دانلود مقاله الگوریتم ژنتیک چیست

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 5

الگوریتم ژنتیک چیست؟    الگوریتم های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کنند.الگوریتم های ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی  بر مبنای رگرسیون هستند.همان طور ساده،خطی وپارامتریک گفته می شود،به الگوریتم های ژنتیک می توان غیر پارامتریک گفت.    برای مثال اگر بخواهیم نوسانات قیمت نفت را با استفاده از عوامل خارجی وارزش رگرسیون خطی ساده مدل کنیم،این فرمول را تولید خواهیم کرد:قیمت نفت در زمان t=ضریب 1 نرخ بهره در زمان t+ضریب 2 نرخ بیکاری در زمان t+ثابت 1 . سپس از یک معیار برای پیدا کردن بهترین مجموعه ضرایب و ثابت ها جهت مدل کردن قیمت نفت استفاده خواهیم کرد.در این روش 2 نکته اساسی وجود دارد.اول این روش خطی است و مسئله دوم این است که ما به جای اینکه در میان "فضای پارامترها"جستجو کنیم ،پارامترهای مورد استفاده را مشخص کرده ایم.   با استفاده از الگوریتم های ژنتیک ما یک ابر فرمول یا طرح تنظیم می کنیم که چیزی شبیه"قیمت نفت در زمان t تابعی از حداکثر 4 متغیر است"را بیان می کند. سپس داده هایی برای گروهی از متغیرهای مختلف،شاید در حدود 20 متغیر فراهم خواهیم کرد.سپس الگوریتم ژنتیک اجرا خواهد شد که بهترین تابع و متغیرها را مورد جستجو قرار می دهد.روش کار الگوریتم ژنتیک به طور فریبنده ای ساده،خیلی قابل درک وبه طور قابل ملاحظه ای روشی است که ما معتقدیم حیوانات آنگونه تکامل یافته اند.هر فرمولی که از طرح داده شده بالا تبعیت کند فردی از جمعیت فرمول های ممکن تلقی می شود خیلی شبیه به این که بگوییم جرج بوش فردی از جمعیت انسان های ممکن است.  متغیر هایی که هر فرمول داده شده را مشخص می کنند به عنوان یکسری از اعداد نشان داده شده اند که معادل دی ان ای آن فرد را تشکیل می دهند.    موتور الگوریتم ژنتیک یک جمعیت آغاز از فرمول ایجاد می کند.هر فرد در برابر مجموعه ای از داده ها ی مورد آزمایش قرار می گیرند و مناسبترین آنها شاید 10 درصد از مناسبترین ها باقی می مانند.بقیه کنار گذاشته می شوند. مناسبترین افراد با هم جفتگیری (جابجایی عناصر دی ان ای)وتغییر(تغییر تصادفی عناصر دی ان ای) کرده اند.مشاهده می شود که با گذشت از میان تعدد ریادی از نسلها،الگوریتم ژنتیک به سمت ایجاد فرمول هایی که بیشتر دقیق هستند،میل می کنند.در حالی که شبکه های عصبی هم غیر خطی و غیر پارامتریک هستند،جذابیت زیاد الگوریتم های ژنتیک این است نتایج نهایی قابل ملاحظه ترند.فرمول نهایی برای کاربر انسانی قابل مشاهده خواهد بود،و برای ارائه سطح اطمینان نتایج می توان تکنیک های آماری متعارف رابر روی این فرمول ها اعمال کرد.فناوری الگوریتم های ژنتیک همواره در حال بهبود استفبرای مثال با مطرح کردن معادله ویروس ها که در کنار فرمول ها وبرای نقض کردن فرمول ها ی ضعیف تولید می شوندودر نتیجه جمعیت را کلاً قویتر می سازند.    مختصراً گفته می شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند.مسئله ای که باید حل شود ورودی است و راه حلها طبق یک الگو کد گذاری می شودومتریک که تابع fitness هم نام دارد هر راه حل کاندید را ارزیابی می کندکه اکثر آنها به صورت تصادفی انتخاب می شوند..........

پاسخ : الگریتم های ژنتیک

« پاسخ #2 : جولای 03, 2007, 11:59:03 pm »

