دانلود پروژه الگوریتم ژنتیک

اختصاصی از فی فوو دانلود پروژه الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

1-1- مقدمه

به طور کلی انتخاب و طراحی بهینه در بسیاری از مسائل علمی و فنی باعث تولید بهترین محصول یا جواب ممکن در یک شرایط خاص می شود. برای مثال تولید محصولات مناسب در حوزه های مختلف فنی و مهندسی وابسته به طراحی دقیق و بهینه ی شکل، اندازه و قطعات محصول است. در نتیجه هر مسئله ی مهندسی ممکن است داری چندین جواب مختلف باشد که بعضی از آنها ممکن و بعضی غیر ممکن است . وظیفه ی طراحان پیدا کردن بهترین جواب ممکن از میان جواب های مختلف است. مجموعه ی جواب های ممکن فضای طراحی را شکل می دهند که باید در این فضا به جستجوی بهترین یا بهینه ترین جواب پرداخت.

از آنجایی که نتیجه ی کار با توجه به نوع انتخاب این متدها و روش ها حاصل می شود لذا به اهمیت موضوع انتخاب بهینه ( Optimum ) و بهینه سازی در همه ی مسائل پی می بریم پس:

(( هدف ما این است که در فضای جواب های ممکن به دنبال بهترین جواب بگردیم. ))

روش های جدید بهینه سازی که امروزه در حل بسیاری از مسائل مختلف مورد استفاده قرار می گیرد عبارتند از:

1. Simulated Annealing

2. Ant colony

3. Random Cost

4. Evolution strategy

5. Genetic Algorithm

6. Celluar Automata

در این پایان نامه به بررسی و استفاده از روش Genetic Algorithm می پردازیم.

کاربرد الگوریتم ژنتیک در بهینه یابی وزنی قاب های فلزی سه بعدی با رفتار غیرخطی هندسی

اختصاصی از فی فوو کاربرد الگوریتم ژنتیک در بهینه یابی وزنی قاب های فلزی سه بعدی با رفتار غیرخطی هندسی دانلود با لینک مستقیم و پر سرعت .

• پایان نامه کارشناسی ارشد مهندسی عمران گرایش سازه با عنوان: کاربرد الگوریتم ژنتیک در بهینه یابی وزنی قاب های فلزی سه بعدی با رفتار غیرخطی هندسی 

• دانشگاه شیراز 

• استاد راهنما: دکتر محمدرضا بنان 

• پژوهشگر: علیرضا محبعلی 

• سال انتشار: آبان 1378 

• فرمت فایل: PDF و شامل 180 صفحه

چکیــــده:

در این تحقیق، از روش الگوریتم ژنتیک کلاسیک برای بهینه نمودن (حداقل نمودن وزن سازه) سازه‌های فضایی (خرپای فضایی و قاب خمشی سه بعدی) با رفتار خطی و غیرخطی هندسی استفاده شده است. سطح مقطع اعضاء بعنوان متغیرهای اصلی مسئله درنظر گرفته شده است. قیود مربوط به اندازه سطح مقطع برای تعیین طول هر رشته که شامل کلیه متغیرهای مسئله در مبنای دو می‌باشد، بکار می‌رود و سپس جمعیت اولیه بطور تصادفی تولید می‌شود. مقادیر عددی متغیرها در هر رشته در مبنای اعشاری، محاسبه شده و برای تعیین تنش و جابجایی گره‌ها مورد استفاده قرار می‌گیرد.

برای تحلیل خطی از نرم‌افزار SAP90 و برای تحلیل غیرخطی از نرم‌افزار EMRCNISA استفاده شده است. با استفاده از تابع جریمه خارجی، مسئله با قیود تنشی و جابجایی، به یک مسئله نامقید تبدیل می‌شود. مقادیر برازندگی هر رشته، محاسبه شده و مرحله تکثیر (تکرار شدن رشته‌های بهتر) انجام می‌شود. سپس عملگر تقاطع بمنظور تبادل اطلاعات بین رشته‌های انتخاب شده از مرحله تکثیر، تعداد مشخصی از آن‌ها را بطور تصادفی جفت می‌نماید و در نهایت عملگر جهش با احتمال بسیار کم، با تغییر در بعضی از بیت‌ها، یک تولید از جمعیت جدید را کامل می‌نماید.

بمنظور حل مسائل بهینه‌یابی سازه‌ها با استفاده از الگوریتم ژنتیک، یک برنامه رایانه‌ای بنام 3DSONAGA تهیه گردیده است. نتایج حاصل از این برنامه با نتایج بدست آمده بوسیله دیگر محققین مقایسه شده است.

