فی گوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فی گوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

حل مساله فروشنده دوره گرد با استفاده از الگوریتم ژنتیکGAدر متلب

اختصاصی از فی گوو حل مساله فروشنده دوره گرد با استفاده از الگوریتم ژنتیکGAدر متلب دانلود با لینک مستقیم و پر سرعت .

یکی از مسائل بسیار پر کاربرد در الگوریتم ژنتیک مساله ی فروشنده ی دوره گرد می باشد.

این فایل حاوی برنامه نویسی فروشنده دوره گرد میباشد که از میان 20 شهر با مختصاتهای داده شده از نقطه A به نقطه ی B میرود به گونه ای که از 10 شهر عبور کرده و از نقطه B مجددا به A برمیگردد به گونه ای که از 7 شهر عبور کند در حالی که باید کمترین فاصله را پیدا کندو..........


دانلود با لینک مستقیم


حل مساله فروشنده دوره گرد با استفاده از الگوریتم ژنتیکGAدر متلب

پاورپوینت الگوریتم های ژنتیک 63اسلاید

اختصاصی از فی گوو پاورپوینت الگوریتم های ژنتیک 63اسلاید دانلود با لینک مستقیم و پر سرعت .

پاورپوینت الگوریتم های ژنتیک 63اسلاید

 

الگوریتم  ژنتیک  روش یادگیری بر پایه  تکامل  بیولوژیک است.
این روش در سال 1970 توسط John
 
Holland معرفی گردید
 
این روشها با نام Evolutionary Algorithms نیز خوانده میشوند.
 
ایده کلی
یک GA برای حل یک مسئله مجموعه بسیار بزرگی از راه حلهای ممکن را تولید میکند.
هر یک از این راه حلها با استفاده از یکتابع تناسبمورد ارزیابی قرار میگیرد.
آنگاه  تعدادی  از بهترین راه حلها باعث تولید راه حلهای جدیدی میشوند. که اینکار باعث تکامل راه حلها میگردد.
بدین ترتیب فضای جستجو در جهتی تکامل پیدا میکند که به راه حل مطلوب برسد
در صورت انتخاب صحیح پارامترها، این روش میتواند بسیار موثر عمل نماید.
 
فضای فرضیه
الگوریتم  ژنتیک بجای جستجوی فرضیه های general-to specific  و یا  simple to complex  فرضیه ها ی جدید را با تغییر و ترکیب  متوالی اجزا بهترین فرضیه های موجود بدست میاورد.
در هرمرحله  مجموعه ای از فرضیه ها که  جمعیت (population) نامیده میشوند از طریق جایگزینی بخشی از جمعیت فعلی با فرزندانی که از بهترین فرضیه های موجود حاصل شده اند بدست میآید.

دانلود با لینک مستقیم


پاورپوینت الگوریتم های ژنتیک 63اسلاید

مفاهیم الگوریم های ژنتیک

اختصاصی از فی گوو مفاهیم الگوریم های ژنتیک دانلود با لینک مستقیم و پر سرعت .

مفاهیم الگوریم های ژنتیک


مفاهیم الگوریم های ژنتیک

الگوریتم های ژنتیک در مسائلی که فضای جستجوی بزرگی داشته باشند میتواند بکار گرفته شودو در مسایلی با فضای فرضیه پیچیده  که تاثیر اجزا آن در فرضیه کلی ناشناخته باشند میتوان از GA برای جستجو استفاده نمود.

الگوریتم های ژنتیک به منظور  discrete optimizationبسیار مورد استفاده قرار میگیرد...
فایل مورد نظر در خصوص توضیاتی مربوط به الگوریتم های ژنتیک، توابع و فرضیه ها و ارزیابی جمعیت با ذکر مثال ارائه می دهد.
 
