که در برخی موارد حتی مستقیما با توزیع فیزیکی کالاها مرتبط نیستند، بسیار به تناوب ظاهر می شود. سوارکردن کودکان به اتوبوس های مدرسه، تحویل تولیدات بین سوپرمارکت ها و فروشگاه های بزرگ، توزیع روزنامه، تورهای بازرسی و تعمیر بازدارنده، توزیع لباسشویی و غیره، همگی VRPهایی هستند که در آن، کالاها و خودروها می توانند فرم های متنوعی بگیرند.
اغلب مسائل مسیریابی خودرو، NP-hard هستند و به نظر می رسد که قابل حل در زمانی چندجمله ای نباشند. الگوریتم های تحقیقاتی ارائه شده برای VRP عموماً شامل روش های دقیق و الگوریتم های بهینه سازی هوشمند است. الگوریتم های دقیق شامل روش های شاخه و کران، متدهای برنامه ریزی پویا و مانند اینها هستند. مثلا، Nobert روش های پیشرو شاخه و کران چندگانه پیشرو را ابداع کرد. در مقابل، الگوریتم های تقریبی عمدتاً شامل روش های جست وجوی ممنوع و شبیه سازی حرارتی ، الگوریتم های ژنتیک بهینه سازی مورچگان و غیره است.
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
مسئله مسیریابی خودرو، تحت محدودیت ظرفیت
نمونه ای از مسائل مسیریابی خودرو بر مسیریابی بهینه خودروهایی با ظرفیت داده شده برای سرویس دهی به مجموعه ای از مشتری ها با تقاضای داده شده، تمرکز دارد که ما به عنوان مسیریابی خودروهای ظرفیت دار (CVRP) به آن اشاره خواهیم کرد. مسیریابی خودرو تحت محدودیت ظرفیت، شامل طراحی مسیرهای توزیع با کمترین هزینه برای ناوگانی از خودروهاست که در پایانه ای مرکزی واقع شده و در آنجا نیز توقف می کنند تا به مجموعه ای از مشتری ها با تقاضای مشخص، سرویس دهی کنند. این هزینه می تواند مسافت کل طی شده توسط ناوگان، تعداد خودروهای لازم برای توزیع یا ترکیبی از هر دو باشد. هر مشتری دقیقا با یک مسیر خودرو، سرویس دهی می شود. تقاضای کل هر مسیر نباید از ظرفیت خودرو تجاوز کند. نمودار ۱، نمونه ای از جواب های این مسئله را نشان می دهد.

یکی از کاربردهای این مسئله در صنعت خودروسازی، مشکل تعیین مسیرهایی برای جمع آوری قطعات از قطعه سازان و انتقال آنها به کارخانه خودروسازی توسط ناوگانی از خودروهاست تا با کمترین هزینه ممکن، قطعات را از قطعه سازان تحویل گرفته و به کارخانه مرکزی انتقال دهد.
کد متلب الگوریتم ازدحام ماهی های مصنوعی

برای دریافت کد متلب الگوریتم ازدحام ماهی های مصنوعی با ما تماس بگیرید
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir

کد متلب ماهی های مصنوعی + فایل توضیحات کد

آماد پذیرش بهینه سازی های مختلف با الگوریتم ماهی های مصنوعی می باشیم.

شبه کد الگوریتم ماهی های مصنوعی :

کد متلب الگوریتم ازدحام ماهی های مصنوعی
شبه کد الگوریتم ازدحام ماهی های مصنوعی
الگوریتم ازدحام ماهی های مصنوعی
الگوریتم دسته ماهی های مصنوعی الگوریتم دسته ماهی های مصنوعی Artificial Fish Swarm Algorithm الگوریتم دسته ماهی های مصنوعی الگوریتم ماهی های مصنوعی الگوریتم دسته ماهی های مصنوعی (AFSA) جزء الگوریتم های هوش جمعی می باشد و کاربرد عمده آن در حل ‏مسائل بهینه سازی است. AFSA ‏گونه ای از الگوریتم های برگرفته شده از طبیعت می باشد که توسط دکتر Li Xiao Lei ‏ در سال ٢٠٠٢ ‏ارائه شده است. این الگوریتم تکنیکی مبتنی بر رفتارهای جمعی است که از رفتار های اجتماعی دسته ماهی ها در طبیعت الهام گرفته شده است. جهت دریافت کد متلب الگوریتم ماهی های مصنوعی با ما تماس بگیرید شماره azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir————————————————————————————————————————————— مدل ماهی مصنوعی شامل دو بخش متغیرها و توابع است: ۱ – متغیرها: X : موقعیت فعلی ماهی مصنوعی Step : حداکثر طول گام حرکت Visual : میدان دید هر ماهی try_number : سقف تعداد آزمایش و سعی کردن δ : فاکتور شلوغی هر منطقه از فضای جستجو که ۰<δ<1 ٢ – توابع: رفتار حرکت آزادانه رفتار جستجوی ( شکار ) غذا رفتار حرکت گروهی رفتار دنباله روی ( پیروی ) کلیات الگوریتم : وضعیت فعلی ماهی مصنوعی توسط بردار X = (x1,x2,…,xn) نشان داده میشود. Visual برابر میدان دید ماهی مصنوعی میباشد. Step برابر حداکثر طول گام حرکت است. الگوریتم دسته ماهی های مصنوعی الگوریتم دسته ماهی های مصنوعی Xv موقعیتی در میدان دید است که ماهی مصنوعی میخواهد به آنجا برود. حال اگر وضعیت Xv از نظر تراکم غذایی بهتر از وضعیت فعلی باشد ، یک گام به جلو در جهت آن پیش میرویم که باعث تغییر وضعیت ماهی مصنوعی از X به Xnext میشود. ولی اگر وضعیت فعلی بهتر از Xv باشد ، به گشت زنی در محدوده میدان دید ادامه میدهیم. فاصله بین دو ماهی مصنوعی که در وضعیت های Xi و Xj هستند با رابطه dij = ǁXi – Xjǁ نشان داده میشود ( فاصله اقلیدسی ). رفتار حرکت آزادانه : در طبیعت هنگامی که ماهی ها موفق به یافتن غذا نشوند ، به صورت آزادانه حرکت میکنند. در AFSA هنگامی که ماهی مصنوعی نتواند به سمت موقعیتی با مقدار غذای بیشتر حرکت کند ، یک گام به صورت تصادفی با فرمول زیر در فضای مسئله حرکت میکند: Xi(t+1)=Xi(t)+Step.Rand(-1,1) که در آن ، Xi برابر بردار موقعیت ماهی مصنوعی iام در فضای D بعدی است. تابع Rand یک بردار D بعدی از اعداد تصادفی جداگانه را در بازه [-۱,۱] با توزیع یکنواخت تولید میکند.

azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir
azsoft.ir
09367292276
azsoftir@gmail.com
azsoft.ir