فی ژوو

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

فی ژوو

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

دانلود مقاله کامل درباره لگوریتم‌ های هیوریستیک ها

اختصاصی از فی ژوو دانلود مقاله کامل درباره لگوریتم‌ های هیوریستیک ها دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله کامل درباره لگوریتم‌ های هیوریستیک ها


دانلود مقاله کامل درباره لگوریتم‌ های هیوریستیک ها

 

 

 

 

 

 

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل: Word (قابل ویرایش و آماده پرینت)

تعداد صفحه :10

 

بخشی از متن مقاله

لگوریتم‌های هیوریستیک‌ها

چکیده

در این مقاله مفهوم هیوریستیک شرح داده می‌شود و انواع الگوریتم‌های هیوریستیک دسته‌ بندی می‌شوند.

1-مقدمه

سیستم‌های پیچیده اجتماعی تعداد زیادی از مسائل دارای طبیعت ترکیباتی1 را پیش روی ما قرار می‌دهند. مسیر کامیونهای حمل و نقل باید تعیین شود، انبارها یا نقاط فروش محصولات باید جایابی شوند، شبکه‌های ارتباطی باید طراحی شوند، کانتینرها باید بارگیری شوند، رابط‌های رادیویی می‌بایست دارای فرکانس مناسب باشند، مواد اولیه چوب، فلز، شیشه و چرم باید به اندازه‌های لازم بریده شوند؛ از این دست مسائل بی‌شمارند. تئوری پیچیدگی به ما می گوید که مسائل ترکیباتی اغلب پلی‌نومیال2 نیستند. این مسائل در اندازه‌های کاربردی و عملی خود به قدری بزرگ هستند که نمی‌توان جواب بهینه آنها را در مدت زمان قابل پذیرش به دست آورد. با این وجود، این مسائل باید حل شوند و بنابراین چاره‌ای نیست که به جوابهای زیر بهینه3 بسنده نمود به گونه‌ای که دارای کیفیت قابل پذیرش بوده و در مدت زمان قابل پذیرش به دست آیند.

چندین رویکرد برای طراحی جوابهای با کیفیت قابل پذیرش تحت محدودیت زمانی قابل پذیرش پیشنهاد شده است. الگوریتم‌هایی هستند که می‌توانند یافتن جوابهای خوب در فاصله مشخصی از جواب بهینه را تضمین کنند که به آنها الگوریتم‌های تقریبی می‌گویند. الگوریتم‌های دیگری هستند که تضمین می‌دهند با احتمال بالا جواب نزدیک بهینه تولید کنند که به آنها الگوریتم‌های احتمالی گفته می‌شود. جدای از این دو دسته، می‌توان الگوریتم‌هایی را پذیرفت که هیچ تضمینی در ارائه جواب ندارند اما بر اساس شواهد و سوابق نتایج آنها، به طور متوسط بهترین تقابل کیفیت و زمان حل برای مسئله مورد بررسی را به همراه داشته‌اند. به این الگوریتم‌ها، الگوریتم‌های هیوریستیک گفته می‌شود.

2- هیوریستیک‌ها

هیوریستیک‌ها عبارتند از معیارها، روشها یا اصولی برای تصمیم‌گیری بین چند گزینه خط‌مشی و انتخاب اثربخش‌ترین برای دستیابی به اهداف مورد نظر. هیوریستیک‌ها نتیجه برقراری اعتدال بین دو نیاز هستند: نیاز به ساخت معیار‌های ساده و در همان زمان توانایی تمایز درست بین انتخاب‌های خوب و بد.

یک هیوریستیک می‌تواند حسابی سرانگشتی باشد که برای هدایت یک دسته از اقدامات به کار می‌رود. برای مثال، یک روش مشهور برای انتخاب طالبی رسیده عبارتست از فشار دادن محل اتصال به ریشه از یک طالبی نامزد انتخاب و سپس بو کردن آن محل. اگر بوی آن محل مانند بوی داخل طالبی باشد آن طالبی به احتمال زیاد رسیده است. این قاعده سرانگشتی نه تضمین می‌کند که تنها طالبی‌های رسیده به عنوان نامزد انتخاب شوند و نه تضمین می‌کند که طالبی‌های رسیده آزمایش شده، رسیده تشخیص داده شوند اما به هر حال این روش، اثربخش‌ترین روش شناخته شده است.