     الگوریتم ژنتیک GA یک تکنیک جستجو در علم کامپیوتربرای یافتن راه حل بهینه ومسائل جستجو است.الگوریتم های ژنتیک یکی از انواع الگوریتم های تکاملی اند که از علم زیست شناسی مثل وراثت، جهش،انتخاب ناگهانی ، انتخاب طبیعی و ترکیب الهام گرفته شده .   عموماً راه حلها به صورت 2 تایی 0و1 نشان داده می شوند ولی روشهای نمایش دیگری هم وجود دارد.تکامل از یک مجموعه کاملاً تصادفی از موجودیت ها شروع می شود و در نسلهای بعدی تکرار می شود.در هر نسل،مناسبترین ها انتخاب می شوند نه بهترین ها.   یک راه حل برای مسئله مورد نظر،با یک لیست از پارامترها نشان داده می شود که به آنها کروموزوم یا ژنوم می گویند.کروموزوم ها عموماً به صورت یک رشته ساده از داده ها نمایش داده می شوند،البته انواع ساختمان داده های دیگر هم می توانند مورد استفاده قرار گیرند.در ابتدا چندین مشخصه به صورت تصادفی برای ایجاد نسل اول تولید می شوند. در طول هر نسل ،هر مشخصه ارزیابی می شود وارزش تناسب(fitness) توسط تابع تناسب اندازه گیری می شود   گام بعدی ایجاد دومین نسل از جامعه است که بر پایه فرآیندهای انتخاب ،تولید از روی مشخصه های انتخاب شده با عملگرهای ژنتیکی است:اتصال کروموزوم ها به سر یکدیگر و تغییر.برای هر فرد ،یک جفت والد انتخاب می شود.انتخابها به گونه ای اند که مناسبترین عناصر انتخاب شوند تا حتی ضعیفترین عناصر هم شانس انتخاب داشته باشند تا از نزدیک شدن به جواب محلی جلوگیری شود.چندین الگوی انتخاب وجود دارد: چرخ منگنه دار(رولت)،انتخاب مسابقه ای (Tournament) ،... .    معمولاً الگوریتم های ژنتیک یک عدد احتمال اتصال دارد که بین 0.6و1 است که احتمال به وجود آمدن فرزند را نشان می دهد.ارگانیسم ها با این احتمال با هم دوباره با هم ترکیب می شوند.اتصال 2 کروموزوم فرزند ایجاد می کند،که به نسل بعدی اضافه می شوند.این کارها انجام می شوند تا این که کاندیدهای مناسبی برای جواب،در نسل بعدی پیدا شوند. مرحله بعدی تغییر دادن فرزندان جدید است.الگوریتم های ژنتیک یک احتمال تغییر کوچک وثابت دارند که معمولاً درجه ای در حدود 0.01 یا کمتر دارد. بر اساس این احتمال ،کروموزوم های فرزند به طور تصادفی تغییر می کنند یا جهش می یابند.مخصوصاً با جهش بیتها در کروموزوم ساختمان داده مان.   این فرآیند باعث به وجود آمدن نسل جدیدی از کروموزوم ها یی می شود، که با نسل قبلی متفاوت است.کل فرآیند برای نسل بعدی هم تکرار می شود،جفتها برای ترکیب انتخاب می شوند،جمعیت نسل سوم به وجود می آیندو... .این فرآیند تکرار می شود تا این که به آخرین مرحله برسیم.شرایط خاتمه الگوریتم های ژنتیک عبارتند از:•   به تعداد ثابتی از نسل ها برسیم .•   بودجه اختصاص داده شده تمام شود(زمان محاسبه/پول).•   یک فرد(فرزند تولید شده) پیدا شود که مینیمم (کمترین)ملاک را برآورده کند.•   بیشترین درجه برازش فرزندان حاصل شود یا دیگر نتایج بهتری حاصل نشود.•   بازرسی دستی.•   ترکیبهای بالا.توضیحی دیگر :الگوریتم های ژنتیک قابلیت تبدیل فضای پیوسته به فضای گسسته را دارند. یکی از تفاوت های اصلی روش GA با روش های قدیمی بهینه سازی در این است که در GA با جمعیت یا مجموعه ای از نقاط در یک لحظه خاص کار میکنیم. در حالی که در روش های قدیمی بهینه سازی تنها برای یک نقطه خاص عمل میکردیم. این به این معنی است که GA تعداد زیادی از طرح ها را در یک زمان مورد پردازش قرار میدهد. نکته جالب دیگر این است که اصول GA بر پردازش تصادفی یا به تعبیر صحیحتر پردازش تصادفی هدایت شده (Guided Random) استوار است. بنابر این عملگرهای تصادفی فضای جستجو را را به صورت تطبیقی مورد بررسی قرار میدهند.اصولا برای استفاده از GA باید سه مفهوم مهم زیر مشخص شوند : *  تعریف تابع هدف (Objective Function) یا تابع هزینه (Cost Function) . *  تعریف و پیاده سازی فضای ژنتیک (Genetic Representation) . *  تعریف و پیاده سازی عملگرهای GA .

