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)