متن کامل را می توانید بعد از پرداخت آنلاین ، آنی دانلود نمائید، چون فقط تکه هایی از متن به صورت نمونه در این صفحه درج شده است.

/images/spilit.png

دانلود فایل 


دانلود با لینک مستقیم


دانلود مقاله کامل درباره لگوریتم‌ های هیوریستیک ها

پایان نامه جامع ارزیابی و بررسی عملکرد الگوریتم ژنتیک

اختصاصی از فی ژوو پایان نامه جامع ارزیابی و بررسی عملکرد الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

پایان نامه جامع ارزیابی و بررسی عملکرد الگوریتم ژنتیک


تحقیق درباره بررسی و ارزیابی  الگوریتم ژنتیک  و عملکرد آن

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 189 صفحه

 

 

 

 

 

 

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 برگشتی 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.

 

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 هیوریستیک------------------------------------ 19

فصل دوم------------------------------------------------------ 21

2-1- مقدمه----------------------------------------------------------- 22

2-2- الگوریتم ژنتیک---------------------------------------------------- 23

2-3- مکانیزم الگوریتم ژنتیک---------------------------------------------- 25

2-4- عملگرهای الگوریتم ژنتیک------------------------------------------- 28

2-4-1- کدگذاری---------------------------------------------------- 28

2-4-2- ارزیابی------------------------------------------------------ 29

2-4-3- ترکیب------------------------------------------------------ 29

2-4-4- جهش------------------------------------------------------- 29

2-4-5- رمزگشایی---------------------------------------------------- 30

2-5- چارت الگوریتم به همراه شبه کد آن------------------------------------- 30

2-5-1- شبه کد و توضیح 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 متغیرها---------------------------------- 42

2-10-1- تعداد بیت‌های متناظر با هر متغیر----------------------------------- 43

2-11- جمعیت--------------------------------------------------------- 44

2-11-1- ایجادجمعیت اولیه---------------------------------------------- 44

2-11-2- اندازه جمعیت------------------------------------------------ 45

2-12- محاسبه برازندگی (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- جابه‌جایی حقیقی---------------------------------------------- 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 ترکیب---------------------------------------------------- 65

2-16- تحلیل مکانیزم جابجایی--------------------------------------------- 66

2-17- جهش---------------------------------------------------------- 66

2-17-1- جهش باینری------------------------------------------------- 69

2-17-2- جهش حقیقی------------------------------------------------- 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 معمای 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 جمعیت آغازین یا نسل اول---------------------------------- 111

3-4-4- ساختن تابع از ارزش--------------------------------------------- 112

3-4-5- ترکیب نمونه‌ها و ساختن جواب جدید-------------------------------- 113

3-4-6- ارزشیابی 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

 


دانلود با لینک مستقیم


پایان نامه جامع ارزیابی و بررسی عملکرد الگوریتم ژنتیک

پایان نامه الگوریتم ژنتیک

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

پایان نامه الگوریتم ژنتیک


پایان نامه الگوریتم ژنتیک

  نوع فایل : Word

  تعداد صفحات : 154 صفحه

 

پایان نامه جهت دریافت کارشناسی ارشد رشته کامپیوتر و IT

 

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

 

 

فهرست مطالب :

  فصل اول     

 مقدمه

 به دنبال تکامل...      