تاریخچه الگوریتم های ژنتیکایده اصلی الگوریتم های تکاملی در سال 1960 توسط Rechenberg مطرح گردید. الگوریتم های ژنتیک که منشعب از این نوع الگوریتم ها است، در حقیقت روش جستجوی کامپیوتری بر پایه الگوریتم های بهینه سازی و بر اساس ساختار ژن ها و کروموزوم ها است که توسط پروفسور Holland در دانشگاه میشیگان مطرح شد و پس از وی توسط جمعی از دانشجویانش توسعه یافت.همنطور که گفته شد ایده اساسی این الگوریتم انتقال خصوصیات موروثی توسط ژن‌هاست. فرض کنید مجموعه خصوصیات انسان توسط کروموزوم‌های او به نسل بعدی منتقل می‌شوند. هر ژن در این کروموزوم‌ها نماینده یک خصوصیت است. بعنوان مثال ژن 1 می‌تواند رنگ چشم باشد ، ژن 2 طول قد، ژن 3 رنگ مو و الی آخر. حال اگر این کروموزوم به تمامی، به نسل بعد انتقال یابد، تمامی خصوصیات نسل بعدی شبیه به خصوصیات نسل قبل خواهد بود. بدیهیست که در عمل چنین اتفاقی رخ نمی‌دهد. در واقع بصورت همزمان دو اتفاق برای کروموزوم‌ها می‌افتد. اتفاق اول موتاسیون (Mutation) است. موتاسیون به این صورت است که بعضی ژن‌ها بصورت کاملا تصادفی تغییر می‌کنند. البته تعداد این گونه ژن‌ها بسیار کم می‌باشد اما در هر حال این تغییر تصادفی همانگونه که پیشتر دیدیم بسیار مهم است. مثلا ژن رنگ چشم می‌تواند بصورت تصادفی باعث شود تا در نسل بعدی یک نفر دارای چشمان سبز باشد. در حالی که تمامی نسل قبل دارای چشم قهوه‌ای بوده‌اند. علاوه بر موتاسیون اتفاق دیگری که می‌افتد و البته این اتفاق به تعداد بسیار بیشتری نسبت به موتاسیون رخ می‌دهد چسبیدن ابتدای یک کروموزوم به انتهای یک کروموزوم دیگر است. این مساله با نام Crossover شناخته می‌شود. این همان چیزیست که مثلا باعث می‌شود تا فرزند تعدادی از خصوصیات پدر و تعدادی از خصوصیات مادر را با هم به ارث ببرد و از شبیه شدن تام فرزند به تنها یکی از والدین جلوگیری می‌کند.     در ابتدا تعداد مشخصی از ورودی ها،X1,X2,…,Xn که متعلق به فضای نمونه X هستند را انتخاب می کنیم و آنها را در یک عدد بردای X=(x1,x2,…xn) نمایش می دهیم..در مهندسی نرم افزار اصطلاحاً به آنها ارگانیسم یا کروموزوم گفته می شود.به گروه کروموزوم ها Colony یا جمعیت می گوییم.در هر دوره Colony رشد می کند و بر اساس قوانین مشخصی که حاکی از تکامل زیستی است تکامل می یابند.      برای هر کروموزوم Xi ،ما یک ارزش تناسب(Fitness) داریم که آن را f(Xi) هم می نامیم.عناصر قویتر یا کروموزوم هایی که ارزش تناسب آنها به بهینه Colony نزدیکتر است شانس بیشتری برای زنده ماندن در طول دوره های دیگر و دوباره تولید شدن را دارند و ضعیفترها محکوم به نابودی اند. به عبارت دیگر الگوریتم ورودی هایی که به جواب بهینه نزدیکترندرانگه داشته واز بقیه صرف نظر می کند.    یک گام مهم دیگر درالگوریتم،تولد است که در هر دوره یکبار اتفاق می افتد. محتویات دو کروموزومی که در فرآیند تولید شرکت می کنند با هم ترکیب میشوند تا 2 کروموزوم جدید که ما انها را فرزند می نامیم  ایجاد کنند.این هیوریستیک به ما اجازه می دهد تا 2 تا از بهترین ها را برای ایجاد یکی بهتر از آنها با هم ترکیب کنیم.(evolution) به علاوه در طول هر دوره،یک سری از کروموزوم ها ممکن است جهش یابند(Mutation) .

الگوریتم    هر ورودی x در یک عدد برداری X=(x1,x2,..,xn) قرار دارد .برای اجرای الگوریتم ژنتیک مان باید هر ورودی را به یک کروموزوم تبدیل کنیم.می توانیم این را با داشتن log(n) بیت برای هر عنصرو تبدیل ارزش Xi انجام دهیم مثل شکل زیر .(X1, X2,…,Xn)= (123, 87,…, 63)  می توانیم از هر روش کد کردن برای اعداد استفاده کنیم.در دوره 0، یک دسته از ورودی های X را به صورت تصادفی انتخالب می کنیم.بعد برای هر دوره iام ما ارزش مقدار Fitness را تولید،تغییر وانتخاب را اعمال می کنیم.الگوریتم وقتی پایان می یابد که به معیارمان برسیم.

کد کردن مقادیر

بر اساس تعریف Holland روش های متعددی برای نمایش ژن های منفرد وجود دارد. مثلا میتوان آنها را به صورت رشته (String) ، آرایه ، درخت یا لیست نشان داد که قصد داریم آنهارا به صورت رشته های بیتی مورد بررسی قرار دهیم.1-   کد مبنای دو (Binary)مثال : کوله پشتیدر این مثاله فرض میکنیم که اشیایی با مقدار و اندازه مشخص وجود دارد و بخواهیم آنها را در یک کوله پشتی با ظرفیت مشخص قرار دهیم. نحوه انتخاب اشیا با توجه به حداقل فضایی که اشغال می کنند و استفاده بهینه از فضای کوله پشتی صورت میگیرد.برای حل مساله فرض میکنیم هر بیت بیانگر حضور یا عدم حضور اشیا در کوله پشتی باشد. روش کد مبنای دو از روش های متداول در حل مسائل GA به شمار می آیند.Chromosome A   101101100011Choromosome B   010011001100اصولا روش کد مبنای دو امکان تولید کروموزوم های بسیاری را با حداقل بیت ها فراهم میکند. لذا این روش کدگذاری در مسائل واقعی باید همراه با اصلاحاتی بعد از اعمال عملگرهای ژنتیکی صورت گیرد.

