رایانش نرم

اختصاصی از اس فایل رایانش نرم دانلود با لینک مستقیم و پر سرعت .

این پروژه شامل یک الگوریتم ژنتیک و سه الگوریتم PSO میباشد. 

کد کامل(MATLAB) برنامه نرم افزار بهینه سازی با روشهای الگوریتم ژنتیک (GA) و الگوریتم تجمع ذرات(PSO) باضافه رابط گرافیکی GUI

اختصاصی از اس فایل کد کامل(MATLAB) برنامه نرم افزار بهینه سازی با روشهای الگوریتم ژنتیک (GA) و الگوریتم تجمع ذرات(PSO) باضافه رابط گرافیکی GUI دانلود با لینک مستقیم و پر سرعت .

این نرم افزار در محیط GUI متلب برای درس بهینه سازی غیرخطی درس دوره کارشناسی ارشد یا دکتری زلزله نوشته شده است.

از قابلیتهای این نرم افزار می توان به موارد زیر اشاره کرد.

1- داشتن دو روش حل : روشهای الگوریتم ژنتیک (GA) و الگوریتم تجمع ذرات(PSO) که می توان به مقایسه نتایج اطلاعات و همچنین سرعت همگرایی دو روش پرداخت

2- داشتن 13 مثال از توابع غیرخطی مقید و نامقید آماده که می تواند برای یادگیری نحوه ورود توابع و همچنین قیدهای مربوط به توابع مقید مورد استفاده قرار گیرد.

3-ترسیم مراحل بهینه سازی بهمراه نتایج عددی هر مرحله

4- محیط زیبا و دسترسی تاحد امکان ساده به اطلاعات مختلف 

در زیر 2 عکس از محیط بهینه سازی روشهای الگوریتم ژنتیک (GA) و الگوریتم تجمع ذرات(PSO) را می توانید ملاحظه بفرمایید.

بهمراه فایل اجرایی این نرم افزار راهنمای نرم افزار نیز بصورت زیر ارائه می شود.

لازم بذکر است همانطوریکه اشاره شد این نرم افزار در محیط MATLAB R2010a تهیه شده که برای اجرای آن بایستی حتما کمپایلر متلب(MCRInstaller) ابتدا نصب گردد. اگر نرم افزار متلب (همین ورژن یا بالاتر) را دارید می توانید این فایل را از این مسیر  \MATLAB\R2010a\toolbox\compiler\deploy\win32 پیدا کنید در غیر اینصورت می توانید از لینک زیر آنرا دانلود بفرمایید.

دانلود کمپایلر نرم افزار متلب (MCRInstaller) به حجم 167 مگابایت

در صورتیکه برنامه متلب را در رایانه تان نصب شده دارید، نیازی به نصب کمپایلر نبوده و می توانید کد متلب برنامه و یا رابط GUI را در محیط متلب باز کرده و اجرا نمایید.

پروژه ماکسیمم کردن (f(x) = sinc(x با الگوریتم ژنتیک بدون تولباکس با نرم افزار MATLAB

اختصاصی از اس فایل پروژه ماکسیمم کردن (f(x) = sinc(x با الگوریتم ژنتیک بدون تولباکس با نرم افزار MATLAB دانلود با لینک مستقیم و پر سرعت .

فروش پروژه ماکسیمم کردن (f(x) = sinc(x با الگوریتم ژنتیک بدون تولباکس با نرم افزار MATLAB

این پروژه که قابل استفاده برای دانشجویان رشته ریاضی،عمران،کامپیوتر و سایر رشته های مربوطه می باشد در محیط متلب پیاده سازی و اجرا شده است.تمامی کدها و فرامین مربوطه به صورت صحیح اجرا می شوند و کاربر می تواند با تغیرات جزئی در آن،این پرژه را به عنوان یک پروژه مستقل مورد استفاده قرار دهد.شایان ذکر است قیمت این پروژه در سایت ما به صورت رقابتی بوده و قیمت اصلی این پروژه بسیار بالاتر از مبلغ فوق می باشد.

این پروژه دارای یک فایل پی دی اف فارسی نیز می باشد که کلیه مراحل ساخت برنامه به زبان فارسی در آن توضیح داده شده است

دانلود تحقیق الگوریتم ژنتیک

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

الگوریتم ژنتیک (Genetic Algorithm - GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکامل است که از تکنیک‌های زیست‌شناسی فرگشتی مانند وراثت و جهش استفاده می‌کند.

در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند. الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای تصادف هستند. مختصراً گفته می‌شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسأله‌ای که باید حل شود ورودی است و راه‌حل‌ها طبق یک الگو کد گذاری می‌شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.

کلاً این الگوریتم‌ها از بخش های زیر تشکیل می‌شوند: تابع برازش، نمایش، انتخاب، تغییر.