 

دانلود با لینک مستقیم


مفاهیم الگوریم های ژنتیک

دانلود پایان نامه الگوریتم ژنتیک

اختصاصی از فی گوو دانلود پایان نامه الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه الگوریتم ژنتیک


دانلود پایان نامه الگوریتم ژنتیک

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   


دانلود با لینک مستقیم


دانلود پایان نامه الگوریتم ژنتیک

دانلود پایان نامه کارشناسی کامپیوتر-الگوریتم ژنتیک

اختصاصی از فی گوو دانلود پایان نامه کارشناسی کامپیوتر-الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه کارشناسی کامپیوتر-الگوریتم ژنتیک


دانلود پایان نامه کارشناسی کامپیوتر-الگوریتم ژنتیک

لینک پرداخت و دانلود *پایین مطلب*

 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 

تعداد صفحه:110

فهرست مطالب

چکیده :

             الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده آن برگرفته از طبیعت می باشد . نسل های موجودات قوی تر بیشتر زندگی می کنند و نسل های بعدی نیز قوی تر می شوند به عبارت دیگر طبیعت افراد قوی تر را برای زندگی بر می گزیند. در طبیعت از ترکیب کروموزوم های بهتر ، نسل های بهتری پدید می آیند . در این بین گاهی اوقات جهش هایی نیز در کروموزوم ها روی می دهد که ممکن است باعث بهتر شدن نسل بعدی شوند. الگوریتم ژنتیک نیز با استفاده از این ایده اقدام به حل مسائل می کند . الگوریتم های ژنتیک در حل مسائل بهینه سازی کاربرد فراوانی دارند.

 

مسئله ی کاهش آلاینده های Cox ، NOx و Sox در کوره های صنعتی ، یکی از مسائل بهینه سازی می باشد، که هدف آن بهینه کردن عملکرد کوره های احتراقی بر حسب پارامترهای درصد هوای اضافی (E) و دمای هوای خروجی از پیش گرمکن (T) ، به منظور کاهش میزان آلاینده های تولید شده در اثر انجام عملیات احتراق است.

 

در این پایان نامه ابتدا مروری بر مفاهیم مقدماتی الگوریتم های ژنتیک کرده سپس مشخصات کلی مسئله عنوان می شود، در انتها مسئله ی مورد نظر توسط الگوریتم ژنتیک اجرا و نتایج آن با روش تابع پنالتی مقایسه می شود.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

فهرست مطالب

عنوان                                                                                                                          صفحه

----------------------------------------------------------------------

فصل اول -  مقدمه .....................................................

1-1-    مقدمه  

فصل دوم -  مقدمه ای بر الگوریتم ژنتیک...............................................

  • مقدمه
  • پیشینه
  • اصطلاحات زیستی
  • تشریح کلی الگوریتم ژنتیک
  • حل مسأله با استفاده از الگوریتم ژنتیک
  • اجزای الگوریتم ژنتیک

2-6-1- جمعیت

2-6-2- کدگذاری

              2-6-2-1-     کدگذاری دودویی

              2-6-2-2-      کدگذاری مقادیر

              2-6-2-3-      کدگذاری درختی

2-6-3- عملگرهای الگوریتم ژنتیک

             2-6-3-1-       fitness (برازش)

         2-6-3-2-      selection  (انتخاب)

            2-6-3-3-   crossover    (ترکیب)

           2-6-3-4-  mutation     (جهش)

  • مفاهیم تکمیلی

         2-7-1- برتری ها و ضعف های الگوریتم ژنتیک

         2-7-2- نکات مهم در الگوریتم های ژنتیک

         2-7-3- نتیجه گیری

فصل سوم - کاهش اثرات زیست محیطی آلاینده های Cox، NOx و SOx در کوره ها...........

  • مقدمه
  • احتراق
    • روش محاسبه ترکیبات تعادلی با استفاده از ثابت تعادل
    • روش محاسبه دمای آدیاباتیک شعله
    • انتخاب سیستم شیمیایی
    • تأثیر دمای هوا و میزان هوای اضافی بر تولید محصولات
  • بهینه سازی
    • روش های حل مسائل بهینه سازی
    • روش تابع پنالتی
    • الگوریتم حل تابع پنالتی

 

  • برنامه ی کامپیوتری و مراحل آن
  • تشکیل تابع هدف
  • تشکیل مدل مسئله بهینه سازی
  • روش حل

 

 

فصل چهارم - توضیحاتی در رابطه با gatool نرم افزار مطلب................

