مقالات رباتیک
رباتیک
چکیده
این مقاله الگوریتمی جدید برای مسئله برنامه ریزی مسیرکلی به یک هدف ، برای ربات متحرک را با استفاده از الگوریتم ژنتیک ارائه می دهد .الگوریتم ژنتیک برای یافتن مسیر بهینه برای ربات متحرک جهت حرکت در محیط استاتیک که توسط نقشه ای با گره ها و لینک ها بیان شده است ،بکار گرفته شده است.موقعیت هدف و موانع برای یافتن یک مسیر بهینه در محیط دو بعدی داده شده است .هر نقطه اتصال در شبکه ژنی است که با استفاده از کد باینری ارائه شده است.تعداد ژن ها در یک کروموزوم تابعی از تعداد موانع در نقشه (نمودار)می باشد.
بنابراین از یک کروموزوم با طول ثابت استفاده کردیم.مسیر ربات ایجاد شده ، در مفهوم کوتاهترین مسیر ،بهینه است .ربات دارای محل آغاز و محل هدف تحت فرضیه ای است که ربات از هر محل فقط یکبار می گذرد یا اصلا نمی گذرد.نتایج بدست آمده در شبیه سازی ؛قدرت الگوریتم پیشنهادی را تایید می نماید.
مقدمه
مسئله طراحی مسیر ربات متحرک را می توان بصورت ذیل بیان کرد:
داده های مسئله (محل شروع،محل هدف، نقشه ای دو بعدی مسیرهاکه شامل موانع ساکن می باشد).هدف بدست آوردن یک مسیر بدون تصادم بین دو نقطه خاص در ایفای معیار بهینه سازی با در نظر گرفتن محدودیت ها (به احتمال زیاد:کوتاهترین مسیر)می باشد. مسئله طراحی مسیر از نظر محاسباتی بسیار پر هزینه است.
با اینکه حجم زیادی از تحقیقات برای حل بیشتر این مسائل انجام شده است،با این وجود،روش های معمول ،غیر قابل انعطاف می باشند.
1.اهداف مختلف بهینه سازی و تغییرات اهداف
2. عدم قطعیت ها در محیط ها
3. محدودیت های متفاوت برای منابع محاسباتی
مرور و بازنگری روش های موجود برای حل مسئله طراحی مسیر ،در [1] ارائه شده است . روش های زیادی برای ایجاد یک مسیر بهینه از قبیل برنامه ریزی دینامیک و روش های تبدیل مسافت گزارش شده است .
در روش برنامه ریزی دینامیک اگر نقطه ی شروعSP و نقطه ی هدف GP باشد ، نقطه ی زیر هدف IP است.و روش تولید مسیر ،نحوه تعیین توالی زیر اهداف است که زیر اهداف خود از مجموعه IP (I=1,2,3,…) انتخاب می شوند.ما باید تمام مسیرهای ممکن را بررسی کرده و مسیر با کمترین مقدار هزینه را به عنوان مسیر بهینه انتخاب نمائیم.توان محاسباتی بسیار فراوانی بویژه در محیط های دارای زیر اهداف فراوان مورد نیاز است . در روش تبدیل مسافت ،کارطراحی مسیر ،محیطی را با شبکه یکنواخت می پوشاند و فواصل را از طریق فضای خالی ،از سلول هدف،منتشر می کند.قسمت پیشین موج مسافت ،حول موانع و در نهایت از طریق تمامی فضاهای آزاد در محیط جریان می یابد.برای هر نقطه شروع در محیط نمایانگر محل اولیه ربات متحرک ،کوتاهترین مسیر به مقصد،از طریق رفتن به قسمت پائین و از طریق شیب دارترین مسیر نزولی رسم شده است.با این وجود به هنگام وجود دو سلول یا بیشتر جهت گزینش با همان حداقل تبدیل فاصله ابهام مسیرهای بهینه وجود دارد. دو روش مذکور ملزم توان محاسباتی بسیار بالا در محیطی است که دارای تعداد زیاد اهداف فرعی (زیر اهداف)و موانع است.