فصل اول

1-1- مقدمه

1-2- به دنبال تکامل

1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک

1-4- درباره علم ژنتیک

1-5- تاریخچۀ علم ژنتیک

1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین

1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی

1-8- الگوریتم

1-8-1- الگوریتم‌های جستجوی ناآگاهانه

1-8-1-الف- جستجوی لیست

1-8-1-ب- جستجوی درختی

1-8-1-پ- جستجوی گراف

1-8-2- الگوریتم‌های جستجوی آگاهانه

1-8-2-الف- جستجوی خصمانه

1-9- مسائل NP-Hard

1-10- هیوریستیک

1-10-1- انواع الگوریتم‌های هیوریستیک

فصل دوم

2-1- مقدمه

2-2- الگوریتم ژنتیک

2-3- مکانیزم الگوریتم ژنتیک

2-4- عملگرهای الگوریتم ژنتیک

2-4-1- کدگذاری

2-4-2- ارزیابی

2-4-3- ترکیب

2-4-4- جهش

2-4-5- رمزگشایی

2-5- چارت الگوریتم به همراه شبه کد آن

2-5-1- شبه کد و توضیح آن

2-5-2- چارت الگوریتم ژنتیک

2-6- تابع هدف

2-7- روش‌های کد کردن

2-7-1- کدینگ باینری

2-7-2- کدینگ جایگشتی

2-7-3- کد گذاری مقدار

2-7-4- کدینگ درخت

2-8- نمایش رشته‌ها

2-9- انواع روش‌های تشکیل رشته

2-10- باز گرداندن رشته‌ها به مجموعه متغیرها

2-10-1- تعداد بیت‌های متناظر با هر متغیر

2-11- جمعیت

2-11-1- ایجادجمعیت اولیه

2-11-2- اندازه جمعیت

2-12- محاسبه برازندگی (تابع ارزش

2-13- انواع روش‌های انتخاب

2-13-1- انتخاب چرخ رولت

2-13-2- انتخاب حالت پایدار

2-13-3- انتخاب نخبه گرایی

2-13-4- انتخاب رقابتی

2-13-5- انتخاب قطع سر

2-13-6- انتخاب قطعی بریندل

2-13-7- انتخاب جایگزینی نسلی اصلاح شده

2-13-8- انتخاب مسابقه

2-13-9- انتخاب مسابقه تصادفی

2-14- انواع روش‌های ترکیب

2-14-1- جابه‌جایی دودوئی

2-14-2- جابه‌جایی حقیقی

2-14-3- ترکیب تک‌نقطه‌ای

2-14-4- ترکیب دو نقطه‌ای

2-14-5- ترکیب n نقطه‌ای

2-14-6- ترکیب یکنواخت

2-14-7- ترکیب حسابی

2-14-8- ترتیب

2-14-9- چرخه

2-14-10- محدّب

2-14-11- بخش_نگاشته

2-15- احتمال ترکیب

2-16- تحلیل مکانیزم جابجایی

2-17- جهش

2-17-1- جهش باینری

2-17-2- جهش حقیقی

2-17-3- وارونه سازی بیت

2-17-4- تغییر ترتیب قرارگیری

2-17-5- وارون سازی

2-17-6- تغییر مقدار

2-18- محک اختتام اجرای الگوریتم ژنتیک

2-19- انواع الگوریتم‌های ژنتیکی

2-19-1- الگوریتم ژنتیکی سری

2-19-2- الگوریتم ژنتیکی موازی

2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی

2-21- نقاط قوّت الگوریتم‌های ژنتیک

2-22- محدودیت‌های GAها

2-23- استراتژی برخورد با محدودیت‌ها

2-23-1- استراتژی اصلاح عملگرهای ژنتیک

2-23-2- استراتژی رَدّی

2-23-3- استراتژی اصلاحی

2-23-4- استراتژی جریمه‌ای

2-24- بهبود الگوریتم ژنتیک

2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک

فصل سوم

3-1- مقدمه

3-2- حلّ معمای هشت وزیر

3-2-1- جمعیت آغازین

3-2-2- تابع برازندگی

3-2-3- آمیزش

3-2-4- جهش ژنتیکی

3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد

3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک

3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP

3-3-3- نتیجه گیری

3-4- حلّ مسأله معمای سودوکو

3-4-1- حل مسأله

3-4-2- تعیین کروموزم

3-4-3- ساختن جمعیت آغازین یا نسل اول

3-4-4- ساختن تابع از ارزش

3-4-5- ترکیب نمونه‌ها و ساختن جواب جدید

3-4-6- ارزشیابی مجموعه جواب

3-4-7- ساختن نسل بعد

3-5- مرتب سازی به کمک GA

3-5-1- صورت مسأله

3-5-2- جمعیت آغازین

3-5-3- تابع برازندگی

3-5-4- انتخاب

3-5-5- ترکیب

3-5-6- جهش

فهرست منابع و مراجع

پیوست

واژه‌نامه   

پروژه الگوریتم ژنتیک در متلب

اختصاصی از اس فایل پروژه الگوریتم ژنتیک در متلب دانلود با لینک مستقیم و پر سرعت .

بی شک با بحث هوش مصنوعی و الگوریتم های تکاملی و بحث های وابسته به آن آشنا هستید. در این پست 2 فایل آموزشی الگوریتم ژنتیک را برای شما عزیزان بر روی وبسایت مهندس قرار داده ایم.

از الگوریتم ژنتیک در حل بسیاری از مسائل استفاده می شود و از جمله الگوریتم های پرکاربرد به شمار می آید.

برخی از عناوین این فایلهای آموزشی:

مقدمه
تاریخچه
مروری بر مفاهیم بنیادی
– مفاهیم پایه
— علم ژنتیک
— صفت
— کروموزوم
— ژن
— فنوتیپ
— ژنوتیپ
— ژنوم
— تکامل
— انتخاب
— جهش
— جهش بدنی وزایا
— جهش کروموزومی