روش کدگذاری جایگشتی (Permutation Encoding)این روش در حل مسائلی چون فروشنده دوره گرد (tsp)  و یا مسائلی که به صورت ترتیبی هستند کاربرد دارد. همان طور که در جدول زیر مشاهده می کنید، در این روش کروموزوم ها به صورت رشته ای از اعداد نمایش داده میشوند که هریک از این اعداد بر اساس یک ترتیبی قرار گرفته اند.Chromosome A   1 5 3 2 4 7 9 8 6Choromosome B   8 5 6 7 2 3 1 4 9روش کد گذاری مقدار (Value Encoding)در این روش هر کروموزوم  به صورت رشته ای از مقادیر است که این مقادیر می توانن هرچیز مرتبط با مساله باشند . مثلا اعداد اعشاری و یا اشیا کد شده که در جدول زیر مثالی از این روش نشان داده شده است Chromosome A    1.254  2.364  9.245  3.0058Choromosome B                    dfgtrgfdbynynh  jChoromosome C                    right    left    back

روش کدگذاری درختی (Tree Encoding) یک روش دیگر که توسط John Koza  توسعه یافت،برنامه نویسی ژنتیک (Genetic programming)است.که برنامه ها را به عنوان شاخه های داده در ساختار درخت نشان می دهد.در این روش تغییرات تصادفی می توانند با عوض کردن عملگرها یا تغییر دادن ارزش یک گره داده شده در درخت،یا عوض کردن یک زیر درخت با دیگری به وجود آیند.

روش های انتخاب   روش های مختلفی برای الگوریتم های ژنتیک وجود دارند که می توان برای انتخاب ژنوم ها از آنها استفاده کرد.اما روش های لیست شده در پایین از معمولترین روش ها هستند.انتخاب Elitist :مناسبترین عضو هر اجتماع انتخاب می شود.   انتخاب Roulette : یک روش انتخاب است که در آن عنصری که عدد برازش(تناسب)بیشتری داشته باشد،انتخاب می شود.   انتخاب Scaling :به موازات افزایش متوسط عدد برازش جامعه،سنگینی انتخاب هم بیشتر می شودوجزئی تر.این روش وقتی کاربرد دارد که مجموعه دارای عناصری باشد که عدد برازش بزرگی دارند وفقط تفاوت های کوچکی آنها را از هم تفکیک می کند.   انتخاب Tournament : یک زیر مجموعه از صفات یک جامعه انتخاب می شوندواعضای آن مجموعه با هم رقابت می کنندو سرانجام فقط یک صفت از هر زیر گروه برای تولید انتخاب می شوند.

دانلود مقاله الگوریتم ژنتیک چیست

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 5

الگوریتم ژنتیک چیست؟    الگوریتم های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کنند.الگوریتم های ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی  بر مبنای رگرسیون هستند.همان طور ساده،خطی وپارامتریک گفته می شود،به الگوریتم های ژنتیک می توان غیر پارامتریک گفت.    برای مثال اگر بخواهیم نوسانات قیمت نفت را با استفاده از عوامل خارجی وارزش رگرسیون خطی ساده مدل کنیم،این فرمول را تولید خواهیم کرد:قیمت نفت در زمان t=ضریب 1 نرخ بهره در زمان t+ضریب 2 نرخ بیکاری در زمان t+ثابت 1 . سپس از یک معیار برای پیدا کردن بهترین مجموعه ضرایب و ثابت ها جهت مدل کردن قیمت نفت استفاده خواهیم کرد.در این روش 2 نکته اساسی وجود دارد.اول این روش خطی است و مسئله دوم این است که ما به جای اینکه در میان "فضای پارامترها"جستجو کنیم ،پارامترهای مورد استفاده را مشخص کرده ایم.   با استفاده از الگوریتم های ژنتیک ما یک ابر فرمول یا طرح تنظیم می کنیم که چیزی شبیه"قیمت نفت در زمان t تابعی از حداکثر 4 متغیر است"را بیان می کند. سپس داده هایی برای گروهی از متغیرهای مختلف،شاید در حدود 20 متغیر فراهم خواهیم کرد.سپس الگوریتم ژنتیک اجرا خواهد شد که بهترین تابع و متغیرها را مورد جستجو قرار می دهد.روش کار الگوریتم ژنتیک به طور فریبنده ای ساده،خیلی قابل درک وبه طور قابل ملاحظه ای روشی است که ما معتقدیم حیوانات آنگونه تکامل یافته اند.هر فرمولی که از طرح داده شده بالا تبعیت کند فردی از جمعیت فرمول های ممکن تلقی می شود خیلی شبیه به این که بگوییم جرج بوش فردی از جمعیت انسان های ممکن است.  متغیر هایی که هر فرمول داده شده را مشخص می کنند به عنوان یکسری از اعداد نشان داده شده اند که معادل دی ان ای آن فرد را تشکیل می دهند.    موتور الگوریتم ژنتیک یک جمعیت آغاز از فرمول ایجاد می کند.هر فرد در برابر مجموعه ای از داده ها ی مورد آزمایش قرار می گیرند و مناسبترین آنها شاید 10 درصد از مناسبترین ها باقی می مانند.بقیه کنار گذاشته می شوند. مناسبترین افراد با هم جفتگیری (جابجایی عناصر دی ان ای)وتغییر(تغییر تصادفی عناصر دی ان ای) کرده اند.مشاهده می شود که با گذشت از میان تعدد ریادی از نسلها،الگوریتم ژنتیک به سمت ایجاد فرمول هایی که بیشتر دقیق هستند،میل می کنند.در حالی که شبکه های عصبی هم غیر خطی و غیر پارامتریک هستند،جذابیت زیاد الگوریتم های ژنتیک این است نتایج نهایی قابل ملاحظه ترند.فرمول نهایی برای کاربر انسانی قابل مشاهده خواهد بود،و برای ارائه سطح اطمینان نتایج می توان تکنیک های آماری متعارف رابر روی این فرمول ها اعمال کرد.فناوری الگوریتم های ژنتیک همواره در حال بهبود استفبرای مثال با مطرح کردن معادله ویروس ها که در کنار فرمول ها وبرای نقض کردن فرمول ها ی ضعیف تولید می شوندودر نتیجه جمعیت را کلاً قویتر می سازند.    مختصراً گفته می شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند.مسئله ای که باید حل شود ورودی است و راه حلها طبق یک الگو کد گذاری می شودومتریک که تابع fitness هم نام دارد هر راه حل کاندید را ارزیابی می کندکه اکثر آنها به صورت تصادفی انتخاب می شوند..........

