پايان نامه مقطع كارشناسي الگوريتم هاي ‍ژنتيك و كاربردهاي آن

دسته بندي : فنی و مهندسی » کامپیوتر و IT
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 : مقدمات
1-1- مقدمه
1-2- به دنبال تکامل...
1-3- ایده اصلی استفاده از الگوریتم ژنتیک
1-4- درباره علم ژنتیک
1-5- تاریخچه علم ژنتیک
1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین)
1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی
1-8- الگوریتم
1-8-1- الگوریتم‌های جستجوی ناآگاهان
1-8-2- الگوریتم‌های جستجوی آگاهانه
1-9- مسائل NP-Hard
1-10- هیوریستیک
1-10-1- انواع الگوریتم‌های هيوریستیک

فصل دوم :معرفی الگوریتم ژنتیک
2-1- مقدمه
2-2- الگوریتم ژنتیک
2-3- مكانيزم الگوريتم ژنتيك
2-4- عملگرهاي الگوريتم ژنتيك
2-4-1- کدگذاری
2-4-2- ارزیابی
2-4-3- ترکیب
2-4-4- جهش
2-4-5- رمزگشايي
2-5- چارت الگوريتم به همراه شبه كد آن
2-5-1- شبه كد و توضيح آن
2-5-2- چارت الگوریتم ژنتیک
2-6- تابع هدف
2-7- روش‌های کد کردن
2-7-1- کدینگ باینری
2-7-2- کدینگ جایگشتی
2-7-3- کد گذاری مقدار
2-7-4- کدینگ درخت
2-8- نمایش رشته‌ها
2-9- انواع روش‌های تشکیل رشته
2-10- باز گرداندن رشته‌ها به مجموعه متغيرها
2-10-1- تعداد بيت‌هاي متناظر با هر متغير
2-11- جمعيت
2-11-1- ايجادجمعيت اولي
2-11-2- اندازه جمعيت
2-12- محاسبه برازندگي (تابع ارزش)
2-13- انواع روش‌های انتخاب
2-13-1- انتخاب چرخ رولت
2-13-2- انتخاب حالت پایدار
2-13-3- انتخاب نخبه گرایی
2-13-4- انتخاب رقابتی
2-13-5- انتخاب قطع سر
2-13-6- انتخاب قطعی بریندل
2-13-7- انتخاب جایگزینی نسلی اصلاح شده
2-13-8- انتخاب مسابقه
2-13-9- انتخاب مسابقه تصادفی
2-14- انواع روش‌های ترکیب
2-14-1- جابه‌جایی دودوئی
2-14-2- جابه‌جایي حقيقي
2-14-3- ترکیب تک‌نقطه‌ای
2-14-4- ترکیب دو نقطه‌ای
2-14-5- ترکیب n نقطه‌ای
2-14-6- ترکیب یکنواخت
2-14-7- ترکیب حسابی
2-14-8- ترتیب
2-14-9- چرخه
2-14-10- محدّب
2-14-11- بخش_نگاشته
2-15- احتمال تركيب
2-16- تحليل مكانيزم جابجایي
2-17- جهش
2-17-1- جهش باينري
2-17-2- جهش حقيقي
2-17-3- وارونه سازی بیت
2-17-4- تغییر ترتیب قرارگیری
2-17-5- وارون سازی
2-17-6- تغییر مقدار
2-18- محک اختتام اجرای الگوریتم ژنتیک
2-19- انواع الگوریتم‌های ژنتیکی
2-19-1- الگوریتم ژنتیکی سری
2-19-2- الگوریتم ژنتیکی موازی
2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی
2-21- نقاط قوّت الگوریتم‌های ژنتیک
2-22- محدودیت‌های GAها
2-23- استراتژی برخورد با محدودیت‌ها
2-23-1- استراتژی اصلاح عملگرهای ژنتیک
2-23-2- استراتژی رَدّی
2-23-3- استراتژی اصلاحی
2-23-4- استراتژی جریمه‌ای
2-24- بهبود الگوریتم ژنتیک
2-25-یک مثال ساده

فصل سوم : کاربردهای الگوریتم ژنتیک
3-1- مقدمه
3-2- چند نمونه از کاربردهای الگوریتم‌های ژنتیک
3-3- الگوریتم ژنتیک و حلّ مسأله فروشنده دوره‌گرد
3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک
3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP
3-3-3- نتیجه گیری
3-4- پیاده سازی یک تابع با استفاده از الگوریتم ژنتیک
نتیجه گیری
فهرست منابع و مراجع
واژه‌نامه

این 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.