حریم فایل
دانلود کتاب، جزوه، تحقیق | مرجع دانشجوییحریم فایل
دانلود کتاب، جزوه، تحقیق | مرجع دانشجوییپاورپوینت در مورد الگوریتم های ژنتیک (2)
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 54 اسلاید
قسمتی از متن .ppt :
الگوریتم های ژنتیک
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.
پاورپوینت در مورد الگوریتم های ژنتیک
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 54 اسلاید
قسمتی از متن .ppt :
الگوریتم های ژنتیک
ارائه کننده :
حمید طباطبایی
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.
پاورپوینت در مورد الگوریتم های ژنتیک
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 54 اسلاید
قسمتی از متن .ppt :
الگوریتم های ژنتیک
ارائه کننده :
حمید طباطبایی
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.
پاورپوینت در مورد الگوریتم های ژنتیک
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 54 اسلاید
قسمتی از متن .ppt :
الگوریتم های ژنتیک
ارائه کننده :
حمید طباطبایی
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.
پاورپوینت الگوریتم ژنتیکی
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 12 اسلاید
قسمتی از متن .ppt :
الگوریتم ژنتیکی
تعریف
الگوریتم ژنتیکی، رویه ای تکراری است که راه حل های انتخابیش را بصورت رشته ای از ژنها که کروموزوم نامیده می شوند، بازنمایی می کند.
موفقیت آنها را با تابع fitness اندازه می گیرد.
تابع fitness میزان نزدیکی به هدف را محاسبه می کند.
در هر تکرار الگوریتم، (مانند سیستم های بیولوژیکی) راه حلهای انتخابی، برای تولید فرزند (که generation نامیده می شوند) ترکیب می شوند.
والدین نسل بعدی، با توجه به fitness والدین و فرزندان نسل قبل، از بین آنها انتخاب می شوند.
خود فرزندان نیز می توانند به عنوان راه حل انتخاب شوند.
عملگرهای ژنتیکی، برای تولید فرزندان
Reproduction: از طریق این عملگر، الگوریتمهای ژنتیکی، نسل جدیدی از راه حلهای بهبودیافته را با انتخاب والدینی که بالاترین fitness را دارند تولید می کنند.
Crossover: با توجه به اینکه الگوریتمهای ژنتیکی از رشته هایی از نمادهای باینری برای کروموزومها استفاده می کنند، crossover به معنی انتخاب موقعیتی تصادفی در رشته و تعویض بخشهای چپ و راست این نقاط با رشته دیگر برای تولید دو فرزند جدید می باشد.
Mutation: تغییر دلخواه در موقعیت است. رویه تغییر یک به صفر و یا صفر به یک می باشد و با احتمال خیلی کم (1000/1) رخ می دهد.
نحوه کار الگوریتم ژنتیک
بازنمایی شرح مساله به نحوی که بتواند از طریق الگوریتم ژنتیکی حل شود: بازنمایی راه حل، بصورت رشته ای از صفر و یک ها.
تولید مجموعه اولیه جوابها و محاسبه fitness آنها.
محاسبه مجموع تابع fitness
محاسبه احتمال اینکه هر راه حل برای تولید فرزندان انتخاب شود: تقسیم تابع fitness آن به مجموع
انتخاب والدین
تولید فرزندان از طریق crossover یا (با احتمال کم) mutation
نسل جدید شامل مجموعه ای از بهترین فرزندان و والدین می باشد.
فرایند آنقدر ادامه می یابد تا اینکه راه حل بهینه حاصل شود و یا اینکه در چندین نسل بهبود نداشته باشیم.