پاسخ : الگریتم های ژنتیک

« پاسخ #2 : جولای 03, 2007, 11:59:03 pm »

     الگوریتم ژنتیک GA یک تکنیک جستجو در علم کامپیوتربرای یافتن راه حل بهینه ومسائل جستجو است.الگوریتم های ژنتیک یکی از انواع الگوریتم های تکاملی اند که از علم زیست شناسی مثل وراثت، جهش،انتخاب ناگهانی ، انتخاب طبیعی و ترکیب الهام گرفته شده .   عموماً راه حلها به صورت 2 تایی 0و1 نشان داده می شوند ولی روشهای نمایش دیگری هم وجود دارد.تکامل از یک مجموعه کاملاً تصادفی از موجودیت ها شروع می شود و در نسلهای بعدی تکرار می شود.در هر نسل،مناسبترین ها انتخاب می شوند نه بهترین ها.   یک راه حل برای مسئله مورد نظر،با یک لیست از پارامترها نشان داده می شود که به آنها کروموزوم یا ژنوم می گویند.کروموزوم ها عموماً به صورت یک رشته ساده از داده ها نمایش داده می شوند،البته انواع ساختمان داده های دیگر هم می توانند مورد استفاده قرار گیرند.در ابتدا چندین مشخصه به صورت تصادفی برای ایجاد نسل اول تولید می شوند. در طول هر نسل ،هر مشخصه ارزیابی می شود وارزش تناسب(fitness) توسط تابع تناسب اندازه گیری می شود   گام بعدی ایجاد دومین نسل از جامعه است که بر پایه فرآیندهای انتخاب ،تولید از روی مشخصه های انتخاب شده با عملگرهای ژنتیکی است:اتصال کروموزوم ها به سر یکدیگر و تغییر.برای هر فرد ،یک جفت والد انتخاب می شود.انتخابها به گونه ای اند که مناسبترین عناصر انتخاب شوند تا حتی ضعیفترین عناصر هم شانس انتخاب داشته باشند تا از نزدیک شدن به جواب محلی جلوگیری شود.چندین الگوی انتخاب وجود دارد: چرخ منگنه دار(رولت)،انتخاب مسابقه ای (Tournament) ،... .    معمولاً الگوریتم های ژنتیک یک عدد احتمال اتصال دارد که بین 0.6و1 است که احتمال به وجود آمدن فرزند را نشان می دهد.ارگانیسم ها با این احتمال با هم دوباره با هم ترکیب می شوند.اتصال 2 کروموزوم فرزند ایجاد می کند،که به نسل بعدی اضافه می شوند.این کارها انجام می شوند تا این که کاندیدهای مناسبی برای جواب،در نسل بعدی پیدا شوند. مرحله بعدی تغییر دادن فرزندان جدید است.الگوریتم های ژنتیک یک احتمال تغییر کوچک وثابت دارند که معمولاً درجه ای در حدود 0.01 یا کمتر دارد. بر اساس این احتمال ،کروموزوم های فرزند به طور تصادفی تغییر می کنند یا جهش می یابند.مخصوصاً با جهش بیتها در کروموزوم ساختمان داده مان.   این فرآیند باعث به وجود آمدن نسل جدیدی از کروموزوم ها یی می شود، که با نسل قبلی متفاوت است.کل فرآیند برای نسل بعدی هم تکرار می شود،جفتها برای ترکیب انتخاب می شوند،جمعیت نسل سوم به وجود می آیندو... .این فرآیند تکرار می شود تا این که به آخرین مرحله برسیم.شرایط خاتمه الگوریتم های ژنتیک عبارتند از:•   به تعداد ثابتی از نسل ها برسیم .•   بودجه اختصاص داده شده تمام شود(زمان محاسبه/پول).•   یک فرد(فرزند تولید شده) پیدا شود که مینیمم (کمترین)ملاک را برآورده کند.•   بیشترین درجه برازش فرزندان حاصل شود یا دیگر نتایج بهتری حاصل نشود.•   بازرسی دستی.•   ترکیبهای بالا.توضیحی دیگر :الگوریتم های ژنتیک قابلیت تبدیل فضای پیوسته به فضای گسسته را دارند. یکی از تفاوت های اصلی روش GA با روش های قدیمی بهینه سازی در این است که در GA با جمعیت یا مجموعه ای از نقاط در یک لحظه خاص کار میکنیم. در حالی که در روش های قدیمی بهینه سازی تنها برای یک نقطه خاص عمل میکردیم. این به این معنی است که GA تعداد زیادی از طرح ها را در یک زمان مورد پردازش قرار میدهد. نکته جالب دیگر این است که اصول GA بر پردازش تصادفی یا به تعبیر صحیحتر پردازش تصادفی هدایت شده (Guided Random) استوار است. بنابر این عملگرهای تصادفی فضای جستجو را را به صورت تطبیقی مورد بررسی قرار میدهند.اصولا برای استفاده از GA باید سه مفهوم مهم زیر مشخص شوند : *  تعریف تابع هدف (Objective Function) یا تابع هزینه (Cost Function) . *  تعریف و پیاده سازی فضای ژنتیک (Genetic Representation) . *  تعریف و پیاده سازی عملگرهای GA .