محققان روش های فراوان را برای حل مسائل طراحی مسیر ربات های متحرک با وجود موانع ایستا و متحرک بر مبنای soft computing ،بیان کرده اند. soft computing متشکل از منطق فازی،شبکه های عصبی و محاسبات تکاملی است (الگوریتم های ژنتیک و تکاملی GA & EA).تاکنون تلاش های زیادی در استفاده از منطق فازی برای طراحی و برنامه ریزی حرکت ربات متحرک وجود داشته است .اخیرا استفاده از محاسبات تکاملی رواج فراوانی پیدا کرده و در واقع روشی است که به منظور بکارگیری در موقعیت هایی که دانش اولیه راجع حل مسئله وجود نداشته و یا اطلاعات محدود می باشد،قابلیت استفاده به گونه ای موثرتر،عمومی تر و راحت تر را داراست.
الگوریتم های ژنتیکی و تکامکلی نیازمند اطلاعات اشتقاقی یا برآوردهای فرمال اولیه از راه حل نیستند و از آنجائیکه طبیعتا تصادفی می باشند دارای قابلیت جستجوی کل فضای جواب با احتمال بیشتر پیدا کردن بهینه عمومی می باشند.
می توان تحقیق قبلی راجع طراحی مسیر را به صورت یکی از دو روش مقابل طبقه بندی کرد: مبتنی بر مدل و مبتنی بر سنسور .
در حالت مبتنی بر مدل ،مدل های منطقی از موانع شناخته شده ،برای تولید تصادم بدون مسیر بکار گرفته می شوند.در حالیکه در روش مبتنی بر سنسور ، کشف و اجتناب از موانع ناشناخته است.در این مقاله الگوریتمی جدید جهت بدست آوردن مسیر بهینه بر مبنای مدل پیشنهاد شده است.
ادامه مطالب مقاله بصورت ذیل مرتب شده اند :
در بخش 2 ،مقدمه ای مختصر راجع الگوریتم ژنتیک ارائه شده است .در بخش 3 ،فرمول سازی مسئله مورد بررسی واقع شده،در بخش 4 الگوریتم پیشنهادی ، معرفی و در بخش 5 نتایج شبیه سازی نشان داده شده است.
1.مسیریابی
مسئله مسیریابی ربات در چند حالت قابل بررسی است :
در یک مفهوم می توان مسیریابی روبات را در قالب تعقیب خط (عموما مسیری از پیش تعیین شده با رنگ متفاوت از زمینه ) معرفی نمود.روبات هایی با این کاربرد تحت عنوان مسیریاب شناخته می شوند . یکی از کاربرد های عمده این ربات ، حمل و نقل وسایل و کالاهای مختلف در کارخانجات ، بیمارستان ها ، فروشگاه ها ، کتابخانه ها و ... میباشد .
ربات تعقیب خط تا حدی قادر به انجام وظیفه کتاب داری کتابخانه ها می باشد . به این صورت که بعد از دادن کد کتاب ، ربات با دنبال کردن مسیری که کد آن را تعیین میکند ، به محلی که کتاب در آن قرار گرفته می رود و کتاب را برداشته و به نزد ما می آورد .مثال دیگر این نوع ربات در بیمارستان های پیشرفته است ، کف بیمارستان های پیشرفته خط کشی هایی به رنگ های مختلف به منظور هدایت ربات های مسیریاب به محل های مختلف وجود دارد . (مثلا رنگ قرمز به اتاق جراحی یا آبی به اتاق زایمان.) بیمارانی که توانایی حرکت کردن و جا به جا شدن را ندارند و باید از ویلچر استفاده کنند ، این ویلچر نقش ربات تعقیب خط را دارد ، و بیمار را از روی مسیر مشخص به محل مطلوب می برد .
