دانلود تحقیق آماده در مورد الگوریتم ژنتیک 

دانلود تحقیق آماده در مورد الگوریتم ژنتیک

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.
کلمات کلیدی: الگوریتم ژنتیک، هیوریستیک، ترکیب و جهش، تکامل طبیعی داروین، معمای هشت وزیر.

مقدمه

امروزه یکی از مهم‌ترین زمینه‌های تحقیق و پژوهش، توسعۀ روش‌های جستجو بر مبنای اصول تکامل طبیعی می‌باشد. در محاسبات تکاملی به صورت انتزاعی از مفاهیم اساسی تکامل طبیعی در راستای جستجو برای یافتن راه حلّ بهینه برای مسائل مختلف الهام گرفته شده است. در همین راستا مطالبی که در این فصل پیش روی شما پژوهندۀ گرامی قرار خواهد گرفت مفاهیمی دربارۀ علم کامپیوتر و علم ژنتیک مانند: الگوریتم و انواع آن، جستجو، هیوریستیک، تاریخچه الگوریتم ژنتیک و علم ژنتیک، ژن، کروموزوم، ارث بری و… می باشد، و یا به بیانی خلاصه‌تر می‌توان گفت: در این فصل به بیان مقدّمات خواهیم پرداخت.

انشاءالله مطالعۀ این فصل مفهومی ساده و روشن از موضوعِ این نوشتار را برای شما خوانندۀ محترم به تصویر خواهد کشید و شما را در درک آسان و سریع فصول بعدی یاری خواهد رساند.

فهرست مطالب

فصل اول ۱

۱-۱- مقدمه ۲
۱-۲- به دنبال تکامل… ۳
۱-۳- ایدۀ اصلی استفاده از الگوریتم ژنتیک ۴
۱-۴- درباره علم ژنتیک ۶
۱-۵- تاریخچۀ علم ژنتیک ۶
۱-۶- تکامل طبیعی (قانون انتخاب طبیعی داروین) ۷
۱-۷- رابطه تکامل طبیعی با روش‌های هوش مصنوعی ۱۰
۱-۸- الگوریتم ۱۱
۱-۸-۱- الگوریتم‌های جستجوی ناآگاهانه ۱۲
۱-۸-۱-الف- جستجوی لیست ۱۲
۱-۸-۱-ب- جستجوی درختی ۱۳
۱-۸-۱-پ- جستجوی گراف ۱۴
۱-۸-۲- الگوریتم‌های جستجوی آگاهانه ۱۴
۱-۸-۲-الف- جستجوی خصمانه ۱۵
۱-۹- مسائل NP-Hard 15
۱-۱۰- هیوریستیک ۱۷
۱-۱۰-۱- انواع الگوریتم‌های هیوریستیک ۱۹

فصل دوم ۲۱

۲-۱- مقدمه ۲۲
۲-۲- الگوریتم ژنتیک ۲۳
۲-۳- مکانیزم الگوریتم ژنتیک ۲۵
۲-۴- عملگرهای الگوریتم ژنتیک ۲۸
۲-۴-۱- کدگذاری ۲۸
۲-۴-۲- ارزیابی ۲۹
۲-۴-۳- ترکیب ۲۹
۲-۴-۴- جهش ۲۹
۲-۴-۵- رمزگشایی ۳۰
۲-۵- چارت الگوریتم به همراه شبه کد آن ۳۰
۲-۵-۱- شبه کد و توضیح آن ۳۱
۲-۵-۲- چارت الگوریتم ژنتیک ۳۳
۲-۶- تابع هدف ۳۴
۲-۷- روش‌های کد کردن ۳۴
۲-۷-۱- کدینگ باینری ۳۵
۲-۷-۲- کدینگ جایگشتی ۳۶
۲-۷-۳- کد گذاری مقدار ۳۷
۲-۷-۴- کدینگ درخت ۳۸
۲-۸- نمایش رشته‌ها ۳۹
۲-۹- انواع روش‌های تشکیل رشته ۴۱
۲-۱۰- باز گرداندن رشته‌ها به مجموعه متغیرها ۴۲
۲-۱۰-۱- تعداد بیت‌های متناظر با هر متغیر ۴۳