تاریخچه الگوریتم های ژنتیکایده اصلی الگوریتم های تکاملی در سال 1960 توسط Rechenberg مطرح گردید. الگوریتم های ژنتیک که منشعب از این نوع الگوریتم ها است، در حقیقت روش جستجوی کامپیوتری بر پایه الگوریتم های بهینه سازی و بر اساس ساختار ژن ها و کروموزوم ها است که توسط پروفسور Holland در دانشگاه میشیگان مطرح شد و پس از وی توسط جمعی از دانشجویانش توسعه یافت.همنطور که گفته شد ایده اساسی این الگوریتم انتقال خصوصیات موروثی توسط ژن‌هاست. فرض کنید مجموعه خصوصیات انسان توسط کروموزوم‌های او به نسل بعدی منتقل می‌شوند. هر ژن در این کروموزوم‌ها نماینده یک خصوصیت است. بعنوان مثال ژن 1 می‌تواند رنگ چشم باشد ، ژن 2 طول قد، ژن 3 رنگ مو و الی آخر. حال اگر این کروموزوم به تمامی، به نسل بعد انتقال یابد، تمامی خصوصیات نسل بعدی شبیه به خصوصیات نسل قبل خواهد بود. بدیهیست که در عمل چنین اتفاقی رخ نمی‌دهد. در واقع بصورت همزمان دو اتفاق برای کروموزوم‌ها می‌افتد. اتفاق اول موتاسیون (Mutation) است. موتاسیون به این صورت است که بعضی ژن‌ها بصورت کاملا تصادفی تغییر می‌کنند. البته تعداد این گونه ژن‌ها بسیار کم می‌باشد اما در هر حال این تغییر تصادفی همانگونه که پیشتر دیدیم بسیار مهم است. مثلا ژن رنگ چشم می‌تواند بصورت تصادفی باعث شود تا در نسل بعدی یک نفر دارای چشمان سبز باشد. در حالی که تمامی نسل قبل دارای چشم قهوه‌ای بوده‌اند. علاوه بر موتاسیون اتفاق دیگری که می‌افتد و البته این اتفاق به تعداد بسیار بیشتری نسبت به موتاسیون رخ می‌دهد چسبیدن ابتدای یک کروموزوم به انتهای یک کروموزوم دیگر است. این مساله با نام Crossover شناخته می‌شود. این همان چیزیست که مثلا باعث می‌شود تا فرزند تعدادی از خصوصیات پدر و تعدادی از خصوصیات مادر را با هم به ارث ببرد و از شبیه شدن تام فرزند به تنها یکی از والدین جلوگیری می‌کند.     در ابتدا تعداد مشخصی از ورودی ها،X1,X2,…,Xn که متعلق به فضای نمونه X هستند را انتخاب می کنیم و آنها را در یک عدد بردای X=(x1,x2,…xn) نمایش می دهیم..در مهندسی نرم افزار اصطلاحاً به آنها ارگانیسم یا کروموزوم گفته می شود.به گروه کروموزوم ها Colony یا جمعیت می گوییم.در هر دوره Colony رشد می کند و بر اساس قوانین مشخصی که حاکی از تکامل زیستی است تکامل می یابند.      برای هر کروموزوم Xi ،ما یک ارزش تناسب(Fitness) داریم که آن را f(Xi) هم می نامیم.عناصر قویتر یا کروموزوم هایی که ارزش تناسب آنها به بهینه Colony نزدیکتر است شانس بیشتری برای زنده ماندن در طول دوره های دیگر و دوباره تولید شدن را دارند و ضعیفترها محکوم به نابودی اند. به عبارت دیگر الگوریتم ورودی هایی که به جواب بهینه نزدیکترندرانگه داشته واز بقیه صرف نظر می کند.    یک گام مهم دیگر درالگوریتم،تولد است که در هر دوره یکبار اتفاق می افتد. محتویات دو کروموزومی که در فرآیند تولید شرکت می کنند با هم ترکیب میشوند تا 2 کروموزوم جدید که ما انها را فرزند می نامیم  ایجاد کنند.این هیوریستیک به ما اجازه می دهد تا 2 تا از بهترین ها را برای ایجاد یکی بهتر از آنها با هم ترکیب کنیم.(evolution) به علاوه در طول هر دوره،یک سری از کروموزوم ها ممکن است جهش یابند(Mutation) .

