الگوریتم های زمانبندی در سیستم های توزیعی PPT

اختصاصی از اس فایل الگوریتم های زمانبندی در سیستم های توزیعی PPT دانلود با لینک مستقیم و پر سرعت .

نام محصول : پاورپوینت فیزیوپاتولوژی دستگاه ادراری

فرمت : PPT

حجم :0.5 مگابایت

تعداد اسلاید : 25

زبان : فارسی

سال گردآوری : 1395

OLB (Opportunistic Load Balancing)

MET(Minimum Execution Time)

MCT(Minimum Completion Time)

پروژه الگوریتم های ژنتیک از نظر رشته کامپیوتر. doc

اختصاصی از اس فایل پروژه الگوریتم های ژنتیک از نظر رشته کامپیوتر. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 69 صفحه

چکیده:

الگوریتم های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کنند.الگوریتم های ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی  بر مبنای رگرسیون هستند.همان طور ساده،خطی وپارامتری یک گفته می شود،به الگوریتم های ژنتیک می توان غیر پارامتریک گفت.

 مختصراً گفته می شود که الگوریتم ژنتیک یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل نمسئله استفاده می کند.مسئله ای که باید حل شود ورودی است و راه حلها طبق یک الگو کد گذاری می شودویک تابع هر راه حل کاندید را ارزیابی می کندکه اکثر آنها به صورت تصادفی انتخاب می شوند.

مقدمه:

در جهان طبیعت موجودات دائماً در حال مبارزه برای زنده ماندن و فرار از دست دشمنان خود بوده و نیز برای بقا وکسب غذا نیاز به غلبه بر مکانیسمهای دفاعی دیگر گونه‌های حیاتی بوده تا آنها را به عنوان غذا طعمه خود قرار دهند.

هر گونه‌ای از موجودات اعم از گیاهی و جانوری برای نیل به موارد بالا به ابزارهای خاصی مسلح هستند که در صورت ناکارآمد بودن این ابزارها در مقابل تهدیدات خارجی، حیات و بقای آن گونه خاص از موجودات با خطر جدی مواجه می‌شود.

گونه های فراوانی از موجودات در این فرآیند تنازع بقا یا بقای اصلح به نحوی از بین رفته‌اند که فقط از روی فسیلها یا دیگر آثار باستان شناسی به وجود آنها در زمانهای بسیار دور گذشته پی برده شده است.

اما در موارد بسیاری ارگانیسمهای زنده به نحوی خود را با شرایط دشواری که بقای گونه آنها را تهدید می‌کرد، کنار آمده اند و در طول چندین نسل موفق شده اند تا با تغییر وجهش ژنتیکی در اندام خود، به زندگی ادامه بدهند.

فرآیند های تکاملی با رعایت اصول هیدرو دینامیک برای ماهیها وآبزیان و اصول آئرو دینامیکی برای پرندگان و خفاشها، در طول سالها و نسلهای متمادی زندگی با ضریب اطمینان بیشتری را فراهم کرده است.

با اثبات کار آمدی علم نوپای بیونیک در اوایل قرن بیستم، توجه به فرآیندهای طبیعی نمود بیشتری یافت. بیونیک، علم مطالعه موجودات زنده و استفاده از ساختار فیزیولوژیکی و رفتار ارگانیک آنها برای بهینه سازی عملکرد مصنوعات بشری است.بدلیل اینکه نظامهای حاکم بر موجودات زنده  یک فرآیند تکاملی را درطول دوره‌ها و نسلهای مختلف طی کرده است و درواقع امتحان خود را پس داده است و می‌تواند الگوی مناسبی برای کاربردهای مشابه در ابزار ساخت بشر باشد.

بعنوان یک مثال شاخص، قطعاً الهام و ایده ساخت دستگاه رادار از روی عملکرد خفاش در پردازش انعکاسات صوتی خیلی سریع به ذهن متبادر می‌شود.