با توجه به وجود موانع (استاتیک و دینامیک) در محیط ،مسیریابی روبات در مفهومی کاربردی تر ،پیمودن مسیر مبدا تا مقصد بدون برخورد با موانع می باشد.مسلما با وجود تعداد زیاد موانع ،تعداد مسیرهای قابل عبور روبات بسیار زیاد خواهد بود و یقینا انتخاب کوتاه ترین مسیر توسط روبات برای حرکت از مبدا به مقصد ،دارای ارزش اجرایی بالایی خواهد بود.در این مقاله چنین مسئله ای مورد بررسی واقع شده است.نقاط مبدا و مقصد و نیز محل موانع به عنوان ورودی داده شده است ،نیز می دانیم موانع ایستا می باشند (در حالت وجود موانع پویا در عین نزدیکی بیشتر به شرایط واقعی ،روش های مورد استفاده بسیار پیچیده خواهند بود)و مسئله در حالت دو بعدی بررسی می شود (روبات بر روی صفحه حرکت می نماید). برای این منظور الگوریتم های مسیریابی با هدف انتخاب کوتاهترین مسیر قابل استفاده می باشند ،الگوریتم هایی که به منظور مسیریابی در شبکه ها قابلیت استفاده دارند.با این وجود در این بررسی از الگوریتم ژنتیک استفاده شده است . همچنین الگوریتم های ژنتیک و نیز دیگر روش های مشابه به منظور بهینه سازی مصرف انرژی روبات ،مسیر تغییر زاویه ازوی روبات ،زمان حرکت روبات و... قابل استفاده می باشند .
2.الگوریتم ژنتیک
GA در سال 1975 توسط Holland بر پایه تقلیدی از تکامل طبیعی یک جمعیت پایه ریزی شد به نحوی که کروموزوم ها به منظور خلق نسل جدید اجازه تولید مجدد داشته و جهت بقاء در نسل آینده به رقابت می پردازند.با گذشت زمان ،بر روی نسل ها ، fitness بهبود می یابد و در نهایت بهترین راه حل قابل حصول است .اولین جمعیت p(0) به طور تصادفی با 0و1 کد می شود در هر نسل ،t، مناسبترین عناصر برای حضور در mating pool انتخاب می شوند و با سه عملگر پایه ای ژنتیک ؛ تولید مثل،ادغام و جهش ؛ جهت تولید نسل جدید تکامل می یابند .بر پایه بقاء بهترین هامی توان نتیجه گرفت کروموزوم های بدست آمده با استفاده از روشی منتخب بهترین کروموزوم ها قابل حصول می باشند.
از جمله مزایای GA که این روش را جهت بکارگیری آن در مورد انتخاب متغیر مناسب می نماید می توان به توانایی پیدا کردن بهینه عمومی با سرعت بالا،امکان جستجو موازی چند نقطه و نیز فرار از بهینه های محلی اشاره نمود.
قیمت فقط8,000 تومان پرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : مهدی حیدری
شماره تماس : 09033719795 - 07734251434
ایمیل :info@sellu.ir
سایت :sellu.ir
مشخصات فایل
فرمت : doc
تعداد صفحات : 40
قیمت : 8,000 تومان
حجم فایل : 14817 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلاین مقاله مقدمه ای بر شبکه های عصبی مصنوعی است
این مقاله مقدمه ای بر شبکه های عصبی مصنوعی است. گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است. همچنین رابطه بین چیزهای ساختگی و واقعی مورد بررسی قرار گرفته و در مورد آن توضیح داده شده است و به شرح مدل های ریاضی در رابطه با این موضوع و آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله و هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی و شناسایی شبکه های آشوبگونه آغشته به نویز بر مبنای شبکه های عصبی feedforward رگولاریزاسیون و همچنین شبکه های عصبی و الگوریتم های ژنتیک در تجارت می پردازیم.
