بررسی کامل الگوریتم ژنتیک و مقایسه آن با روشهای بهینه سازی
بررسی کامل الگوریتم ژنتیک و مقایسه آن با روشهای بهینه سازی
الگوریتم ژنتیک
روشهای بهینه سازی
مقایسه الگوریتم ژنتیک با روشهای بهینه سازی
بررسی کامل الگوریتم ژنتیک و مقایسه آن با روشهای بهینه سازی
دانلود پایان نامه کامپیوتر
دانلود پایان نامه مهندسی کامپیوتر
دانلود پایان نامه رشته نرم افزار
دانلود پایان نامه رشته کامپیوتر
بررسی کامل الگوریتم ژنتیک و مقایسه آن با روشهای بهینه سازی
مقدمه
در این پایان نامه به معرفی اصول کلی الگوریتم ژنتیک پرداخته می شود از خصوصیت بارز این مطالب آن است که برای فردی که برای نخستین بار با الگوریتم ژنتیک آشنا می شود می تواند اطلاعات مفید و ساده و قابل فهمی ارائه دهد.محدوده کاری الگوریتم ژنتیک بسیار وسیع می باشد و هر روز با پیشرفت روزافزون علوم و تکنولوژی استفاده از این روش در بهینه سازی و حل مسائل بسیار گسترش یافته است.الگوریتم ژنتیک یکی از زیر مجموعه های محاسبات تکامل یافته می باشد که رابطه مستقیمی با مبحث هوش مصنوعی دارد در واقع الگوریتم ژنتیک یکی از زیر مجموعه های هوش مصنوعی می باشد.
الگوریتم ژنتیک را می توان یک روش جستجوی کلی نامید که از قوانین تکامل بیولوژیک طبیعی تقلید می کند .الگوریتم ژنتیک برروی یکسری از جواب های مساله به امید بدست آوردن جوابهای بهتر قانون بقای بهترین را اعمال می کند. درهر نسل به کمک فرآیند انتخابی متناسب با ارزش جواب ها و تولید مثل جواب-های انتخاب شده به کمک عملگرهایی که از ژنتیک طبیعی تقلید شده-اند ,تقریب های بهتری از جواب نهایی بدست می آید. این فرایند باعث می شود که نسلهای جدید با شرایط مساله سازگارتر باشد.
حساب تکاملی ,برای اولین بار در سال 1960 توسط آقای ریچنبرگ ارائه شد که تحقیق وی در مورد استراتژی تکامل بود.بعدها نظریه او توسط محققان زیادی مورد بررسی قرار گرفت تا اینکه الگوریتم ژنتیک (GA ) توسط جان هولند(John Holland ) و در سال 1975 در دانشگاه میشیگان ,ارائه شد.
در سال 1992 نیز جان کوزا (John Koza ) از الگوریتم ژنتیک (GA ) برای حل و بهینه سازی مسائل مهندسی پیشرفته استفاده کرد و توانست برای اولین بار روند الگوریتم ژنتیک (GA ) را به زبان کامپیوتر در آورد و برای آن یک زبان برنامه نویسی ابداع کندکه به این روش برنامه نویسی ,برنامه نویسی ژنتیک (GP ) گویندو نرم افزاری که توسط وی ابداع گردید به نرم افزار LISP مشهور است که هم اکنون نیز این نرم افزار کاربرد زیادی در حل و بهینه سازی مسائل مهندسی پیدا کرده است اصول کار و الگوریتم کلی این نرم افزار بر اساس مسائل پایه و ابتدائی الگوریتم ژنتیک (GA ) می باشد که در این تحقیق مفصل به آن اشاره خواهیم کرد.
همانطور که میدانیم منشا الگوریتم ژنتیک (GA ) از مباحث مربوط به زیست شناسی و آناتومی مربوط به یک موجود زنده ,می باشد بنابر این در این قسمت به توضیح مختصری از تاریخچه بیولوژیکی این الگوریتم می پردازیم.
کلمات کلیدی:
الگوریتم ژنتیک
روشهای بهینه سازی
مقایسه الگوریتم ژنتیک با روشهای بهینه سازی
فهرست
مقدمه
فصل اول
تاریخچه بیولوژیکی الگوریتم ژنتیک
کلیات الگوریتم ژنتیک
قسمتهای مهم الگوریتم ژنتیک
نمایش جمعیت و شروع الگوریتم ژنتیک
تابع هدف و تابع برازش
انتخاب
تقاطع
جهش
تعاریف کلی اجزائ الگوریتم ژنتیک
فضای جستجو
روند کلی بهینه سازی و حل مسائل در الگوریتم ژنتیک
عملگرهای الگوریتم ژنتیک
رمزگذاری و آدرس دهی کروموزومها
تولید مثل
جهش
انواع روشهای رمزگذاری و آدرس دهی کرموزومها
مسئله TSP
انواع روشهای بهینه سازی
روشهای تحلیلی
روشهای عددی
مسائل موجود در بهینه سازی آیرودینامیکی توسط الگوریتم ژنتیک
مقایسه الگوریتم ژنتیک و دیگر روشهای بهینه سازی
کاربردهای الگوریتم ژنتیک
فصل دوم
جعبه ابزار الگوریتم ژنتیک در نرم افزار7 MATLAB
نوشتن M فایل
فراخوانی الگوریتم ژنتیک