الگوریتم    هر ورودی x در یک عدد برداری X=(x1,x2,..,xn) قرار دارد .برای اجرای الگوریتم ژنتیک مان باید هر ورودی را به یک کروموزوم تبدیل کنیم.می توانیم این را با داشتن log(n) بیت برای هر عنصرو تبدیل ارزش Xi انجام دهیم مثل شکل زیر .(X1, X2,…,Xn)= (123, 87,…, 63)  می توانیم از هر روش کد کردن برای اعداد استفاده کنیم.در دوره 0، یک دسته از ورودی های X را به صورت تصادفی انتخالب می کنیم.بعد برای هر دوره iام ما ارزش مقدار Fitness را تولید،تغییر وانتخاب را اعمال می کنیم.الگوریتم وقتی پایان می یابد که به معیارمان برسیم.

کد کردن مقادیر

بر اساس تعریف Holland روش های متعددی برای نمایش ژن های منفرد وجود دارد. مثلا میتوان آنها را به صورت رشته (String) ، آرایه ، درخت یا لیست نشان داد که قصد داریم آنهارا به صورت رشته های بیتی مورد بررسی قرار دهیم.1-   کد مبنای دو (Binary)مثال : کوله پشتیدر این مثاله فرض میکنیم که اشیایی با مقدار و اندازه مشخص وجود دارد و بخواهیم آنها را در یک کوله پشتی با ظرفیت مشخص قرار دهیم. نحوه انتخاب اشیا با توجه به حداقل فضایی که اشغال می کنند و استفاده بهینه از فضای کوله پشتی صورت میگیرد.برای حل مساله فرض میکنیم هر بیت بیانگر حضور یا عدم حضور اشیا در کوله پشتی باشد. روش کد مبنای دو از روش های متداول در حل مسائل GA به شمار می آیند.Chromosome A   101101100011Choromosome B   010011001100اصولا روش کد مبنای دو امکان تولید کروموزوم های بسیاری را با حداقل بیت ها فراهم میکند. لذا این روش کدگذاری در مسائل واقعی باید همراه با اصلاحاتی بعد از اعمال عملگرهای ژنتیکی صورت گیرد.

روش کدگذاری جایگشتی (Permutation Encoding)این روش در حل مسائلی چون فروشنده دوره گرد (tsp)  و یا مسائلی که به صورت ترتیبی هستند کاربرد دارد. همان طور که در جدول زیر مشاهده می کنید، در این روش کروموزوم ها به صورت رشته ای از اعداد نمایش داده میشوند که هریک از این اعداد بر اساس یک ترتیبی قرار گرفته اند.Chromosome A   1 5 3 2 4 7 9 8 6Choromosome B   8 5 6 7 2 3 1 4 9روش کد گذاری مقدار (Value Encoding)در این روش هر کروموزوم  به صورت رشته ای از مقادیر است که این مقادیر می توانن هرچیز مرتبط با مساله باشند . مثلا اعداد اعشاری و یا اشیا کد شده که در جدول زیر مثالی از این روش نشان داده شده است Chromosome A    1.254  2.364  9.245  3.0058Choromosome B                    dfgtrgfdbynynh  jChoromosome C                    right    left    back

روش کدگذاری درختی (Tree Encoding) یک روش دیگر که توسط John Koza  توسعه یافت،برنامه نویسی ژنتیک (Genetic programming)است.که برنامه ها را به عنوان شاخه های داده در ساختار درخت نشان می دهد.در این روش تغییرات تصادفی می توانند با عوض کردن عملگرها یا تغییر دادن ارزش یک گره داده شده در درخت،یا عوض کردن یک زیر درخت با دیگری به وجود آیند.

روش های انتخاب   روش های مختلفی برای الگوریتم های ژنتیک وجود دارند که می توان برای انتخاب ژنوم ها از آنها استفاده کرد.اما روش های لیست شده در پایین از معمولترین روش ها هستند.انتخاب Elitist :مناسبترین عضو هر اجتماع انتخاب می شود.   انتخاب Roulette : یک روش انتخاب است که در آن عنصری که عدد برازش(تناسب)بیشتری داشته باشد،انتخاب می شود.   انتخاب Scaling :به موازات افزایش متوسط عدد برازش جامعه،سنگینی انتخاب هم بیشتر می شودوجزئی تر.این روش وقتی کاربرد دارد که مجموعه دارای عناصری باشد که عدد برازش بزرگی دارند وفقط تفاوت های کوچکی آنها را از هم تفکیک می کند.   انتخاب Tournament : یک زیر مجموعه از صفات یک جامعه انتخاب می شوندواعضای آن مجموعه با هم رقابت می کنندو سرانجام فقط یک صفت از هر زیر گروه برای تولید انتخاب می شوند.

