پنج شنبه 18 آذر 1395
بازدید امروز : 837 نفر
موتور جستجوی سایت نیازمندیهای دانشجویی موتور جستجوی پیشرفته مقالات و تحقیقات و ...
تلگرام سایت تحقیق

موضوع : پایان نامه الگوريتم ژنتيك
تحویل در محیط : word

ابتدا هزینه سفارش را از طریق پرداخت آنلاین و یا انتقال به شماره کارت 6037991813769019 بانک ملی به نام سید علیرضا هاشمی و یا واریز به شماره حساب 0102834007003 ملی بنام سید علیرضا هاشمی و با داشتن شماره فیش واریزی اقدام به سفارش کنید.
عنوان سفارش :
پایان نامه الگوريتم ژنتيك
تعداد صفحه :
65
قیمت :
10000 تومان
جهت سفارش اینجا کلیک کنید

عنوان پروژه:
الگوريتم ژنتيك
عنوان:
الگوريتم ژنتيك
فهرست مقدمه
تاريخچه الگوريتم ژنتيك
الگوريتم ژنتيك(GA)چيست؟
ايده اصلي
قانون انتخاب طبيعي چيست؟
تشریح کلی الگوریتم ژنتیک
روش پیاده سازی الگوریتم
معرفی اجمالی GA.
بررسی قسمت های مختلف GA
- تولید نسل اولیه(Initialization)
- جهش(Mutation)
- انتخاب(Selection) بوسیله تابع برازش((Fitness
- ترکیب((Crossover.
- مثال عملی
نکاتی در مورد GA
کاربرد های GA
آشنايي با روش‏هاي انتخاب در الگوريتم‏هاي ژنتيكي
اصطلاحالت الگوریتم ژنتیک
- همگرايي(Convergence)
-همگرايي زودرس(Premature Convergence)
- نرخ انتظار(Expected Value)
- فقدان تنوع(Loss of Diversity)
-فشارانتخاب يا شدت انتخاب (Selection Pressure)
اصطلاحات الگوريتم ژنتيك
الگوريتم ژنتيك
اجزاء اساسی الگوریتم ژنتیک
- جزء ارزیابی
- جزء جمعیت
- جزء تولید مثل
عملگرهای اساسی الگوریتم ژنتیک متداول
-عملگر انتخاب
-عملگرتبادل
- عملگر جهش
نقاط قوت الگوریتم های ژنتیک
محدودیت الگوریتمهای ژنتیک
نحوه عملکرد الگوریتم ژنتیک
مقایسه روش های کلاسیک ریاضیات با الگوریتم ژنتیک
روشهاي نمايش
مثالی از کاربرد الگوریتم ژنتیک
-استفاده از الگوريتم ژنتيك در چينش حروف فارسي
-مساله
-چرا در چينش حروف فارسي از الگوريتم ژنتيك استفاده
ميكنيم؟
جمعيت
عملگرهاي ژنتيكي
کارایی
بهترین چینش
مدلهای تکامل
Lamarckian evolutio
Baldwin Effect
اپراتورهای ژنتیکی Mutation
اپراتورهای ژنتیکی Crossover
Crossover OR mutation?
تابع تناسب
Classification
انتخاب فرضیه ها
نحوه جستجو در فضای فرضیه
راه حل رفع مشکل………. Crowding
قضیه Schema
Evolving Neural Networks
Genetic Programming
نمايش برنام
اپراتور crossoverبرای GP
-مثال(طراحي فيلتر)
نتيجه گيري
منابع
مقدمه