فهرست مطالب
فهرستصفحه مقدمه1 فصل اول:2 سابقه تاریخی2 استفاده های شبکه عصبی3 مزیتهای شبکه عصبی3 شبکه های عصبی در مقابل کامپیوتر های معمولی4 شباهت های انسان و سلول های عصبی مصنوعی5 چگونه مغز انسان می آموزد5 انواع یادگیری برای شبکه های عصبی6 هوش جمعی12 فصل دوم:15 معرفی15 نورون با خاصیت آشوبگونه16 شکل شبکه17 قانون آموزش شبکه18 مدلسازی ژنراتور سنکرون دریایی21 نتایج فصل26 فصل سوم :27 معرفی27 منحنی طول - کشش28 فهرستصفحه شبکه های عصبی29 نتایج تجربی29 نتیجه فصل33 فصل چهارم:34 معرفی34 نمادها و مقدمات35 نتایج مهم40 شرح مثال47 نتیجه فصل51 فصل پنجم:53 معرفی53 شبکه های feedforward رگولاریزاسیون54 طراحی شبیه سازی55 شبیه سازی ها57 نتیجه فصل59 فصل ششم :60 فناوری شبکه عصبی62 فناوری الگوریتم ژنتیک65 بازاریابی66 بانکداری و حوزه های مالی68 منابع73
قیمت فقط6,900 تومان پرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : مهدی حیدری
شماره تماس : 09033719795 - 07734251434
ایمیل :info@sellu.ir
سایت :sellu.ir
مشخصات فایل
فرمت : doc
تعداد صفحات : 79
قیمت : 6,900 تومان
حجم فایل : 701 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلمعرفی کوتاهی بر انواع روش های بهینه سازی
بهینه‌سازی یک فعالیت مهم و تعیین‌کننده در طراحی ساختاری است. طراحان زمانی قادر خواهند بود طرحهای بهتری تولید کنند که بتوانند با روشهای بهینه‌سازی در صرف زمان و هزینه طراحی صرفه‌جویی نمایند. بسیاری از مسائل بهینه‌سازی در مهندسی، طبیعتاً پیچیده‌تر و مشکل‌تر از آن هستند که با روشهای مرسوم بهینه‌سازی نظیر روش برنامه‌ریزی ریاضی و نظایر آن قابل حل باشند....
قیمت فقط650 تومان پرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : مهدی حیدری
شماره تماس : 09033719795 - 07734251434
ایمیل :info@sellu.ir
سایت :sellu.ir
مشخصات فایل
فرمت : docx
تعداد صفحات : 18
قیمت : 650 تومان
حجم فایل : 54 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلطراحی المانهای یک ترانزیستور با استفاده از الگوریتم ژنتیک
در این گزارش به تشریح طراحی المانهای یک ترانزیستور با استفاده از الگوریتم ژنتیک برای رسیدن به یک بهره مشخص خواهیم پرداخت .
در بسیاری از اوقات نیاز است که برای داشتن یک بهره ( ولتاژ یا جریان) به طراحی تک تک المانهای مدار پرداخت ، که این کار یک کار وقت گیر میباشد که نیاز به حل چند معادله وچند مجهول است . که برای رفع این مشکل در این تحقیق از یک الگوریتم پر کاربرد به نام الگوریتم ژنتیک ، برای طراحی المانهای مداری استفاده شده است .
المانهایی که در این تحقیق طراحی می شوند عبارتند از :R1 ،R2 ، RC ، RE و Vcc
این تحقیق قادر است المانهای امیتر مشترک و کلکتور مشترک برای رسیدن به یک بهره دلخواه را طراحی کند .
