الگوریتم های ژنتیک در مسائلی که فضای جستجوی بزرگی داشته باشند میتواند بکار گرفته شود. و در مسایلی با فضای فرضیه پیچیده که تاثیر اجزا آن در فرضیه کلی ناشناخته باشند میتوان از GA برای جستجو استفاده نمود.
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
در این فایل انواع مختلف آنزیم هایی که در مهندسی ژنتیک مورد استفاده اند نظیر نوکلئازها، آندونوکلئازها،لیگازهاو ... و ویژگی های آنها به طور کامل تشریح شده است. تعداد اسلاید ها 47 عدد می باشد.
هدف طراحی سایت گره های آزمون در فرایند واسنجی ضرایب زبری شبکه می باشد. روند واسنجی به صورت مساله معکوس از اندازه گیری فشار گره ها تخمین زده می شود. با توجه به کمبود فشارهای مشاهداتی یکی از بحث های در آنالیز معکوس طراحی سایت آزمون می باشد. در این مقاله با استفاده از تحلیل حساسیت و روش پیشنهادی سعی خطا بر پایه روش معکوس طراحی سایت صورت گرفت نتایج نشان داد نتایج تحلیل حساسیت نقش اساسی در انتخاب گره های آزمون بازی می کند و باعث تسریع روش پیشنهادی سعی خطا می شوند و براساس مطالعات انجام شده تعداد گره های آزمون تقریبا 50% کل گره های شبکه می باشد.
سال انتشار: 1392
تعداد صفحات: 9
فرمت فایل: pdf
بیشترین هزینه پیش بینی شده برای اجرای یک شبکه توزیع آب بخش اجرایی آن و به خصوص در عملیات لوله گذاری و انتقال آب از محل مخزن به محلهای مصرف آب می باشد. پس اگر هدف کاهش هزینه باشد با کاهش هزینه لوله های مورد استفاده در شبکه به طوریکه فشار آب در گره ها از حداقل استاندارد کمتر نباشد بخش عمده ای از این هدف تامین خواهد شد. در بهینه سازی یک شبکه به غیر از بعد مالی مساله باید به ابعاد دیگران نیز توجه کرد از جمله مهمترین این ابعاد بررسی فشار آب در شبکه توزیع می باشد. در کنار مساله فشار سرعت آب در لوله ها نیز در عملکرد شبکه نقش مهمی را ایفا می کند. پس برای بهینه سازی هزینه در یک شبکه در نظر گرفتن فشار شبکه به عنوان تابع هدف دوم و اعمال سرعت به عنوان محدودیت ضروری می باشد و اگر فقط تابع هزینه به عنوان تابع هدف در نظر گرفته شود مطمئنا شبکه از لحاظ تامین فشار در گره های مصرف با مشکل مواجه خواهد شد. در این مقاله با استفاده از الگوریتم ژنتیک بهینه سازی چند منظوره بخشی از شبکه توزیع آب شهر چترود مورد بررسی قرار گرفته است و از الگوریتم ژنتیک نرم افزار Matlab و تابع PDD تقاضاهای تابع فشار استفاده شده است. در پایان مشخص شده است که بعد از بهینه سازی مبلغی در حدود 10 الی 12 درصد از هزینه کل پروژه صرفه جویی شده است و این در حالی است که با تعمیم تابع PDD در کنار بهینه سازی صورت گرفته ما با هزینه کمتر، فشار بهتری را در گره های مصرف خواهیم داشت.
سال انتشار: 1392
تعداد صفحات: 9
فرمت فایل: pdf