مسیریابی با روشDQN یا PRM
پیشنیاز پروژه : آشنایی با هوش مصنوعی و ML ، زبان برنامه نویسی پایتون، کار با Pygame یا Tkinter یا Unity و یا هر محیط دیگری که بتواند پیاده سازی که در قسمت بعد توضیح داده شده را انجام دهد. آشنایی با الگوریتم DDQN یا PRM و یا الگوریتم های مسیر یابی موجود Reinforcement Learning، جهت استفاده برای حرکت ماشین ها. توضیحات پروژه : برا مشخص شدن قسمت های کار و پیشروی راحت تر، کار را به ۳ بخش تقسیم کردیم. در نهایت فایل پیاده سازی قسمت ۱ و ۲ که انجام شده را هم در اختیارتان قرار میدیم ولی این بدان منظور نیست که باید از این پیاده سازی استفاده کنید. میتوانید همین پروژه را تکمیل کنید و میتوانید به هر روش دیگری که میخواهید انجام دهید، مهم خروجی در نظر گرفته شده هست. بصورت کلی پروژه حرکت چند ماشین را نشان میدهد که یکی از ماشین ها هوشمند هست و هنگامی که بین چندین ماشین قرار بگیرد و راه خروج ندارد با استفاده از فرمولی که به شما میدهیم ماشین تصمیم میگیرد با یکی از ماشین ها که ضریب خسارت کمتری دارد تصادف کند. بخش اول : در این بخش یک محیط ( که درون آن جاده هست ) را برای حرکت ماشین ها در نظر میگیریم و سپس یک ماشین را درون جاده قرار میدهیم، بصورتی که درون جاده حرکت میکند و با استفاده از یکی از الگوریتم های RL ( بعنوان مثال DDQN ) جاده را تشخیص میدهد و سعی میکند در جاده حرکت کند و درصورت برخورد تابع ریوارد را دریافت کند و لرن کند . بخش دوم : چندین ماشین دیگر به محیط اضافه شوند. این دسته از ماشین ها هوشمند نیستند ( فقط یکی از ماشین ها که در قسمت اول گفته شد بعنوان ماشین اصلی در نظر گرفته شده که هوشمند هست ). این نوع ماشین ها فقط باید در مسیر جاده حرکت کنند و هر کدام با یک سرعت متفاوت حرکت کنند. پیشنهاد میشود در این بخش بدین گونه عمل کرد که کلاسی که برای این دسته از ماشین ها تعریف میشود قابلیت این را داشته باشند که در هر زمان بتوان موقعیت بعدی را مشخص کرد. بعنوان مثال در لحظه ی T0 و در موقعیت X0 قرار داشته باشد و در لحظه ی T1 در موقعیت X1 و ... علت این کار را هم در مرحله ی بعد متوجه میشوید. بخش سوم : در این بخش باید شرایطی پیش بیاید که ماشین هوشمند بین چند ماشین دیگر و جاده قرار بگیرد بصورتی که از همه ی جهت ها هیچ راهی برای عبور ماشین هوشمند نباشد و ماشین هوشمند مجبور باشد با یکی از ماشین ها برخورد کند. در همین موقعیت با فرمولی که به شما تحویل میدهیم ماشین هوشمند تصمیم میگیرد که با کدام ماشین برخورد داشته باشد. علت مشخص کردن زمان و مکان در بخش دوم که توضیح دادم برای راحتی کار در همین بخش هست که بتوانیم حرکت ماشین های دیگر را تعیین کنیم و موقعیت تصادف را بوحود بیاوریم، در غیر این صورت از نظر بنده کار پیچیده میشود. حال برای این مورد هم تصمیم بر عهده ی مجری کار است. مهم خروجی مورد نظر هست. در انتهای کار چندین شکل از پیاده سازی که انجام شده برای هر بخش قرار داده شده، این برای فهم و درک بهتر از خروجی مورد نظر هست و مجری کار میتواند از کتابخانه و زبان و ... که راحت تر هست استفاده کند. مهم خروجی کار هست.