الگوریتم ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کند. الگوریتم ژنتیک یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند.الگوریتم ژنتیک برای مسائل جستجو و بهینه سازی بکار برده می شود. هنگامی كه لغت تنازع بقا به كار می‌رود اغلب بار ارزشی منفی آن به ذهن می‌آید. شاید همزمان قانون جنگل به ذهن برسد و حكم بقای قوی‌تر! البته برای آنكه خیالتان راحت شود می‌توانید فكر كنید كه همیشه هم قوی ‌ترین‌ها برنده نبوده ‌اند. مثلا دایناسورها با وجود جثه عظیم و قوی ‌تر بودن در طی روندی كاملا طبیعی بازی بقا و ادامه نسل را واگذار كردند در حالی كه موجوداتی بسیار ضعیف ‌تر از آنها حیات خویش را ادامه دادند. ظاهرا طبیعت بهترین‌ ها را تنها بر اساس هیكل انتخاب نمی ‌كند! در واقع درست ‌تر آنست كه بگوییم طبیعت مناسب ترین‌ها (Fittest) را انتخاب می ‌كند نه بهترین‌ها. هنگامی که لغت تنازع بقا به کار می‌رود اغلب بار ارزشی منفی آن به ذهن می‌آید. شاید همزمان قانون جنگل به ذهن برسد و حکم بقای قوی‌ترها!البته همیشه هم قوی‌ترین‌ها برنده نبوده‌اند. مثلاً دایناسورها با وجود جثه عظیم و قوی‌تر بودن در طی روندی کاملاً طبیعی بازیِ بقا و ادامه نسل را واگذار کردند در حالی که موجوداتی بسیار ضعیف‌تر از آنها حیات خویش را ادامه دادند. ظاهراً طبیعت، بهترین‌ها را تنها بر اساس هیکل انتخاب نمی‌کند! در واقع درست‌تر آنست که بگوییم طبیعت مناسب ترین‌ها (Fittest) را انتخاب می‌کند نه بهترین‌ها.قانون انتخاب طبیعی بدین صورت است که تنها گونه‌هایی از یک جمعیت ادامه نسل می‌دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می‌روند.مثلا فرض کنید گونه خاصی از افراد، هوش بیشتری از بقیه افرادِ یک جامعه یا کولونی دارند. در شرایط کاملاً طبیعی، این افراد پیشرفت بهتری خواهند کرد و رفاه نسبتاً بالاتری خواهند داشت و این رفاه، خود باعث طول عمر بیشتر و باروری بهتر خواهد بود (توجه کنید شرایط، طبیعیست نه در یک جامعه سطح بالا با ملاحظات امروزی؛ یعنی طول عمر بیشتر در این جامعه نمونه با زاد و ولد بیشتر همراه است). حال اگر این خصوصیت (هوش) ارثی باشد بالطبع در نسل بعدی همان جامعه تعداد افراد باهوش به دلیل زاد و ولد بیشترِ این‌گونه افراد، بیشتر خواهد بود. اگر همین روند را ادامه دهید خواهید دید که در طی نسل‌های متوالی دائماً جامعه نمونه ما باهوش و باهوش‌تر می‌شود. بدین ترتیب یک مکانیزم ساده طبیعی توانسته است در طی چند نسل عملاً افراد کم هوش را از جامعه حذف کند علاوه بر اینکه میزان هوش متوسط جامعه نیز دائماً در حال افزایش است.بدین ترتیب می‌توان دید که طبیعت با بهره‌گیری از یک روش بسیار ساده (حذف تدریجی گونه‌های نامناسب و در عین حال تکثیر بالاتر گونه‌های بهینه)، توانسته است دائماً هر نسل را از لحاظ خصوصیات مختلف ارتقاء بخشد.البته آنچه در بالا ذکر شد به تنهایی توصیف کننده آنچه واقعاً در قالب تکامل در طبیعت اتفاق می‌افتد نیست. بهینه‌سازی و تکامل تدریجی به خودی خود نمی‌تواند طبیعت را در دسترسی به بهترین نمونه‌ها یاری دهد.

با کلیک روی +۱ ما را در گوگل محبوب کنید

شماره پاسخگوی سایت : 09118370377 - 09111491359
Email : tahghighnet@yahoo.com
www.tahghigh.net 2007 - 2016