  • gatool
  • تنظیم گزینه ها برای الگوریتم ژنتیک
  • Plot Options
  • Population Options
  • Fitness Scaling Options
  • Selection Options
  • Reproduction Options
  • Mutation Options
  • Crossover Options
  • Migration Options
  • Output Function Options
  • Stopping Criteria Options
  • Hybrid Function Options
  • Vectorize Options

 

فصل پنجم نتایج..................................

  • نتایج حاصل از تابع پنالتی و الگوریتم ژنتیک
  • نتیجه گیری

فهرست مراجع......................

 

 

 

 

 

 

 

 

 

 

فهرست شکل

عنوان                                                                                                                             صفحه

 

2-1- مراحل الگوریتم ژنتیک

2-2- مثالی از کروموزوم ها به روش کدگذاری دودویی

2-3- مثالی از کروموزوم ها با استفاده از روش کدگذاری مقادیر

2-4-  انتخاب چرخ رولت

2-5-  ترکیب تک نقطه ای

2-6-  ترکیب دو نقطه ای

2-7-  ترکیب یکنواخت

2-8-  وارونه سازی بیت

2-9-  تغییر ترتیب قرارگیری

2-10-  تغییر مقدار

3-1- نمای برنامه ی کامپیوتری

3-2- عملیات برازش برای تولید NO در مقایسه با نتایج اصلی در احتراق گازوئیل

4-1-  نمای gatool نرم افزار مطلب

5-1- نمای gatool ، Cox برای گاز طبیعی

5-2- نمودارهای Best fitness و Best individual آلاینده ی Cox برای گاز طبیعی

5-3- نمای gatool ، NOx برای گاز طبیعی

5-4- نمودارهای Best fitness و Best individual آلاینده ی NOx برای گاز طبیعی

5-5- نمای gatool ، Cox + NOx برای گاز طبیعی

5-6- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOxبرای گاز طبیعی

5-7- نمای gatool ، Cox برای گازوئیل

5-8- نمودارهای Best fitness و Best individual آلاینده ی Cox برای گازوئیل

5-9- نمای gatool ، NOx برای گازوئیل

5-10- نمودارهای Best fitness و Best individual آلاینده ی NOx برای گازوئیل

5-11- نمای gatool ، Sox برای گازوئیل

5-12- نمودارهای Best fitness و Best individual آلاینده ی Sox برای گازوئیل

5-13-  نمای gatool ، Cox + NOx برای گازوئیل

5-14- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx برای گازوئیل

5-15- نمای gatool ، Cox+NOx+Sox برای گازوئیل

5-16- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx وSOx برای گازوئیل

5-17- نمای gatool ، Cox برای نفت کوره

5-18- نمودارهای Best fitness و Best individual آلاینده ی Cox برای نفت کوره

5-19- نمای gatool ، NOx برای نفت کوره

5-20- نمودارهای Best fitness و Best individual آلاینده ی NOx برای نفت کوره

5-21- نمای gatool ، Sox برای نفت کوره

5-22- نمودارهای Best fitness و Best individual آلاینده ی SOx برای نفت کوره

5-23- نمای gatool ، Cox + NOx برای نفت کوره

5-24- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx برای نفت کوره

5-25- نمای gatool ، COx+NOx+SOx برای نفت کوره

5-26- نمودارهای Best fitness و Best individual مجموع آلاینده های COx و NOx و SOx برای نفت کوره

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

فهرست جدول

عنوان                                                                                                                             صفحه

 

3-1- تغییر نرخ تولید (mole/hr) NO در اثر تغییر دمای هوا و درصد هوای اضافی........

3-2- تشکیل تابع هدف برای گاز طبیعی....................

3-3- تشکیل تابع هدف برای گازوئیل...............................................

3-4- تشکیل تابع هدف برای نفت کوره..........................

5-1- مقایسه نتایج تابع پنالتی و الگوریتم ژنتیک................................

 

 

 

 

 

 

 


دانلود با لینک مستقیم


دانلود پایان نامه کارشناسی کامپیوتر-الگوریتم ژنتیک