در این تحقیق حساسیت الگوریتم ارائه شده نسبت به پارامترهای مختلف درگیر با مسئله بهینه‌یابی سازه‌های سه‌بعدی فلزی از قبیل نوع تابع جریمه، ضریب تابع جریمه، روش‌های مختلف معکوس‌سازی، نوع عملگر تقاطع، مقدار احتمال عملگر جهش و تعداد رشته‌های مورد بررسی قرار گرفته و نتایج بدست آمده ارائه گردیده است.

______________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF ، نام فایل را به انگلیسی Rename کنید. **

** درخواست پایان نامه:

با ارسال عنوان پایان نامه درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن پایان نامه در سایت به راحتی اقدام به خرید و دریافت پایان نامه مورد نظر خود نمایید. **

پاورپوینت اصلاح نباتات- مهندسی ژنتیک 32 اسلاید

اختصاصی از فی فوو پاورپوینت اصلاح نباتات- مهندسی ژنتیک 32 اسلاید دانلود با لینک مستقیم و پر سرعت .

32 اسلاید

اصلاح نباتات(مهندسی ژنتیک)

هدفهای کلی اصلاح نباتات

• هدفهای کلی اصلاح نباتات افزایش عملکرد در واحد سطح بهتر نمودن کیفیت محصولات کشاورزی و تولید مواد اولیه مورد نیاز جوامع انسانی است. ارقام و واریته‌های اصلاح شده گیاهان زراعی و زینتی هر ساله از کشوری به کشور دیگر انتقال داده می‌شود. بدین طریق کیفیت و کمیت محصولات کشاورزی افزایش یافته و احتیاجات فراورده‌های زراعی رفع می‌شود.
• در اغلب گیاهان یک یا چند ژن باارزش اقتصادی فراوان دارد. ژنهایی که حساسیت و مقاومت گیاهان را نسبت به امراض و آفات کنترل می‌کنند در اولویت برنامه‌های اصلاح نباتات قرار دارند. هدف اصلاحگر نبات نباید در توسعه روشهای معمول کشت نباتات اصلاحی منحصر گردد بلکه بایستی همواره در جستجوی ترکیبات نو از ژنوتیپهای مطلوب باشد

پایان نامه آماده الگوریتم ژنتیک 150صفحه با فرمت ورد(word)

اختصاصی از فی فوو پایان نامه آماده الگوریتم ژنتیک 150صفحه با فرمت ورد(word) دانلود با لینک مستقیم و پر سرعت .

 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

فهرست :

فصل اول               

 مقدمه

 به دنبال تکامل…

 ایدۀ اصلی استفاده از الگوریتم ژنتیک

 درباره علم ژنتیک

 تاریخچۀ علم ژنتیک

 تکامل طبیعی (قانون انتخاب طبیعی داروین)

 رابطه تکامل طبیعی با روش‌های هوش مصنوعی

 الگوریتم

 الگوریتم‌های جستجوی ناآگاهانه

الف جستجوی لیست

ب جستجوی درختی

پ جستجوی گراف

 الگوریتم‌های جستجوی آگاهانه

الف جستجوی خصمانه

 مسائل NPHard

 هیوریستیک

 انواع الگوریتم‌های هیوریستیک

  فصل دوم             

 مقدمه

 الگوریتم ژنتیک

 مکانیزم الگوریتم ژنتیک

 عملگرهای الگوریتم ژنتیک

 کدگذاری

 ارزیابی

 ترکیب

 جهش

 رمزگشایی

 چارت الگوریتم به همراه شبه کد آن

 شبه کد و توضیح آن

 چارت الگوریتم ژنتیک

 تابع هدف

 روش‌های کد کردن

 کدینگ باینری

 کدینگ جایگشتی

 کد گذاری مقدار

 کدینگ درخت

 نمایش رشته‌ها

 انواع روش‌های تشکیل رشته

 باز گرداندن رشته‌ها 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 نسلی اصلاح شده

 انتخاب مسابقه

 انتخاب مسابقه تصادفی

 انواع روش‌های ترکیب

 جابه‌جایی دودوئی

 جابه‌جایی حقیقی

 ترکیب تک‌نقطه‌ای

 ترکیب دو نقطه‌ای

 ترکیب n نقطه‌ای

 ترکیب یکنواخت

 ترکیب حسابی

 ترتیب

 چرخه

 محدّب

 بخش_نگاشته

 احتمال ترکیب

 تحلیل مکانیزم جابجایی

 جهش

 جهش باینری

 جهش حقیقی

 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 سوم           

 مقدمه

 حلّ معمای 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 جمعیت آغازین یا نسل اول

 ساختن تابع از ارزش

 ترکیب نمونه‌ها و ساختن جواب جدید

 ارزشیابی مجموعه جواب

 ساختن نسل بعد

 مرتب سازی به کمک GA

 صورت مسأله

 جمعیت آغازین

 تابع برازندگی

 انتخاب

 ترکیب

 جهش

فهرست منابع و مراجع

پیوست

واژه‌نامه