Please use this identifier to cite or link to this item: https://dspace.nplg.gov.ge/handle/1234/173432
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorმეფარიშვილი, ბადრი-
dc.contributor.authorპეტაშვილი, პეტრე-
dc.date.accessioned2016-09-19T11:46:42Z-
dc.date.available2016-09-19T11:46:42Z-
dc.date.issued2016-
dc.identifier.urihttp://dspace.nplg.gov.ge/handle/1234/173432-
dc.description.tableofcontentsშესავალი -- თავი 1 ლიტერატურის მიმოხილვა -- 1.1 კოლექტიური ინტელექტი -- 1.2 მულტი-რობოტული სისტემები -- თავი 2 მულტი-რობოტული სისტემები -- 2.1 საგნობრივი სფერო. ამოცანის დასმა. კვლევის აქტუალურობა და მნიშვნელობა -- 2.1.1 უპილოტო მიწისზედა ტრანსპორტის ნავიგაციის მოდელირების და მართვის ამოცანა განუსაზღვრელ პირობებში -- 2.1.2 უპილოტო მიწისზედა ტრანსპორტის ნავიგაციის მოდელირების და მართვის ამოცანა გარემოს მონიტორინგის მიზნით --2.1.3 კვლევის მიზანი --2.1.4 კვლევის სიახლე --2.2 მულტი-რობოტული სისტემების მიმოხილვა --2.2.1 მულტი-რობოტული სისტემის არქიტექტურა --2.2.2 მულტი-რობოტული სისტემის მართვის სტრატეგიები-- 2.2.3 მულტი-აგენტური სისტემის პროგრამული არქიტექტურა -- თავი 3 მულტი-რობოტული სისტემების თეორიული ასპექტები -- 3.1 ოპტიმიზაციის ამოცანის ფორმალიზაცია -- 3.1.1 ოპტიმიზაციის ალგორითმების კლასიფიკაცია -- 3.1.2 ერთი და მრავალმიზნობრივი ოპტიმიზაცია -- 3.1.3 პარეტოს ოპტიმიზაცია (Pareto Optimization) -- 3.2 სოციალური ენტროპია და სინერგია-- 3.2.1 ენტროპია მულტი-რობოტულ სისტემებში -- 3.2.2 სინერგია -- 3.3 კლასტერიზაციის მიმოხილვა -- 3.3.1 ვორონოის დიაგრამა (Voronoi Diagram) --3.3.2 კოჰონენის თვითორგანიზებადი რუკა (SOM) -- 3.3.3 კლასტერიზაცია K-Means - ის მეთოდით --თავი 4 ევოლუციური ალგორითმების მიმოხილვა და ანალიზი -- 4.1 გენეტიკური ალგორითმი (GA) -- 4.1.1 გენეტიკური ალგორითმის კლასიკური მოდელი -- 4.2 გენეტიკური პროგრამირება (GP)-- 4.3 ხელოვნური ნეირონული ქსელები (ANN) -- 4.3.1 ნეირონის მათემატიკური მოდელი --4.3.2 ხელოვნური ნეირონული ქსელის სწავლება -- 4.3.3 ხელოვნური ნეირონული ქსელის მოდელები -- 4.4 კოლექტიური ინტელექტი -- 4.5 ნაწილაკების გროვის ოპტიმიზაცია (PSO)-- 4.5.1 PSO-ს პარამეტრები -- 4.6 ჭიანჭველების კოლონის ოპტიმიზაცია (ACO) -- 4.7 ამოწვის მეთოდი (ANNEALING) -- 4.8 იმპერიალისტური მეთოდი (ICA) -- 4.8.1 მეთოდის აღწერა -- თავი 5 მულტი-რობოტული სისტემების მართვის ახლებური მიდგომა -- 5.1 ალგორითმის აღწერა--5.1.1 ინიციალიზაცია --5.1.2 კლასტერიზაცია --5.1.3 განახლება--5.1.4 კლასტერების გაერთიანება --5.1.5 ალგორითმის შეწყვეტა -- 5.2 ახლებური მიდგომის უპირატესობები-- 5.3 ექსპერიმენტის დაგეგმვა და რეალიზაცია-- თავი 6 შედეგები და მათი განსჯა -- თავი 7 დასკვნა-- გამოყენებული ლიტერატურა .-
dc.format.extent136 გვ.en_US
dc.language.isokaen_US
dc.publisherთბილისიen_US
dc.sourceკოლექტიური ინტელექტის მეთოდების გამოყენება მულტი-რობოტული სისტემების მართვაში/პეტრე, პეტაშვილი; დის...დოქტ. აკად. ხარ. სამეცნ.ხელმძღვ.: ბადრი, მეფარიშვილი; საქ. ტექნიკური უნ–ტი; თბ., 2016-136 გვ. (საქართველოს პარლამენტის ეროვნული ბიბლიოთეკა, საარქივო ფონდი)en_US
dc.subjectკოლექტიური ინტელექტიen_US
dc.subjectინფორმატიკაen_US
dc.subjectმულტი–რობოტული სისტემებიen_US
dc.titleკოლექტიური ინტელექტის მეთოდების გამოყენება მულტი-რობოტული სისტემების მართვაშიen_US
dc.typeThesisen_US
dc.rights.holderსაქართველოს პარლამენტის ეროვნული ბიბლიოთეკაen_US
Appears in Collections:ეროვნული ბიბლიოთეკის დისერტაციებისა და ავტორეფერატების ფონდი

Files in This Item:
File Description SizeFormat 
Dissertacia.pdf4.3 MBAdobe PDFThumbnail
View/Open
AutoRefferat.pdf949.04 kBAdobe PDFThumbnail
View/Open
Danarti_TestResults.pdf920.82 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.