حل معماي هشت وزیر

حل معماي هشت وزیر

 

عنوان پایان نامه :  شبکه های عصبی مصنوعی

 قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : در اين نوشتار به معرفي شبكه هاي عصبي زيستي و شبكه هاي عصبي مصنوعي و ساختارهاي آنها مي پردازيم.در ابتدا نرونهاي شبكه هاي عصبي زيستي معرفي شده و طرز كار آنها نشان داده شده است.سپس مدل مصنوعي اين نرونها و ساختار آنها،مدل رياضي آنها،شبكه هاي عصبي مصنوعي و نحوه آموزش و بكارگيري اين شبكه ها نشان داده شده است.تمركز بيشتر بر نوعي از اين شبكه ها به نام شبكه هاي عصبي مصنوعي چند لايه مي باشد.سپس الگوریتم ژنتیک که جزو پرکاربردترین الگوریتمهای پیاده سازی شبکه عصبی مصنوعی است مورد بررسی قرار گرفته است.

شبكه هاي عصبي مصنوعي از مباحث جديدي است كه دانشمندان علوم كامپيوتر به آن علاقمند شده اند و براي پيشرفت هرچه بيشتر علوم كامپيوتر وقت و هزينه زيادي را صرف آن كرده و مي كنند.اين موضوع يا ايده گرفتن از سيستم عصبي بدن انسان و با هدف شبيه سازي هرچه بيشتر كامپيوتر به انسان شكل گرفت و تاحال به خوبي پيش رفته است.همچنين  در ساليان اخير شاهد حركتي مستمر از تحقيقات صرفا تئوري به تحقيقات كاربردي بخصوص در زمينه پردازش اطلاعات براي  مساولي كه براي آنها راه حلي موجود نيست و يا به راحتي قابل حل نيستند بوده ايم. باعنايت به اين امر علاقهاي فزاينده در توسعه تئوريكي سيستمهاي ديناميكي هوشمند مدل آزاد2كه مبتني بر داده هاي تجربي مي باشند-ايجاد شده است .ANNها جزء اين دسته از سيستمهاي مكانيكي قرار دارند كه با پردازش روي داده هاي تجربي،دانش يا قانون نهفته در وراي داده ها را به ساختار شبكه منتقل مي كنند.به همين خاطر به اين سيستم ها هوشمند گفته مي شود.زيرا براساس محاسبات روي داده هاي عددي يا مثالها قوانين كلي را ياد مي گيرند.اين سيستمها در مدل سازي ساختار نرو سيتاپتيكي3 مغز بشر مي كوشند.البته اين سخن اغراق آميز مي باشد.دانشمندان هرچه بيشتر درمورد مغز بشر تحقيق مي كنند و مي آموزند،بيشتر در مي يابند كه مغز بشر دست نيافتني است.در حقيقت در مورد مغز و ساختار سيستم عصبي انسان اطلاعات زيادي به دست آمده است ولي پياده سازي ساختاري با پيچيدگي مغز انسان براساس اطلاعاتي و تكنولوژي كه امروزه وجود دارد غير ممكن مي باشد.

فهرست :  

فصل اول مقدمه

شبكه عصبي زيستي

سابقه تاريخي

آیده پيدايش شبكه هاي عصبي مصنوعي

 شبكه هاي عصبي در مقابل كامپيوترهاي معمولي

 تفاوت شبكه هاي عصبي با روش هاي محاسباتي متداول (سيستم هاي خبره)

مزایای استفاده از شبكه هاي عصبي مصنوعی

 معايب استفاده از شبكه های عصبي مصنوعی

 كاربردهاي شبكه هاي عصبي مصنوعي

توپولوژي شبكه هاي عصبي مصنوعي

انواع يادگيري شبكه هاي عصبي مصنوعي

نحوه عملكرد شبكه هاي عصبي مصنوعي

انواع شبکه عصبی مصنوعی

شبکه هاپفیلد

شبکه پروسپترون چند لایه

خروجی پروسپترون

نقش تابع در خروجی شبکه

توانایی پروسپترون

توابع بولی و پروسپترون

اضافه کردن بایاس

آموزش پروسپترون

الگوریتم یادگیری پروسپترون

شبکه کوهونن

فصل دومالگوریتمهای یادگیری شبکه های عصبی مصنوعی

الگوریتم ژنتیک

کاربردهای الگوریتم ژنتیک

به دنبال تکامل

ایده ی اصلی استفاده از الگوریتم ژنتیک

درباره علم ژنتیک

تاریخچه علم ژنتیک

تکامل طبیعی (قانون انتخاب طبیعی داروین)

رابطه تکامل طبیعی با روشهای هوش مصنوعی

الگوریتم جستجو

الگوریتمهای جستجوی ناآگاهانه

جستجوی لیست

جستجوی درختی

جستجوی گراف

الگوریتمهای جستجوی آگاهانه

جستجوی خصمانه

مسائل NPHARD

هیوریستیک

انواع الگوریتمهای هیوریستیک

فصل سوم

الگوریتم ژنتیک

مکانیزم الگوریتم ژنتیک

عملگرهای الگوریتم ژنتیک

چارت الگوریتم به همراه شبه کد آن

تابع هدف

روشهای کد کردن

کدینگ باینری

کدینگ جایگشتی

کدگذاری مقدار

کدینگ درخت

نمایش رشته ها

انواع روش های تشکیل رشته

بازگرداندن رشته ها به مجموعه متغیرها

تعداد بیتهای متناظر با هر متغیر

جمعیت

ایجاد جمعیت 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 نسل اصلاح شده

انتخاب مسابقه

انتخاب مسابقه تصادفی

انواع روشهای ترکیب

جابه جایی دودویی

جابه جایی حقیقی

ترکیب تک نقطه ای

ترکیب دو نقطه ای

ترکیب n نقطه ای

 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 چهارم

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

نتيجه گيري

فهرست منابع

حل معماي هشت وزیر

 

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