فهرست مطالب:

فصل اول ) الگوریتمهای ژنتیک

1-1-مبانی تکامل

1-2-بحث تاریخی

1-3-الگوریتمهای ژنتیک

1-3-1-انتخاب طبیعی

1-4-عملکرد الگوریتمهای ژنتیک

1-4-1-کد کردن

1-4-2-شما

1-4-3-ایجاد جمعیت اولیه

1-4-4-عملگرهای برشی

1-4-5-عملگرهای جهشی

1-4-6-توضیح مجدد الگوریتم به‌همراه شبه‌کد آن

1-4-7-خلاصه ویژگی‌ها

1-4-8- مثال

1-4-9-مکانیزمهای انتخاب

1-4-9-1-انتخاب چرخ رولت

1-4-9-2- انتخاب قطع سر

1-4-9-3-انتخاب قطعی بریندل

1-4-9-4- انتخاب نخبه‌گرا

1-4-9-5-انتخاب جایگزینی نسلی اصلاح شده

1-4-9-6- انتخاب مسابقه

1-4-9-7- انتخاب مسابقه تصادفی

1-4-10-مکانیزمهای برش

1-4-10-1-یک نقطه برش

1-4-10-2- دو نقطه برش

1-4-10-3- بخش-نگاشته

1-4-10-4- ترتیب

1-4-10-5- برش یکنواخت

1-4-10-6- چرخه

1-4-10-7- محدب

1-4-11-مکانیزمهای جهش

1-4-12-استراتژی برخورد با محدودیت‌ها

1-4-12-1-استراتژی اصلاح عملگرهای ژنتیک

1-4-12-2-استراتژی ردی

1-4-12-3-استراتژی اصلاحی

1-4-12-4-استراتژی جریمه‌ای

فصل دوم ) مسائل NP

2-1-پیچیدگی محاسباتی

2-2-آیا P=NP می‌باشد؟

2-3-پیچیدگی زمانی

2-4-معرفی NP-Complete

2-5-بررسی ناکارآمد بودن زمانی

2-6-چرا حل مسائل NP-Complete مشکل است؟

2-7-روش‌هایی برای حل مسائل NP-Complete

2-8-نمونه مساله

فصل سوم ) کاربرد الگوریتمهای ژنتیک در مسائل NP32

3-1-رنگ آمیزی گراف

3-2-مسئله کوله پشتی

3-3-فروشنده دوره گرد

3-3-1-حل مسئله فروشنده دوره گرد با الگوریتم ژنتیک

3-3-1-1-Encoding

3-3-1-2-  Crossover

3-3-1-3-Mutation

فصل چهارم ) نتیجه گیری و پیشنهادات

4-1-نتیجه گیری

واژه نامه

فهرست منابع اینترنتی

فهرست منابع انگلیسی

فهرست شکل ها:

شکل 1-1) باسیلوزوروس

شکل 2-1) باله باسیلوزوروس

شکل 3-1)چرخ رولت

فهرست جداول

جدول 2-1) مقایسة الگوریتم ژنتیک با سیستم‌های طبیعی

منابع و مأخذ:

[1]-www.aic.nrl.navy.mil/galist

[2]-www.en.wikipedia.org/wiki/

[3]-www.solver.com/gabasics.html

[4]-www.estec.esa.nl/outreach/gatutor/

[5]-www.cee.hw.ac.uk/~alison/ai3/

[6]-www.renard.org/alife/english/gavgb.html

[7]-www.aaai.org/AITopics/html/genalg.html

[8]-www.watchcomputer.com/genetic_algorithm.html

[9]-www.seas.gwu.edu/~simhaweb/cs177/

[10]-www.nature.com/nsu/index.html

[11]-www.scs.carleton.ca/~csgs/resources/gaAI.htm

[12]-www.lancet.mit.edu/~mbwall/presentations/IntroToGA

[13]-www.tjhsst.edu/~rlatimes/ai/lingo.html

[14]-www.cs.felk.cvut.cz/~xobitko/ga/main.html

[15]-www.cs.bgu.ac.il/~sipper/ga.html

[16]-www.fact_index.com/g/ge/genetic_algorithm.html

[17]- www.systentechnick.tu-ilemnau.de/~pohlheim

[18]- www.cs.cmu.edu/Groups/AI/html/faqs/ai/genetic

[19]-www.home.ksp.or.jp/csd/english/ga/gatrial_index.html

فهرست منابع انگلیسی

[1]- Coley, David. E. {University of Exeter},  “An Introduction to Genetic Algorithms for scientists and engineers”  ,  World Scientific Poblication co , 1999.

 [2]- Vose, Michael. D. {University of Tennessee} ,  “The Simple Genetic Algorithms :Foundations and Theory” ,   Eastern Economy Edition, 1999

[3]- Gen,M. and cheng, R. ,  “Genetic Algorithms and engineering design”  ,  John Wiley & sons, 1997

 [4]- Thompson & Thompson ,   “genetics in Medicine” (Farsi Translation),   By: Dr.Hemmatkhah(phd)

تحقیق درباره بررسی الگوریتم DES

اختصاصی از اس فایل تحقیق درباره بررسی الگوریتم DES دانلود با لینک مستقیم و پر سرعت .

