پايان نامه مقطع كارشناسي الگوريتم هاي ژنتيك و كاربردهاي آن - دانلود رایگان
دانلود رایگان
دانلود رایگان 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.اين پايان نامه داراي 201 صفحه به همراه كد پياده سازي به زبان c مي باشد . فهرست مطالب :فصل اول : مقدمات1-1- مقدمه1-2- به دنبال تکامل...1-3- ایده اصلی استفاده از الگوریتم ژنتیک1-4- درباره علم ژنتیک1-5- تاریخچه علم ژنتیک1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین)1-7- رابطه تکامل طبیعی با روشهای هوش مصنوعی1-8- الگوریتم1-8-1- الگوریتم‌های جستجوی ناآگاهان1-8-2- الگوریتم‌های جستجوی آگاهانه1-9- مسائل NP-Hard1-10- هیوریستیک1-10-1- انواع الگوریتم‌های هيوریستیکفصل دوم :معرفی الگوریتم ژنتیک2-1- مقدمه2-2- الگوریتم ژنتیک2-3- مكانيزم الگوريتم ژنتيك2-4- عملگرهاي الگوريتم ژنتيك2-4-1- کدگذاری2-4-2- ارزیابی2-4-3- ترکیب2-4-4- جهش2-4-5- رمزگشايي2-5- چارت الگوريتم به همراه شبه كد آن2-5-1- شبه كد و توضيح آن2-5-2- چارت الگوریتم ژنتیک2-6- تابع هدف2-7- روشهای کد کردن2-7-1- کدینگ باینری2-7-2- کدینگ جایگشتی2-7-3- کد گذاری مقدار2-7-4- کدینگ درخت2-8- نمایش رشته‌ها2-9- انواع روشهای تشکیل رشته2-10- باز گرداندن رشته‌ها به مجموعه متغيرها2-10-1- تعداد بيت‌هاي متناظر با هر متغير2-11- جمعيت2-11-1- ايجادجمعيت اولي2-11-2- اندازه جمعيت2-12- محاسبه برازندگي (تابع ارزش)2-13- انواع روشهای انتخاب2-13-1- انتخاب چرخ رولت2-13-2- انتخاب حالت پایدار2-13-3- انتخاب نخبه گرایی2-13-4- انتخاب رقابتی2-13-5- انتخاب قطع سر2-13-6- انتخاب قطعی بریندل2-13-7- انتخاب جایگزینی نسلی اصلاح شده2-13-8- انتخاب مسابقه2-13-9- انتخاب مسابقه تصادفی2-14- انواع روشهای ترکیب2-14-1- جابه‌جایی دودوئی2-14-2- جابه‌جایي حقيقي2-14-3- ترکیب تک‌نقطه‌ای2-14-4- ترکیب دو نقطه‌ای2-14-5- ترکیب n نقطه‌ای2-14-6- ترکیب یکنواخت2-14-7- ترکیب حسابی2-14-8- ترتیب2-14-9- چرخه2-14-10- محدّب2-14-11- بخش_نگاشته2-15- احتمال تركيب2-16- تحليل مكانيزم جابجایي2-17- جهش2-17-1- جهش باينري2-17-2- جهش حقيقي2-17-3- وارونه سازی بیت2-17-4- تغییر ترتیب قرارگیری2-17-5- وارون سازی2-17-6- تغییر مقدار2-18- محک اختتام اجرای الگوریتم ژنتیک2-19- انواع الگوریتم‌های ژنتیکی2-19-1- الگوریتم ژنتیکی سری2-19-2- الگوریتم ژنتیکی موازی2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی2-21- نقاط قوّت الگوریتم‌های ژنتیک2-22- محدودیت‌های GAها 2-23- استراتژی برخورد با محدودیت‌ها2-23-1- استراتژی اصلاح عملگرهای ژنتیک2-23-2- استراتژی رَدّی2-23-3- استراتژی اصلاحی2-23-4- استراتژی جریمه‌ای2-24- بهبود الگوریتم ژنتیک2-25-یک مثال سادهفصل سوم : کاربردهای الگوریتم ژنتیک 3-1- مقدمه3-2- چند نمونه از کاربردهای الگوریتم‌های ژنتیک3-3- الگوریتم ژنتیک و حلّ مسأله فروشنده دوره‌گرد3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP3-3-3- نتیجه گیری3-4- پیاده سازی یک تابع با استفاده از الگوریتم ژنتیکنتیجه گیریفهرست منابع و مراجعواژه‌نامهاین فایل به همراه چکیده، فهرست مطالب، فهرست اشكال ، متن اصلی، نتيجه گيري ، فهرست منابع و مراجع و واژه نامه با فرمت word (قابل ویرایش) و كد برنامه نويسي به زبان c در اختیار شما قرار می گیرد.