قیمت فقط40,000 تومانپرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
مشخصات فایل
فرمت : zip
تعداد صفحات : 27
قیمت : 40,000 تومان
حجم فایل : 101 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلپایان نامه الگوریتم ژنتیک
فهرست مطالب
فصل اول------------------------------------------------------- 1
1-1- مقدمه------------------------------------------------------------ 2
1-2- به دنبال تکامل...----------------------------------------------------- 3
1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک---------------------------------------- 4
1-4- درباره علم ژنتیک----------------------------------------------------- 6
1-5- تاریخچۀ علم ژنتیک--------------------------------------------------- 6
1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین)------------------------------------ 7
1-7- رابطه تکامل طبیعی با روشهای هوش مصنوعی--------------------------------- 10
1-8- الگوریتم---------------------------------------------------------- 11
1-8-1- الگوریتم‌های جستجوی ناآگاهانه--------------------------------------- 12
1-8-1-الف- جستجوی لیست-------------------------------------------- 12
1-8-1-ب- جستجوی درختی-------------------------------------------- 13
1-8-1-پ- جستجوی گراف--------------------------------------------- 14
1-8-2- الگوریتم‌های جستجوی آگاهانه---------------------------------------- 14
1-8-2-الف- جستجوی خصمانه------------------------------------------ 15
1-9- مسائل NP-Hard---------------------------------------------------- 15
1-10- هیوریستیک------------------------------------------------------- 17
1-10-1- انواع الگوریتم‌های هیوریستیک--------------------------------------- 19
فصل دوم------------------------------------------------------- 21
2-1- مقدمه------------------------------------------------------------ 22
2-2- الگوریتم ژنتیک------------------------------------------------------ 23
2-3- مکانیزم الگوریتم ژنتیک------------------------------------------------- 25
2-4- عملگرهای الگوریتم ژنتیک---------------------------------------------- 28
2-4-1- کدگذاری------------------------------------------------------ 28
2-4-2- ارزیابی------------------------------------------------------- 29
2-4-3- ترکیب-------------------------------------------------------- 29
2-4-4- جهش-------------------------------------------------------- 29
2-4-5- رمزگشایی----------------------------------------------------- 30
2-5- چارت الگوریتم به همراه شبه کد آن----------------------------------------- 30
2-5-1- شبه کد و توضیح آن----------------------------------------------- 31
2-5-2- چارت الگوریتم ژنتیک--------------------------------------------- 33
2-6- تابع هدف--------------------------------------------------------- 34
2-7- روشهای کد کردن--------------------------------------------------- 34
2-7-1- کدینگ باینری--------------------------------------------------- 35
2-7-2- کدینگ جایگشتی------------------------------------------------- 36
2-7-3- کد گذاری مقدار------------------------------------------------- 37
2-7-4- کدینگ درخت-------------------------------------------------- 38
2-8- نمایش رشته‌ها------------------------------------------------------- 39
2-9- انواع روشهای تشکیل رشته--------------------------------------------- 41
2-10- باز گرداندن رشته‌ها به مجموعه متغیرها-------------------------------------- 42
2-10-1- تعداد بیت‌های متناظر با هر متغیر-------------------------------------- 43
2-11- جمعیت---------------------------------------------------------- 44
2-11-1- ایجادجمعیت اولیه----------------------------------------------- 44
2-11-2- اندازه جمعیت-------------------------------------------------- 45
2-12- محاسبه برازندگی (تابع ارزش)------------------------------------------- 46
2-13- انواع روشهای انتخاب------------------------------------------------ 48
2-13-1- انتخاب چرخ رولت---------------------------------------------- 49
2-13-2- انتخاب حالت پایدار---------------------------------------------- 51
2-13-3- انتخاب نخبه گرایی----------------------------------------------- 51
2-13-4- انتخاب رقابتی-------------------------------------------------- 52
2-13-5- انتخاب قطع سر------------------------------------------------- 52
2-13-6- انتخاب قطعی بریندل---------------------------------------------- 53
2-13-7- انتخاب جایگزینی نسلی اصلاح شده------------------------------------ 53
2-13-8- انتخاب مسابقه-------------------------------------------------- 54
2-13-9- انتخاب مسابقه تصادفی-------------------------------------------- 54
2-14- انواع روشهای ترکیب------------------------------------------------ 54
2-14-1- جابه‌جایی دودوئی----------------------------------------------- 55
2-14-2- جابه‌جایی حقیقی------------------------------------------------ 58
2-14-3- ترکیب تک‌نقطه‌ای----------------------------------------------- 59