بودجه
توافقی
تاریخ انقضا
3 بهمن 1402
مدت زمان پروژه
10 روز
پیشنهادها
0 پیشنهاد
نیاز به فاز بندی
ندارد
سطح پروژه
حرفه ای
مهارت‌های مورد نیاز پروژه
دسته‌بندی
پروژه های مشابه
پیاده سازی تبلیغات تپسل برای بازی
من یک بازی با موتور بازی سازی گیم میکر طراحی کردم الان میخواهم تبلیغات تپسل را روی این بازی پیاده سازی کنم ولی پلاگین مربوط به گیم میکر برای سایت تپسل را میخواهم تا بتوانم تبلیغات تپسل را پیاده سازی کنم یا اگر روش دیگری برای پیاده سازی تبلیغات تپسل دارید فرقی نمیکند . من هدفم پیاده سازی تبلیغات تپسل برای این بازی است و من دانش برنامه نویسی ندارم و این بازی را شخص دیگری برای من طراحی کرده ولی توانایی انجام این کار را نداره
1,200,000 تومان
حل مشکل ثبت نام مجدد کاربران در ربات تلگرامی
سلام من یه برنامه نویس صفر کیلومترم که این ربات رو با هوش مصنوعی دیپ سیک ساختم ولی یه مشکلی پیش اومده نمیتونم حلش کنم. تو این کد یه قابلیتی گذاشتم که ادمین بتونه درخواست های ثبت نام و ویرایش پروفایل رو تایید یا رد کنه. حالا مشکلی که پیش اومده اینه که وقتی یه کاربر ثبت نام میکنه و ادمین درخواست ثبت نامش رو رد میکنه، اطلاعاتی که داده از یوزر استیت پاک نمیشن و وقتی همون کاربر دوباره ثبت نام میکنه بعد از مرحله ی اول که اسم و فامیل هست، فرم درخواست ثبت نام برای ادمین ارسال میشه با همون اطلاعاتی که سری اول داده بود و ریجکت شده بود. من یه قابلیت هم برای گرفتن عکس از کاربر ها گذاشتم که باید یه عکس از صفحه پروفایلشون توی سایت ما بفرستن که توی سه تا پوشه ذخیره میشه یه پوشه برای ذخیره عکس کاربران user_images یه پوشه برای عکس هایی که ریجکت میشن user_image_rejection و یه پوشه هم برای عکس های قدیمی کاربرانی که عکسشونو هنگام ویرایش پروفایل عوض کردن user_images_history. مشکل دیگه ای که داریم اینه که وقتی ادمین درخواست ثبت نام یه کاربری رو ریجکت میکنه عکسش نمیره توی پوشه ی user_image_rejection و توی همون پوشه ی user_image میمونه. میخوام یه جوری این بخش رو طراحی کنید که وقتی کاربر درخواست ثبت نامش رد میشه بتونه بدون مشکل دوباره درخواست ثبت نام بفرسته و اگه ریجکت شد اطلاعاتش از همه جا پاک بشه. وقتی درخواست ثبت نام یا ویرایش پروفایل کاربر رد میشه، ربات از ادمین میپرسه آیا میخواهید دلیل ریجکتی را به کاربر بگویید؟ اگه بله رو بزنه میتونه به کاربر پیام خصوصی بده. این امکانم میخوایم همچنان فعال باشه و غیر فعال نشه. دقت بفرمایید در مورد ثبت نام این اتفاقات بیوفته نه در مورد ویرایش پروفایل. برای ذخیره ی اطلاعات قدیمی ویرایش پروفایل یه تیبل و تابع از قبل تعریف شده. درخواست بعدی که از برنامه نویس عزیز دارم اینه که کدمونو یه نگاه بندازید ببینید مشکلی وجود داره از نظر شما یا نه. مبلغ پیشنهادی رو لطفا برام بفرستید تا وارد مذاکره بشیم و کدها رو بفرستم براتون.
توافقی
Request for AI-Powered Cost Optimization Software for EPC Pr
From: Oil Design and Construction Company (ODCC) Date: 2/7/2025 Subject: Proposal for AI-Based Cost Estimation & Optimization Software for EPC Projects Introduction to ODCC Oil Design and Construction Company (ODCC) is a leading EPC contractor in Iran, specializing in refinery construction, petrochemicals, and hydrocarbon process plant industries. Established in 1991, ODCC has successfully executed world-scale projects, ranging from feasibility studies to turnkey mega-projects. Our extensive experience includes gas processing, oil & gas field development, petroleum refining, petrochemicals, and renewable energy projects. We are recognized as a 1st Grade EPC contractor in Iran and have been awarded multiple national project excellence awards. ODCC has delivered critical infrastructure projects, including the Abadan Refinery Upgrading Project, South Azadegan Oil Field Development, and Esfahan Oil Refinery Upgrading & Petrochemical Project. Given our commitment to cost efficiency and project optimization, we seek an AI-driven cost estimation and control solution to improve forecasting accuracy and cost efficiency in future projects. Project Scope & Objectives We aim to develop a machine-learning-based cost optimization system that will: 1. Leverage Historical Project Data – Analyze cost trends from previous EPC projects to improve future cost estimations. 2. Real-Time Cost Data Integration – Collect and update local (Rial) and international (USD, EUR) prices for materials and services. 3. Local Resource Optimization – Prioritize Iranian suppliers and contractors, given geopolitical constraints and local content requirements. 4. Risk Management & Cost Control – Provide real-time alerts for potential cost overruns, allowing proactive decision-making. 5. Scenario Analysis & Forecasting – Simulate various market conditions, currency fluctuations, and supply chain risks. Key Challenges • Currency Volatility: Managing cost variations between Iranian Rial, USD, and EUR. • Geopolitical & Sanctions Limitations: Ensuring compliance with restrictions while maximizing local procurement. • Data Complexity: Integrating diverse cost elements from procurement records, vendor databases, and historical budgets. • Supply Chain Disruptions: Mitigating risks associated with fluctuating availability of materials and foreign exchange constraints. Expected Deliverables We expect the AI company to provide: 1. A custom-built AI cost estimation and optimization platform. 2. Integration with procurement and financial systems to track real-time cost data. 3. User-friendly dashboards with predictive analytics for cost control. 4. Multi-currency support for cost comparisons and financial planning. 5. Training & Technical Support for ODCC’s project management team. Collaboration & Development Approach We seek a close collaboration between your AI specialists and ODCC’s procurement, engineering, and project management teams. The project will follow an iterative development model, ensuring the final product is fully aligned with ODCC’s operational requirements. Next Steps Please provide a detailed proposal including: • Technical approach for developing this AI solution. • Implementation timeline with key milestones. • Estimated budget and licensing model. • Case studies from similar projects (if available). We believe this collaboration will enhance ODCC’s ability to manage project costs, optimize local resources, and improve financial forecasting. We look forward to discussing this project further. Best regards,
50,000,000 تومان
1402 پارس فریلنسر. تمام حقوق محفوظ است.