فرمت:word،تعدادصفحات:5صفحه

رمزDES ازیک رمز قالی داخلی باطول قالب 32 و یک جا یگشت آغازین با معکوسش تشکیل شده است و تعداد دور همانطور که در بالا اشاره شده برابر است با 16 .

پاورپوینت صفر تا صد الگوریتم ژنتیک

اختصاصی از اس فایل پاورپوینت صفر تا صد الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

این فایل حاوی مطالعه کامل مبحث الگوریتم ژنتیک می باشد که به صورت فرمت PowerPoint در 72 اسلاید در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.

فهرست
مزایای الگوریتم ژنتیک
معایب الگوریتم ژنتیک
ساختار الگوریتم ژنتیک
مفاهیم الگوریتم ژنتیک
مراجل اجرای الگوریتم ژنتیک
فلوچارت حل مسایل الگوریتم ژنتیک
حل الگوریتم ژنتیک در 12 گام

تصویر محیط برنامه

تحقیق درباره بررسی الگوریتم ژنتیک

اختصاصی از اس فایل تحقیق درباره بررسی الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه16

 آشنایی با الگوریتم ژنتیک

الگوریتم ژنتیک از روشهای جستجوی مستقیم اتفاقی است که بر پایه اصول انتخاب طبیعی و بقای اصلح قرار دارد. اصطلاحات بکار رفته در الگوریتم ژنتیک کاملاً شبیه واژگان ژنتیک طبیعی است و حتی تشابه نزدیکی بین عناصر این دو وجود دارد. این روش، اولین بار توسط جان هلند از دانشگاه میشیگان در سال 1975 پیشنهاد شد.

ساختار اصلی که توسط الگوریتم پردازش می‌شود، رشته ( کرموزم ) است. یک رشته زنجیره ای از تعدادی کد ( اغلب کدهایی دودیی ) با طول معلوم است. بیتهای رشته (صفر یا 1 در یک رشته دودویی) معادل ژنهای طبیعی‌اند. هر کدام بیانگر یک متغیر ( مشابه یک ویژگی در ژنتیک طبیعی همانند رنگ چشم ) و هر مصداق خاصی از کد به طور مستقیم یا غیر مستقیم بیانگر مقدار مشخصی از آن متغیر است ( معادل مثلاً چشم آبی ).

شکل 1- رشته در الگوریتم ژنتیک شامل پارامترها بصورت کد دودویی است.

کدهای یک رشته به اندازه تعداد متغیرهاست، پس یک رشته اساسا بیانگر یک جواب ممکن است. با الگوریتم ژنتیک ایجاد یک جمعیت اولیه از رشته‌ها از طریق انتخاب تصادفی مقادیر بیتهای رشته آغاز می‌شود. تعداد رشته‌ها (کروموزمها) در جمعیت، اندازه جمعیت نامیده می‌شود. اندازه جمعیت در ابتدا توسط کاربر تعیین می‌شود یا اینکه بر طبق قاعده‌ای که بعدا خواهد آمد، توسط کامپیوتر تعیین می‌شود و در طی جستجو، ثابت نگه داشته می‌شود.

برازندگی یک رشته (جواب ممکن ) توسط تابع محاسبه می‌شود. چون الگوریتم ژنتیک دنبال ماکزیمم کردن برازندگی جوابهای ممکن است، در یک مسأله ماکزیمم سازی، برازندگی برابر مقدار تابع هدف محاسبه شده برای مقادیر خاص پارامتر که هر رشته بیان می‌کند، می‌باشد. یعنی تابع برازندگی همان تابع هدف است اما در مسأله مینیمم سازی برازندگی با افزایش تابع هدف کاهش می‌یابد. یک راه برای جبران آن تعریف تابع برازندگی به صورت :

1- تابع هدف- مقدار ثابت = تابع برازندگی

که مقدار ثابت به اندازه کافی بزرگ انتخاب می‌شود تا از منفی شدن برازندگی جلوگیری شود. یک مقدار متداول برای این مقدار ثابت، مجموع و ماکزیمم تابع هدف درهر نسل است.

روش دیگرمعکوس کردن تابع هدف می‌باشد.