دانلود پروپوزال پایان نامه مقاله سمینار نقد پایان نامه کارشناسی ارشد

پروپوزال و پایان نامه دانشجویی نقد پایان نامه کارشناسی ارشد

چکیده

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.
کلمات کلیدی: الگوریتم ژنتیک، هیوریستیک، ترکیب و جهش، تکامل طبیعی داروین، معمای هشت وزیر.

  • فهرست مطالب
  •               عنوان    صفحه
  •   فصل اول    1
  • 1-1- مقدمه    2
  • 1-2- به دنبال تکامل…    3
  • 1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک    4
  • 1-4- درباره علم ژنتیک    6
  • 1-5- تاریخچۀ علم ژنتیک    6
  • 1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین)    7
  • 1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی    10
  • 1-8- الگوریتم    11
  • 1-8-1- الگوریتم‌های جستجوی ناآگاهانه    12
  • 1-8-1-الف- جستجوی لیست    12
  • 1-8-1-ب- جستجوی درختی    13
  • 1-8-1-پ- جستجوی گراف    14
  • 1-8-2- الگوریتم‌های جستجوی آگاهانه    14
  • 1-8-2-الف- جستجوی خصمانه    15
  • 1-9- مسائل NP-Hard    15
  • 1-10- هیوریستیک    17
  • 1-10-1- انواع الگوریتم‌های هيوریستیک    19
  •   فصل دوم    21
  • 2-1- مقدمه    22
  • 2-2- الگوریتم ژنتیک    23
  • 2-3- مكانيزم الگوريتم ژنتيك    25
  • 2-4- عملگرهاي الگوريتم ژنتيك    28
  • 2-4-1- کدگذاری    28
  • 2-4-2- ارزیابی    29
  • 2-4-3- ترکیب    29
  • 2-4-4- جهش    29
  • 2-4-5- رمزگشايي    30
  • 2-5- چارت الگوريتم به همراه شبه كد آن    30
  • 2-5-1- شبه كد و توضيح آن    31
  • 2-5-2- چارت الگوریتم ژنتیک    33
  • 2-6- تابع هدف    34
  • 2-7- روش‌های کد کردن    34
  • 2-7-1- کدینگ باینری    35
  • 2-7-2- کدینگ جایگشتی    36
  • 2-7-3- کد گذاری مقدار    37
  • 2-7-4- کدینگ درخت    38
  • 2-8- نمایش رشته‌ها    39
  • 2-9- انواع روش‌های تشکیل رشته    41
  • 2-10- باز گرداندن رشته‌ها به مجموعه متغيرها    42
  • 2-10-1- تعداد بيت‌هاي متناظر با هر متغير    43
  • 2-11- جمعيت    44
  • 2-11-1- ايجادجمعيت اوليه    44
  • 2-11-2- اندازه جمعيت    45
  • 2-12- محاسبه برازندگي (تابع ارزش)    46
  • 2-13- انواع روش‌های انتخاب    48
  • 2-13-1- انتخاب چرخ رولت    49
  • 2-13-2- انتخاب حالت پایدار    51
  • 2-13-3- انتخاب نخبه گرایی    51
  • 2-13-4- انتخاب رقابتی    52
  • 2-13-5- انتخاب قطع سر    52
  • 2-13-6- انتخاب قطعی بریندل    53
  • 2-13-7- انتخاب جایگزینی نسلی اصلاح شده    53
  • 2-13-8- انتخاب مسابقه    54
  • 2-13-9- انتخاب مسابقه تصادفی    54
  • 2-14- انواع روش‌های ترکیب    54
  • 2-14-1- جابه‌جایی دودوئی    55
  • 2-14-2- جابه‌جایي حقيقي    58
  • 2-14-3- ترکیب تک‌نقطه‌ای    59
  • 2-14-4- ترکیب دو نقطه‌ای    60
  • 2-14-5- ترکیب n نقطه‌ای    60
  • 2-14-6- ترکیب یکنواخت    61
  • 2-14-7- ترکیب حسابی    62
  • 2-14-8- ترتیب    62
  • 2-14-9- چرخه    63
  • 2-14-10- محدّب    64
  • 2-14-11- بخش_نگاشته    64
  • 2-15- احتمال تركيب    65
  • 2-16- تحليل مكانيزم جابجایي    66
  • 2-17- جهش    66
  • 2-17-1- جهش باينري    69
  • 2-17-2- جهش حقيقي    69
  • 2-17-3- وارونه سازی بیت    70
  • 2-17-4- تغییر ترتیب قرارگیری    70
  • 2-17-5- وارون سازی    71
  • 2-17-6- تغییر مقدار    71
  • 2-18- محک اختتام اجرای الگوریتم ژنتیک    72
  • 2-19- انواع الگوریتم‌های ژنتیکی    72
  • 2-19-1- الگوریتم ژنتیکی سری    73
  • 2-19-2- الگوریتم ژنتیکی موازی    74
  • 2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی    75
  • 2-21- نقاط قوّت الگوریتم‌های ژنتیک    76
  • 2-22- محدودیت‌های GAها    78
  • 2-23- استراتژی برخورد با محدودیت‌ها    79
  • 2-23-1- استراتژی اصلاح عملگرهای ژنتیک    79
  • 2-23-2- استراتژی رَدّی    79
  • 2-23-3- استراتژی اصلاحی    80
  • 2-23-4- استراتژی جریمه‌ای    80
  • 2-24- بهبود الگوریتم ژنتیک    81
  • 2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک    81
  •   فصل سوم    86
  • 3-1- مقدمه    87
  • 3-2- حلّ معماي هشت وزیر    88
  • 3-2-1- جمعیت آغازین    90
  • 3-2-2- تابع برازندگی    94
  • 3-2-3- آمیزش    95
  • 3-2-4- جهش ژنتیکی    96
  • 3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد    97
  • 3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک    99
  • 3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP    107
  • 3-3-3- نتیجه گیری    108
  • 3-4- حلّ مسأله معمای سودوکو    109
  • 3-4-1- حل مسأله    110
  • 3-4-2- تعیین کروموزم    110
  • 3-4-3- ساختن جمعيت آغازين يا نسل اول    111
  • 3-4-4- ساختن تابع از ارزش    112
  • 3-4-5- تركيب نمونه‌ها و ساختن جواب جديد    113
  • 3-4-6- ارزشيابي مجموعه جواب    118
  • 3-4-7- ساختن نسل بعد    118
  • 3-5- مرتب سازی به کمک GA    119
  • 3-5-1- صورت مسأله    119
  • 3-5-2- جمعیت آغازین    119
  • 3-5-3- تابع برازندگی    122
  • 3-5-4- انتخاب    123
  • 3-5-5- ترکیب    123
  • 3-5-6- جهش    124
  •    فهرست منابع و مراجع    126
  •     پیوست    127
  •  واژه‌نامه    143

149 صفحه فرمت word

9000ایمیل اشتباه وارد نکنید ایمیل صحیح بدون www می باشد

ديدگاهي بدهيد !