۲-۱۱- جمعیت ۴۴

۲-۱۱-۱- ایجادجمعیت اولیه ۴۴
۲-۱۱-۲- اندازه جمعیت ۴۵
۲-۱۲- محاسبه برازندگی (تابع ارزش) ۴۶
۲-۱۳- انواع روش‌های انتخاب ۴۸
۲-۱۳-۱- انتخاب چرخ رولت ۴۹
۲-۱۳-۲- انتخاب حالت پایدار ۵۱
۲-۱۳-۳- انتخاب نخبه گرایی ۵۱
۲-۱۳-۴- انتخاب رقابتی ۵۲
۲-۱۳-۵- انتخاب قطع سر ۵۲
۲-۱۳-۶- انتخاب قطعی بریندل ۵۳
۲-۱۳-۷- انتخاب جایگزینی نسلی اصلاح شده ۵۳
۲-۱۳-۸- انتخاب مسابقه ۵۴
۲-۱۳-۹- انتخاب مسابقه تصادفی ۵۴
۲-۱۴- انواع روش‌های ترکیب ۵۴
۲-۱۴-۱- جابه‌جایی دودوئی ۵۵
۲-۱۴-۲- جابه‌جایی حقیقی ۵۸
۲-۱۴-۳- ترکیب تک‌نقطه‌ای ۵۹
۲-۱۴-۴- ترکیب دو نقطه‌ای ۶۰
۲-۱۴-۵- ترکیب n نقطه‌ای ۶۰
۲-۱۴-۶- ترکیب یکنواخت ۶۱
۲-۱۴-۷- ترکیب حسابی ۶۲
۲-۱۴-۸- ترتیب ۶۲
۲-۱۴-۹- چرخه ۶۳
۲-۱۴-۱۰- محدّب ۶۴
۲-۱۴-۱۱- بخش_نگاشته ۶۴
۲-۱۵- احتمال ترکیب ۶۵
۲-۱۶- تحلیل مکانیزم جابجایی ۶۶
۲-۱۷- جهش ۶۶
۲-۱۷-۱- جهش باینری ۶۹
۲-۱۷-۲- جهش حقیقی ۶۹

۲-۱۷-۳- وارونه سازی بیت ۷۰

۲-۱۷-۴- تغییر ترتیب قرارگیری ۷۰
۲-۱۷-۵- وارون سازی ۷۱
۲-۱۷-۶- تغییر مقدار ۷۱
۲-۱۸- محک اختتام اجرای الگوریتم ژنتیک ۷۲
۲-۱۹- انواع الگوریتم‌های ژنتیکی ۷۲
۲-۱۹-۱- الگوریتم ژنتیکی سری ۷۳
۲-۱۹-۲- الگوریتم ژنتیکی موازی ۷۴
۲-۲۰- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی ۷۵
۲-۲۱- نقاط قوّت الگوریتم‌های ژنتیک ۷۶
۲-۲۲- محدودیت‌های GAها ۷۸
۲-۲۳- استراتژی برخورد با محدودیت‌ها ۷۹
۲-۲۳-۱- استراتژی اصلاح عملگرهای ژنتیک ۷۹
۲-۲۳-۲- استراتژی رَدّی ۷۹
۲-۲۳-۳- استراتژی اصلاحی ۸۰
۲-۲۳-۴- استراتژی جریمه‌ای ۸۰
۲-۲۴- بهبود الگوریتم ژنتیک ۸۱
۲-۲۵- چند نمونه از کاربردهای الگوریتم‌های ژنتیک ۸۱

فصل سوم ۸۶

۳-۱- مقدمه ۸۷
۳-۲- حلّ معمای هشت وزیر ۸۸
۳-۲-۱- جمعیت آغازین ۹۰
۳-۲-۲- تابع برازندگی ۹۴
۳-۲-۳- آمیزش ۹۵
۳-۲-۴- جهش ژنتیکی ۹۶
۳-۳- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد ۹۷
۳-۳-۱- حل مسأله TSP به وسیله الگوریتم ژنتیک ۹۹
۳-۳-۲- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP 107
۳-۳-۳- نتیجه گیری ۱۰۸
۳-۴- حلّ مسأله معمای سودوکو ۱۰۹
۳-۴-۱- حل مسأله ۱۱۰
۳-۴-۲- تعیین کروموزم ۱۱۰
۳-۴-۳- ساختن جمعیت آغازین یا نسل اول ۱۱۱
۳-۴-۴- ساختن تابع از ارزش ۱۱۲
۳-۴-۵- ترکیب نمونه‌ها و ساختن جواب جدید ۱۱۳
۳-۴-۶- ارزشیابی مجموعه جواب ۱۱۸
۳-۴-۷- ساختن نسل بعد ۱۱۸
۳-۵- مرتب سازی به کمک GA 119
۳-۵-۱- صورت مسأله ۱۱۹
۳-۵-۲- جمعیت آغازین ۱۱۹
۳-۵-۳- تابع برازندگی ۱۲۲
۳-۵-۴- انتخاب ۱۲۳
۳-۵-۵- ترکیب ۱۲۳
۳-۵-۶- جهش ۱۲۴

فهرست منابع و مراجع ۱۲۶

پیوست ۱۲۷
واژه‌نامه ۱۴۳