کد محصول: 2275
تعداد صفحه: 32 صفحه
نوع فایل: PDF,Word
قیمت: 45000 تومان
الگوریتم ژنتیک (Genetic Algorithm)
چکیده
الگوریتم‌های ژنتیک تکنیک جستجو در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی مدل، ریاضی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکاملی است که از تکنیک‌های زیست‌شناسی فرگشتی مانند وراثت، جهش زیست‌شناسی و اصول انتخابی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌شود. الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای رگرسیون هستند.
در مدل‌سازی الگوریتم ژنتیک یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسئله‌ای که باید حل شود دارای ورودی‌هایی می‌باشد که طی یک فرایند الگوبرداری شده از تکامل ژنتیکی به راه‌حل‌ها تبدیل می‌شود سپس راه حل‌ها به عنوان کاندیداها توسط تابع برازش یا تابع برازندگی مورد ارزیابی قرار می‌گیرند و چنانچه شرط خروج مسئله فراهم شده باشد الگوریتم خاتمه می‌یابد. به‌طور کلی یک الگوریتم مبتنی بر تکرار است که اغلب بخش‌های آن به صورت فرایندهای تصادفی انتخاب می‌شوند که این الگوریتم‌ها از بخش‌های تابع برازش، نمایش، انتخاب و تغییر تشکیل می‌شوند.
هدف این پژوهش بررسی توانایی الگوریتم ژنتیک چندهدفه در تعیین پارامتر فرآیند و شرایط پس از فرآیند است که منجر به حداکثر چگالی نسبی (RD) و حداقل زبری سطح (Ra) به طور همزمان در مورد فرآیند نمونه Ti6Al4V توسط همجوشی بستر پودر پرتو لیزر می‌شود.
کلیده واژه ها: ژنتیک، الگوریتم، تکامل ژنتیک
۱-۱. مقدمه
هنگامی که لغت تنازع بقا به کار می‌رود اغلب بار ارزشی منفی آن به ذهن می‌آید. شاید همزمان قانون جنگل به ذهن برسد و حکم بقای قوی‌ترها!
البته همیشه هم قوی‌ترین‌ها برنده نبوده‌اند؛ مثلاً دایناسورها با وجود جثه عظیم و قوی‌تر بودن در طی روندی کاملاً طبیعی بازیِ بقا و ادامه نسل را واگذار کردند در حالی که موجوداتی بسیار ضعیف‌تر از آن‌ها حیات خویش را ادامه دادند. ظاهراً طبیعت، بهترین‌ها را تنها بر اساس هیکل انتخاب نمی‌کند! در واقع درست‌تر آنست که بگوییم طبیعت مناسب ترین‌ها را انتخاب می‌کند.
قانون انتخاب طبیعی بدین صورت است که تنها گونه‌هایی از یک جمعیت ادامه نسل می‌دهند که بهترین خصوصیات را داشته باشند و آن‌هایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می‌روند.
فهرست مطالب
فصل اول ۱
۱-۱. مقدمه ۲
۱-۲. بهینه محلی و بهینه کلی ۶
۱-۳. روش‌های نمایش ۹
۱-۴. عملگرهای یک الگوریتم ژنتیک ۱۰
۱-۵. شبه کد ۱۰
فصل دوم ۱۲
۲-۱. پیشینه ۱۳
۲-۲. روش‌های انتخاب ۱۳
۲-۲-۱. انتخاب نخبه گرا ۱۴
۲-۲-۲. انتخاب رولت ۱۴
۲-۲-۳. انتخاب مقیاس بندی ۱۴
۲-۲-۴. انتخاب مسابقات ۱۴
۲-۳. روش جستجوی تکاملی ۱۸
۲-۴. نظریه تکامل ۱۸
۲-۴-۱.انواع مختلف الگوریتم‌های تکاملی ۱۹
۲-۴-۱-۱. هم‌فرگشتیکدگذاری و نحوه نمایش ۱۹
۲-۵. حل مسائل معروف با استفاده از الگوریتم ژنتیک ۲۰
۲-۶. کروموزوم (الگوریتم ژنتیک) ۲۱
۲-۶-۱. طراحی کروموزوم ۲۱
۲-۷. روش بهینه‌سازی ازدحام ذرات ۲۲
۲-۷-۱. انواع الگوریتم ازدحام ذرات ۲۲
۲-۷-۱-۱. الگوریتم ازدحام ذرات پیوسته ۲۲
۲-۷-۱-۲. هوش جمعی ۲۳
۲-۷-۲. اولین الگوریتم ازدحام ذرات ۲۳
۲-۷-۳. الگوریتم رقابت استعماری ۲۴
فصل سوم ۲۶
۳-۱. نتیجه گیری ۲۷
منابع و ماخذ ۲۹