 ایدۀ اصلی استفاده از الگوریتم ژنتیک 

 درباره علم ژنتیک       

 تاریخچۀ علم ژنتیک    

 تکامل طبیعی (قانون انتخاب طبیعی داروین)   

 رابطه تکامل طبیعی با روش‌های هوش مصنوعی      

 الگوریتم        

 الگوریتم‌های جستجوی ناآگاهانه       

الف- جستجوی لیست

ب- جستجوی درختی  

پ- جستجوی گراف    

 الگوریتم‌های جستجوی آگاهانه         

الف جستجوی خصمانه

 مسائل NPHard       

 هیوریستیک   

 انواع الگوریتم‌های هیوریستیک

  فصل دوم    

 مقدمه

 الگوریتم ژنتیک

 مکانیزم الگوریتم ژنتیک

 عملگرهای الگوریتم ژنتیک      

 کدگذاری       

 ارزیابی

 ترکیب

 جهش

 رمزگشایی    

 چارت الگوریتم به همراه شبه کد آن   

 شبه کد و توضیح آن  

 چارت الگوریتم ژنتیک  

 تابع هدف      

 روش‌های کد کردن     

 کدینگ باینری 

 کدینگ جایگشتی      

 کد گذاری مقدار        

 کدینگ درخت 

 نمایش رشته‌ها        

 انواع روش‌های تشکیل رشته 

 باز گرداندن رشته‌ها به مجموعه متغیرها       

 تعداد بیت‌های متناظر با هر متغیر      

 جمعیت        

 ایجادجمعیت اولیه     

 اندازه جمعیت 

 محاسبه برازندگی (تابع ارزش)

 انواع روش‌های انتخاب

 انتخاب چرخ رولت      

 انتخاب حالت پایدار     

 انتخاب نخبه گرایی    

 انتخاب رقابتی 

 انتخاب قطع سر        

 انتخاب قطعی بریندل  

 انتخاب جایگزینی نسلی اصلاح شده  

 انتخاب مسابقه        

 انتخاب مسابقه تصادفی       

 انواع روش‌های ترکیب 

 جابه‌جایی دودوئی     

 جابه‌جایی حقیقی     

 ترکیب تک‌نقطه‌ای     

 ترکیب دو نقطه‌ای     

 ترکیب n نقطه‌ای      

 ترکیب یکنواخت        

 ترکیب حسابی         

 ترتیب 

 چرخه 

 محدّب

 بخش_نگاشته

 احتمال ترکیب 

 تحلیل مکانیزم جابجایی        

 جهش

 جهش باینری  

 جهش حقیقی

 وارونه سازی بیت      

 تغییر ترتیب قرارگیری  

 وارون سازی   

 تغییر مقدار    

 محک اختتام اجرای الگوریتم ژنتیک    

 انواع الگوریتم‌های ژنتیکی      

 الگوریتم ژنتیکی سری

 الگوریتم ژنتیکی موازی

 مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی         

 نقاط قوّت الگوریتم‌های ژنتیک  

 محدودیت‌های GAها  

 استراتژی برخورد با محدودیت‌ها        

 استراتژی اصلاح عملگرهای ژنتیک     

 استراتژی رَدّی

 استراتژی اصلاحی    

 استراتژی جریمه‌ای   

 بهبود الگوریتم ژنتیک  

 چند نمونه از کاربردهای الگوریتم‌های ژنتیک    

  فصل سوم   

 مقدمه

 حلّ معمای هشت وزیر         

 جمعیت آغازین

 تابع برازندگی 

 آمیزش

 جهش ژنتیکی

 الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد

 حل مسأله TSP به وسیله الگوریتم ژنتیک     

 مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP  

 نتیجه گیری   

 حلّ مسأله معمای سودوکو   

 حل مسأله    

 تعیین کروموزم

 ساختن جمعیت آغازین یا نسل اول    

 ساختن تابع از ارزش  

 ترکیب نمونه‌ها و ساختن جواب جدید  

 ارزشیابی مجموعه جواب      

 ساختن نسل بعد      

 مرتب سازی به کمک GA      

 صورت مسأله 

 جمعیت آغازین

 تابع برازندگی 

 انتخاب

 ترکیب

 جهش

 فهرست منابع و مراجع  


دانلود با لینک مستقیم


پایان نامه الگوریتم ژنتیک