پایان نامه بررسی الگوریتم ژنتیک در TSP و NP-HARD


پایان-نامه-بررسی-الگوریتم-ژنتیک-در-tsp-و-np-hard
پایان نامه بررسی الگوریتم ژنتیک در TSP و NP-HARD
فرمت فایل دانلودی: .doc
فرمت فایل اصلی: doc
تعداد صفحات: 42
حجم فایل: 1120
قیمت: : 4000 تومان

بخشی از متن:
مقدمه:
محدوده کاری الگوریتم ژنتیک  بسیار وسیع می باشد و هر روز با پیشرفت روز افزون 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.

فهرست مطالب:
مقدمه 
تاریخچه
تاریخچه بیولوژیکی
ایدة اصلی استفاده از الگوریتم ژنتیک 
ساختار الگوریتم‏های ژنتیکی
عملگرهای الگوریتم  ژنتیک  
عملگر انتخاب  (Selection ) 
شکل 1 - نحوه ارزیابی شایستگی در چرخ رولت
عملگر آمیزش (Crossover) 
تلفیق تک نقطه ای (Single Point Crossover) 
شکل 2 - یک نمونه تلفیق (آمیزش)  
روش ادغام دو نقطه ای (Two-point CrossOver)
شکل 3 - (روش ادغام دو نقطه ای) 
تلفیق نقطه ای (Multipoint Crossover )
تلفیق جامع (Uniform Crossover)
عملگر جهش (Mutation ) 
شکل 4 - یک کروموزوم قیب و بعد اعمال عملگر جهش 
روند کلی الگوریتم‏های ژنتیکی
شکل 5 - کد برنامه مجازی الگوریتم ژنتیک ساده و فلوچارت آن 
روند کلی بهینه سازی و حل مسائل در الگوریتم ژنتیک 
شکل 6 - نحوه ارزیابی تابع شایستگی در چرخ رولت 
شرط پایان الگوریتم 
نسل اول
انتخاب
تلفیق(Crossover) 
جهش(Mutation) 
مسائل NP-Hard
حلّ معمای هشت وزیر 
شکل 7 – چینش 8 مهره وزیر در صفحه شطرنج بدون تهدید یکدیگر 
شکل 8 - چینش 8 مهره وزیر در صفحه در تیر رس یکدیگر
جمعیت آغازین  
شکل 9 - چینش 8 مهره وزیر در صفحه در تیر رس یکدیگر 
شکل 10 - چینش 8 مهره وزیر در صفحه در تیر رس یکدیگر 
شکل 11 - چینش 8 مهره وزیر در صفحه در تیر رس یکدیگر 
شکل 12 - چینش 8 مهره وزیر در صفحه در تیر رس یکدیگر 
تابع برازندگی
شکل 13- چگونگی برازش هشت مهره وزیر در  صفحه شطرنج 
آمیزش 
جهش ژنتیکی 
حل مسأله TSP به وسیله الگوریتم ژنتیک 
مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP  
نتیجه گیری 
فهرست منابع و مراجع

دانلود فایلپرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
نظرات 0 + ارسال نظر
امکان ثبت نظر جدید برای این مطلب وجود ندارد.