2-14-4- ترکیب دو نقطه‌ای----------------------------------------------- 60
2-14-5- ترکیب n نقطه‌ای------------------------------------------------ 60
2-14-6- ترکیب یکنواخت------------------------------------------------ 61
2-14-7- ترکیب حسابی-------------------------------------------------- 62
2-14-8- ترتیب------------------------------------------------------- 62
2-14-9- چرخه------------------------------------------------------- 63
2-14-10- محدّب------------------------------------------------------ 64
2-14-11- بخش_نگاشته------------------------------------------------- 64
2-15- احتمال ترکیب------------------------------------------------------ 65
2-16- تحلیل مکانیزم جابجایی------------------------------------------------ 66
2-17- جهش----------------------------------------------------------- 66
2-17-1- جهش باینری--------------------------------------------------- 69
2-17-2- جهش حقیقی--------------------------------------------------- 69
2-17-3- وارونه سازی بیت------------------------------------------------ 70
2-17-4- تغییر ترتیب قرارگیری--------------------------------------------- 70
2-17-5- وارون سازی--------------------------------------------------- 71
2-17-6- تغییر مقدار---------------------------------------------------- 71
2-18- محک اختتام اجرای الگوریتم ژنتیک---------------------------------------- 72
2-19- انواع الگوریتم‌های ژنتیکی---------------------------------------------- 72
2-19-1- الگوریتم ژنتیکی سری--------------------------------------------- 73
2-19-2- الگوریتم ژنتیکی موازی-------------------------------------------- 74
2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی----------------------------------- 75
2-21- نقاط قوّت الگوریتم‌های ژنتیک------------------------------------------- 76
2-22- محدودیت‌های GAها------------------------------------------------- 78
2-23- استراتژی برخورد با محدودیت‌ها------------------------------------------ 79
2-23-1- استراتژی اصلاح عملگرهای ژنتیک------------------------------------ 79
2-23-2- استراتژی رَدّی-------------------------------------------------- 79
2-23-3- استراتژی اصلاحی----------------------------------------------- 80
2-23-4- استراتژی جریمه‌ای----------------------------------------------- 80
2-24- بهبود الگوریتم ژنتیک------------------------------------------------- 81
2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک---------------------------------- 81
فصل سوم------------------------------------------------------ 86
3-1- مقدمه------------------------------------------------------------ 87
3-2- حلّ معمای هشت وزیر------------------------------------------------- 88
3-2-1- جمعیت آغازین-------------------------------------------------- 90
3-2-2- تابع برازندگی--------------------------------------------------- 94
3-2-3- آمیزش-------------------------------------------------------- 95
3-2-4- جهش ژنتیکی--------------------------------------------------- 96
3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد--------------------------------- 97
3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک--------------------------------- 99
3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP------------------------- 107
3-3-3- نتیجه گیری---------------------------------------------------- 108
3-4- حلّ مسأله معمای سودوکو----------------------------------------------- 109
3-4-1- حل مسأله----------------------------------------------------- 110
3-4-2- تعیین کروموزم-------------------------------------------------- 110
3-4-3- ساختن جمعیت آغازین یا نسل اول-------------------------------------- 111
3-4-4- ساختن تابع از ارزش----------------------------------------------- 112
3-4-5- ترکیب نمونه‌ها و ساختن جواب جدید----------------------------------- 113
3-4-6- ارزشیابی مجموعه جواب-------------------------------------------- 118
3-4-7- ساختن نسل بعد-------------------------------------------------- 118
3-5- مرتب سازی به کمک GA----------------------------------------------- 119
3-5-1- صورت مسأله--------------------------------------------------- 119
3-5-2- جمعیت آغازین-------------------------------------------------- 119
3-5-3- تابع برازندگی--------------------------------------------------- 122
3-5-4- انتخاب------------------------------------------------------- 123
3-5-5- ترکیب-------------------------------------------------------- 123
3-5-6- جهش-------------------------------------------------------- 124
فهرست منابع و مراجع----------------------------------------------- 126
پیوست----------------------------------------------------------- 127
واژه‌نامه---------------------------------------------------------- 143
قیمت فقط10,000 تومانپرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
مشخصات فایل
فرمت : docx
تعداد صفحات : 149
قیمت : 10,000 تومان
حجم فایل : 472 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایل