تابع برازندگی

تابع برازندگی

 

عنوان پایان نامه :  بررسی الگوریتم ژنتیک در TSP و NP-HARD

 قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : الگوریتم ژنتیک (Genetic Algorithm – GA) تکنیک جستجویی در علم رایانه براي یافتن راه حل تقریبی براي بهینه سازي و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریت مهاي تکامل است که از تکنیک هاي زیست شناسی فرگشتی مانند وراثت و جهش استفاده می کند. در واقع الگوریت مهاي ژنتیک از اصول انتخاب طبیعی داروین براي یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده میکنند. الگوریت مهاي ژنتیک اغلب گزینه خوبی براي تکنیک هاي پیش بینی بر مبناي یک تکنیک برنامه نویسی است که از (GA تصادف هستند. مختصراً گفته می شود که الگوریتم ژنتیک ) یا تکامل ژنتیکی به عنوان یک الگوي حل مسئله استفاده می کند. مسأله اي که باید حل شود  ورودي است و راه حلها طبق یک الگو کد گذاري میشوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می کند که اکثر آنها به صورت تصادفی انتخاب می شوند.

فهرست :

 مقدمه

 به دنبال تکامل…

 ایده اصلی استفاده از الگوریتم ژنتیک

 درباره علم ژنتیک

 تاریخچۀ علم ژنتیک

 تکامل طبیعی (قانون انتخاب طبیعی داروین)

 رابطه تکامل طبیعی با روش هاي هوش مصنوعی

 الگوریتم

 الگوریتم هاي جستجوي ناآگاهانه

جستجوي لیست

جستجوي درختی

جستجوي گراف

 الگوریتم هاي جستجوي آگاهانه

 الف جستجوي خصمانه

  مسائل NP Hard

 هیوریستیک

 انواع الگوریتم هاي هیوریستیک

فصل دوم

 مقدمه

 الگوریتم ژنتیک

 مکانیزم الگوریتم ژنتیک

 عملگرهاي الگوریتم ژنتیک

 کدگذاري

 ارزیابی

 ترکیب

 جهش

 رمزگشایی

 چارت الگوریتم به همراه شبه کد آ ن

 شبه کد و توضیح آن

 چارت الگوریتم ژنتیک

 تابع هدف

 روش هاي کد کردن

 کدینگ باینري

 کدینگ جایگشتی

 کد گذاري مقدار

 کدینگ درخت

 نمایش رشته ها

 انواع روش هاي تشکیل رشته

 باز گرداندن رشته ها به مجموعه متغیرها

 تعداد بیت هاي متناظر با هر متغی ر

 جمعیت

 ایجاد جمعیت اولیه

 اندازه جمعیت

 محاسبه برازندگی (تابع ارزش)

 انواع روش هاي 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 روش هاي ترکیب

 جابه جایی دودوئی

 جابه جایی حقیقی

 ترکیب تک نقطه ا ي

 ترکیب دو نقطه اي

 ترکیب یکنواخت

 ترکیب حسابی

 ترتیب

 چرخه

 بخش نگاشته

 احتمال ترکیب

 تحلیل مکانیزم جابجایی

 جهش

 جهش باینري

 جهش حقیقی

 وارونه سازي بیت

 تغییر ترتیب قرارگیر ي

 وارون سازي

 تغییر مقدار

 محک اختتام اجراي الگوریتم ژنتیک

 انواع الگوریتم هاي ژنتیکی

 الگوریتم ژنتیکی سري

 الگوریتم ژنتیکی موازي

 مقایسه الگوریتم ژنتیک با سیستم هاي طبیعی

 نقاط قوت الگوریتم هاي ژنتیک

 استراتژي برخورد با محدودیت ها

 استراتژي اصلاح عملگرهاي ژنتیک

 استراتژي اصلاحی

 استراتژي جریمه اي

 بهبود الگوریتم ژنتیک

 چند نمونه از کاربردهاي الگوریتم هاي ژنتیک

فصل سوم

 مقدمه

حلّ معماي هشت وزیر

 جمعیت آغازین

 تابع برازندگی

 آمیزش

 جهش ژنتیکی

 الگوریتم ژنتیک و حلّ مسألۀ فروشندة دوره گرد

به وسیله الگوریتم ژنتیک   TS P  حل مسأله

 TS P  مقایسه روشهاي مختلف الگوریتم و ژنتیک براي

 نتیجه گیر ي

 حلّ مسأله معماي سودوکو

 حل مسأله

 تعیین کروموزم

 ساختن جمعیت آغازین یا نسل اول

 ساختن تابع از ارزش

 ترکیب نمونه ها و ساختن جواب جدید

 ارزشیابی مجموعه جواب

 ساختن نسل بعد

مرتب سازي به کمک  G A

 صورت مسأله

 جمعیت آغازین

 تابع برازندگی

 انتخاب

 ترکیب

 جهش

فهرست منابع و مراجع

پیوست

واژه نامه

نقاط بهینه محلی و بهینه کلی

 چارت الگوریتم ژنتیک

 ترکیب تک نقطه

 ترکیب جایگشتی

 جهش کدینگ جایگشتی

 جهش کدینگ مقدار

 کدینگ درختی

 نمونه کروموزوم الگوریتم ژنتیکی

 روش سري

 روش محاطی

  چرخه رولت

  جابجایی چند نقطه

  ترکیب تک نقطه اي

  ترکیب دو نقطه اي

  ترکیب یکنواخت

  شبیه سازي جهش به کمک نمودار

  جهش باینری

  جهش:وارونه سازي بیت

  جهش:تغییر ترتیب قرارگیري

  جهش: وارون ساز ي

  جهش: تغییر مقدار

  نمودار بررسی رابطه هاي جمعیت، کیفیت جواب و معیار توقف بایکدیگر

 چینش هشت مهره وزیر در صفحه شطرنج بدون تهدید یکدیگر

جدول سودوکو

تابع برازندگی

عنوان پایان نامه :  الگوریتم ژنتیک

قالب بندی :  Word

قیمت :   رایگان

شرح مختصر :  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 :

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 هيوریستیک

  فصل دوم             

 مقدمه

 الگوریتم ژنتیک

 مكانيزم الگوريتم ژنتيك

 عملگرهاي الگوريتم ژنتيك

 کدگذاری

 ارزیابی

 ترکیب

 جهش

 رمزگشايي

 چارت الگوريتم به همراه شبه كد آن

 شبه كد و توضيح 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 متغيرها

 تعداد بيت‌هاي متناظر با هر متغير

 جمعيت

 ايجاد جمعيت اوليه

 اندازه جمعيت

 محاسبه برازندگي (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

 جابه‌جایي حقيقي

 ترکیب تک‌نقطه‌ای

 ترکیب دو نقطه‌ای

 ترکیب n نقطه‌ای

 ترکیب یکنواخت

 ترکیب حسابی

 ترتیب

 چرخه

 محدّب

 بخش_نگاشته

 احتمال تركيب

 تحليل مكانيزم جابجایي

 جهش

 جهش باينري

 جهش حقيقي

 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 معماي 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 جمعيت آغازين يا نسل اول

 ساختن تابع از ارزش

 تركيب نمونه‌ها و ساختن جواب جديد

 ارزشيابي مجموعه جواب

 ساختن نسل بعد

 مرتب سازی به کمک GA

 صورت مسأله

 جمعیت آغازین

 تابع برازندگی

 انتخاب

 ترکیب

 جهش

فهرست منابع و مراجع

پیوست

واژه‌نامه