دانلود پاورپوینت الگوریتم های ژنتیک

الگوریتم ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کند

دسته بندی	پزشکی
فرمت فایل	ppt
حجم فایل	498 کیلو بایت
تعداد صفحات فایل	54

دریافت فایل

فروشنده فایل

کد کاربری 8067

تمام فایل ها

مروری بر مطالب

مقدمه و تاریخچه

روند الگوریتم‌های ژنتیک

مزایا و معایب الگوریتم‌های ژنتیک

پارامتر‌های کنترل

حل TSP با استفاده از GA

جمع‌بندی

•مقدمه و تاریخچه

GA بعنوان دسته‌ای از الگوریتم‌های تکاملی

ابداع توسط آقای John Holland در سال 1975 در میشیگان

شبیه‌سازی روند GA بر اساس روند تکاملی طبیعت

پایه‌گذاری بر اساس نظریه آقای چارلز داروین

روشی برای جستجو در فضاهای بزرگ

کاربرد در مسائل بهینه‌سازی

مقدمه:

الگوریتم ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کند.

الگوریتم ژنتیک یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند.

الگوریتم ژنتیک برای مسائل جستجو و بهینه سازی بکار برده می شود.

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 قوی‌تر!

طبیعت مناسب ترین‌ها (Fittest) را انتخاب می ‌کند نه بهترین‌ها.

قانون انتخاب طبیعی:

قانون انتخاب طبیعی بدین صورت است که تنها گونه‌هایی از یک جمعیت ادامه نسل می ‌دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می ‌روند.

طبیعت با بهره ‌گیری از یک روش بسیار ساده(حذف تدریجی گونه‌های نامناسب و در عین حال تکثیر بالاتر گونه ‌های بهینه) توانسته است دائما هر نسل را از لحاظ خصوصیات مختلف ارتقا بخشد. البته این روش به تنهایی برای رسیدن به تکامل کافی نیست(حد اقل در مورد آنچه که در طبیعت وجود دارد). وجود فرآیندی به نام "جهش (Mutation)" نیز لازم است.

الگوریتم های ژنتیک و تنازع بقا :

قانون انتخاب طبیعی :

تنها گونه هایی از یک جمعیت ادامه نسل می دهند که بهترین خصوصیت را داشته باشند.

تکامل طبیعی :

جستجوی کورکورانه (تصادف)+بقای قوی تر

مقایسه روش های کلاسیک ریاضیات با الگوریتم ژنتیک:

روش‌های کلاسیک ریاضیات دارای دو اشکال اساسی هستند:

اغلب این روش‌ها نقطه بهینه محلی(Local Optima) را بعنوان نقطه بهینه کلی در نظر می ‌گیرند

روش‌های ریاضی بهینه‌سازی اغلب منجر به یک فرمول یا دستورالعمل خاص برای حل هر مسئله می‌شوند. در حالی که روش‌های هوشمند دستورالعمل‌هایی هستند که به صورت کلی می‌توانند در حل هر مسئله‌ای به کار گرفته شوند. این نکته را پس از آشنایی با خود الگوریتم بیشتر و بهتر خواهید دید.

فایل پاورپوینت 54 اسلاید

الگوریتم های ژنتیکالگوریتم ژنتیکروند الگوریتمهای ژنتیکمزایا و معایب الگوریتمهای ژنتیکالگوریتمهای تکاملی

الگوریتم ژنتیک

روند الگوریتم‌های ژنتیک مزایا و معایب الگوریتم‌های ژنتیک

دسته بندی	مدیریت
فرمت فایل	ppt
حجم فایل	310 کیلو بایت
تعداد صفحات فایل	30

دریافت فایل

فروشنده فایل

کد کاربری 12271

تمام فایل ها

فهرست مطالب

مقدمه و تاریخچه

روند الگوریتم‌های ژنتیک

مزایا و معایب الگوریتم‌های ژنتیک

جمع بندی

مقدمه و تاریخچه

GA بعنوان دسته‌ای از الگوریتم‌های تکاملی

ابداع توسط آقای John Holland در سال 1975 در میشیگان

شبیه‌سازی روند GA بر اساس روند تکاملی طبیعت

پایه‌گذاری بر اساس نظریه آقای چارلز داروین

کاربرد در مسائل بهینه‌سازی

الگوریتم های ژنتیک و تنازع بقا :

•قانون انتخاب طبیعی :

تنها گونه هایی از یک جمعیت ادامه نسل می دهند که بهترین خصوصیت را داشته باشند.

•تکامل طبیعی :

جستجوی کورکورانه (تصادف)+بقای قوی تر

الگوریتم های ژنتیک با توجه به نظریه داروین در مورد تکامل جان گرفتند.

الگوریتم ژنتیک :

1 – شروع الگوریتم با یک جمعیت متشکل از n فرد تصادفی که هر کدام کروموزمی به طول L دارند.

2 – محاسبه Fitness برای هر فرد.

3 – انتخاب دو فرد براساس بالاتر بودن Fitness .

4 – اعمال Crossover و تولد بچه ها از والدین.

و.........................

روند الگوریتمهای ژنتیکمزایا و معایب الگوریتمهای ژنتیک