پایان نامه کاربرد الگوریتم های ژنتیک در کامپیوتر (Genetic Algorithms)

توضیحات:

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

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 (یا GA) 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 شودومتریک که تابع fitness هم نام دارد هر راه حل کاندید را ارزیابی می کندکه اکثر آنها به صورت تصادفی انتخاب می شوند.

کلاً این الگوریتم ها از بخش های زیر تشکیل می شوند :

تابع برازش  - نمایش – انتخاب – تغییر که در ادامه آنها را توضیح خواهیم داد.

مقدمه

     هنگامی که لغت تنازع بقا به کار می رود اغلب بار ارزشی منفی آن به ذهن می آید. شاید همزمان قانون جنگل به ذهن برسد و حکم بقای قوی تر!

   البته برای آنکه خیالتان راحت شود می توانید فکر کنید که همیشه هم قوی ترین ها برنده نبوده اند. مثلا دایناسورها با وجود جثه عظیم و قوی تر بودن در طی روندی کاملا طبیعی بازی بقا و ادامه نسل را واگذار کردند در حالی که موجوداتی بسیار ضعیف تر از آنها حیات خویش را ادامه دادند. ظاهرا طبیعت بهترین ها را تنها بر اساس هیکل انتخاب نمی کند! در واقع درست تر آنست که بگوییم طبیعت مناسب ترین ها (Fittest) را انتخاب می کند نه بهترین ها.

    قانون انتخاب طبیعی بدین صورت است که تنها گونه هایی از یک جمعیت ادامه نسل می دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می روند.

   مثلا فرض کنید گونه خاصی از افراد، هوش بسیار بیشتری از بقیه افراد یک جامعه یا کولونی دارند. در شرایط کاملا طبیعی این افراد پیشرفت بهتری خواهند کرد و رفاه نسبتا 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 به طبع در نسل بعدی همان جامعه تعداد افراد باهوش به دلیل زاد و ولد بیشتر این گونه افراد بیشتر خواهد بود. اگر همین روند را ادامه دهید خواهید دید که در طی نسل های متوالی دائما جامعه نمونه ما باهوش و باهوش تر می شود. بدین ترتیب یک مکانیزم ساده طبیعی توانسته است در طی چند نسل عملا افراد کم هوش را از جامعه حذف کند علاوه بر اینکه میزان هوش متوسط جامعه نیز دائما در حال افزایش است(البته امکان داشت اگر داروین بی عرضگی افراد باهوش امروزی را می دید کمی در تئوری خود تجدید نظر می کرد اما این مسئله دیگریست!).

فهرست مطالب:

چکیده 9

مقدمه 11

تاریخچه 15

الگوریتم ژنتیک در علوم رایانه ای 18

عملگرهای یک الگوریتم ژنتیک 18

اجزائ الگوریتم ژنتیک 19

کاربردهای الگوریتم ژنتیک 20

الگوریتم های ژنتیک - پرواز در فضای حالت مسئله 20

مقداری درس بیولوژی 21

داستان کوتاه 21

الگوریتم ژنتیک در دنیای کامپیوتر 24

نکات مهم در الگوریتم های ژنتیک 27

نتیجه گیری 28

الگوریتم ژنتیک چیست 28

شرایط خاتمه الگوریتم های ژنتیک   32

ایده اصلی 32

الگوریتم 34

روش های نمایش 36

روش های انتخاب 37

روش های تغییر 38

تقاط قوت الگوریتم های ژنتیک 39

محدودیتهای GAها 40

چند نمونه از کاربرد های الگوریتم های ژنتیک 41

جهش (Mutation)  46

هایپر هیوریستیک 47

کد کردن مقادیر 53

کد مبنای دو (Binary 53

روش کدگذاری جایگشتی (Permutation Enc 54

روش کد گذاری مقدار (Value Encoding 54

روش کدگذاری درختی (Tree Encoding 54

الگوریتم ژنتیک 55

فهرست تصاویر

ROOS function 14

ژنتیک 20

الگوریتم سود و کد 36

تاثیر یک عملگر های ژنتیک را روی کروموزوم 56

سیکل الگوریتم ژنتیک 38

Global Minimum 61

نمونه هایی ازCross-over 64