ابزار هدایت به بالای صفحه

توضیحات:

پایان نامه کاربرد الگوریتم های ژنتیک در کامپیوتر (Genetic Algorithms)/ در 71صفحه در قالب word و قابل ویرایش همراه با توضیحات کامل

چکیده:

     الگوريتم هاي ژنتيک از اصول انتخاب طبيعي داروين براي يافتن فرمول بهينه جهت پيش بيني يا تطبيق الگو استفاده مي کنند.الگوريتم هاي ژنتيک اغلب گزينه خوبي براي تکنيک هاي پيش بيني  بر مبناي رگرسيون هستند.همان طور ساده،خطي وپارامتري يک گفته مي شود،به الگوريتم هاي ژنتيک مي توان غير پارامتريک گفت.

     مختصراً گفته مي شود که الگوريتم ژنتيک (يا GA) يک تکنيک برنامه نويسي است که از تکامل ژنتيکي به عنوان يک الگوي حل نمسئله استفاده مي کند.مسئله اي که بايد حل شود ورودي است و راه حلها طبق يک الگو کد گذاري مي شودومتريک که تابع fitness هم نام دارد هر راه حل کانديد را ارزيابي مي کندکه اکثر آنها به صورت تصادفي انتخاب مي شوند.

کلاً اين الگوريتم ها از بخش هاي زير تشکيل مي شوند :

تابع برازش  - نمايش – انتخاب – تغيير که در ادامه آنها را توضيح خواهيم داد.

مقدمه

     هنگامي كه لغت تنازع بقا به كار مي‌رود اغلب بار ارزشي منفي آن به ذهن مي‌آيد. شايد همزمان قانون جنگل به ذهن برسد و حكم بقاي قوي‌تر!

   البته براي آنكه خيالتان راحت شود مي‌توانيد فكر كنيد كه هميشه هم قوي‌ترين‌ها برنده نبوده‌اند. مثلا دايناسورها با وجود جثه عظيم و قوي‌تر بودن در طي روندي كاملا طبيعي بازي بقا و ادامه نسل را واگذار كردند در حالي كه موجوداتي بسيار ضعيف‌تر از آنها حيات خويش را ادامه دادند. ظاهرا طبيعت بهترين‌ها را تنها بر اساس هيكل انتخاب نمي‌كند! در واقع درست‌تر آنست كه بگوييم طبيعت مناسب ترين‌ها (Fittest) را انتخاب مي‌كند نه بهترين‌ها.

    قانون انتخاب طبيعي بدين صورت است كه تنها گونه‌هايي از يك جمعيت ادامه نسل مي‌دهند كه بهترين خصوصيات را داشته باشند و آنهايي كه اين خصوصيات را نداشته باشند به تدريج و در طي زمان از بين مي‌روند.

   مثلا فرض كنيد گونه خاصي از افراد، هوش بسيار بيشتري از بقيه افراد يك جامعه يا كولوني دارند. در شرايط كاملا طبيعي اين افراد پيشرفت بهتري خواهند كرد و رفاه نسبتا بالاتري خواهند داشت و اين رفاه خود باعث طول عمر بيشتر و باروري بهتر خواهد بود(توجه كنيد شرايط طبيعيست نه در يك جامعه سطح بالا با ملاحظات امروزي يعني طول عمر بيشتر در اين جامعه نمونه با زاد و ولد بيشتر همراه است). حال اگر اين خصوصيت(هوش)ارثي باشد به طبع در نسل بعدي همان جامعه تعداد افراد باهوش به دليل زاد و ولد بيشتر اين‌گونه افراد بيشتر خواهد بود. اگر همين روند را ادامه دهيد خواهيد ديد كه در طي نسل‌هاي متوالي دائما جامعه نمونه ما باهوش و باهوش‌تر مي‌شود. بدين ترتيب يك مكانيزم ساده طبيعي توانسته است در طي چند نسل عملا افراد كم هوش را از جامعه حذف كند علاوه بر اينكه ميزان هوش متوسط جامعه نيز دائما در حال افزايش است(البته امكان داشت اگر داروين بي‌عرضگي افراد باهوش امروزي را مي‌ديد كمي در تئوري خود تجديد نظر مي‌كرد اما اين مسئله ديگريست!).

فهرست مطالب:

چکيده 9

مقدمه 11

تاريخچه 15

الگوريتم ژنتيک در علوم رايانه اي 18

عملگرهاي يک الگوريتم ژنتيک 18

اجزائ الگوريتم ژنتيک 19

کاربردهاي الگوريتم ژنتيک 20

الگوريتم‌هاي ژنتيك - ‌پرواز در فضاي حالت مسئله 20

مقداري درس بيولوژي 21

داستان كوتاه 21

الگوريتم ژنتيك در دنياي كامپيوتر 24

نكات مهم در الگوريتم هاي ژنتيك 27

نتيجه گيري 28

الگوريتم ژنتيک چيست 28

شرايط خاتمه الگوريتم هاي ژنتيک   32

ايده اصلي 32

الگوريتم 34

روش هاي نمايش 36

روش هاي انتخاب 37

روش هاي تغيير 38

تقاط قوت الگوريتم هاي ژنتيک 39

محدوديتهاي GAها 40

چند نمونه از کاربرد هاي الگوريتم هاي ژنتيک 41

جهش (Mutation)  46

هايپر هيوريستيک 47

كد كردن مقادير 53

كد مبناي دو (Binary 53

روش كدگذاري جايگشتي (Permutation Enc 54

روش كد گذاري مقدار (Value Encoding 54

روش كدگذاري درختي (Tree Encoding 54

الگوريتم ژنتيک 55

فهرست تصاوير

ROOS function 14

ژنتيك 20

الگوريتم سود و كد 36

تاثير يک عملگر هاي ژنتيک را روي کروموزوم 56

سيكل الگوريتم ژنتيك 38

Global Minimum 61

نمونه هايي ازCross-over 64