دانلود مقاله انرژی تجدید پذیر چیست

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 9

انرژی تجدید پذیر چیست؟

تغییر آب و هوا و گرمایش جهانی و همچنین دلهره‌هایی که در دل دولتمردان غربی از بالا رفتن قیمت نفت ایجاد شد، آنها را بر آن داشت تا به انرژی‌های جایگزین بیاندیشند. انرژی‌هایی با نام انرژی‌های تجدیدپذیر.

انرژی‌های تجدیدپذیر از منابع طبیعی مانند نور خورشید، باد و گرمای درونی زمین به دست می‌آیند که معمولا هم دوباره بازسازی می‌شوند.

بیشترین میزان انرژی‌های تجدیدشونده با کمک روش‌های سنتی مثل سوزاندن چوب به دست می‌آید. نیروی هیدروژنی دومین نوع انرژی‌های تجدیدشونده است که در جهان مصرف می‌شود.

بعضی‌ها این ایراد را به تکنولوژی تولید انرژی‌های تجدیدشونده وارد می‌دانند که هنوز چندان قابل اعتماد نیست، با این حال استفاده از این نوع انرژی هر روز در جهان در حال گسترش است.

در سال 2006 میلادی در حدود دو هزار مگاوات برق از طریق سلول‌های خورشیدی تولید شد و هم‌اکنون آلمانی‌ها مصرف‌کنندگان پر و پا قرص سلول‌های خورشیدی هستند.

اصلی‌ترین منابع تولید انرژی‌های تجدیدشونده به طور مستقیم یا غیر مستقیم از خورشید نیرو می‌گیرند. این گوی بزرگ آتشین آسمان سالیان سال است که هیدورژن‌هایش را برای زندگی بشر می‌سوزاند.

اگر تا امروز این سوزاندن انرژی تنها به کار رشد گیاهان و جانوران و انسان و ... می آمد، چند سالی است که به شکل‌های مستقیم‌تری به کار تولید انرژی می‌آید.

انرژی باد و آب ساده‌ترین نوع انرژی‌های تجدیدشونده هستند که سالیان درازی است بشر از آنها استفاده می‌کند.

انرژی های تجدید پذیر

امروزه با توجه به افزایش بهای سوخت های فسیلی و عوامل زیان آور زیست محیطی در استفاده از انرژی های فسیلی استفاده از منابع انرژی تجدید پذیر نظیر انرژی بادی، انرژی آبی، انرژی زمین گرمایی و انرژی خورشیدی از بخش های اساسی سیاست انرژی متعهدانه برای آینده است. در این راستا انرژی خورشیدی یکی از منابع تامین انرژی بدون اثرات مخرب زیست محیطی بشمار می رود که با اعتبار بالایی از دیر باز مورد استفاده بشر قرار گرفته است. ایران به لحاظ موقعیت جغرافیایی و برخورداری مناسب از تابش خورشید از پتانسیل بالایی برای بهره گیری از انرژی خورشید برخوردار است. در این راستا بخش ساختمان و مسکن شرکت بهینه سازی مصرف سوخت در شهرها و روستاهایی که دارای شرایط اقلیمی مناسب برای نصب هستند پروژه استفاده از آبگرمکن خورشیدی خانگی و آبگرمکن خورشیدی عمومی را بعنوان یکی ازاقدامات اساسی در جایگزینی سوخت های فسیلی و توجه به انرژی های تجدید پذیر در دست اقدام دارد.

انرژی‌های تجدید‌پذیر در کانادا

کانادا علاقه‌ای روزافزون به انرژی‌های تجدید‌پذیر نشان می‌دهد و به هر شکل ظرفیت عظیم برق آبی آن سبب شده که کانادا در بالاترین مراتب استفاده‌کنندگان از انرژی‌های تجدید‌پذیر قرار گیرد. «بیل ایگرتسون» از «اتحادیه انرژی‌های نوی کانادا» وضعیت و برنامه‌های توسعه انرژی تجدید‌پذیر در این کشور را بررسی می‌کند.

کانادا علاقه‌ای روزافزون به انرژی‌های تجدید‌پذیر نشان می‌دهد و به هر شکل ظرفیت عظیم برق آبی آن سبب شده که کانادا در بالاترین مراتب استفاده‌کنندگان از انرژی‌های تجدید‌پذیر قرار گیرد. «بیل ایگرتسون» از «اتحادیه انرژی‌های نوی کانادا» وضعیت و برنامه‌های توسعه انرژی تجدید‌پذیر در این کشور را بررسی می‌کند.

کانادا همواره یکی از تولید‌کنندگان پیشتاز انرژی جهان بوده و رشد اقتصادی آن مرهون صادرات عظیم نفت، گاز طبیعی و ذغال‌سنگ و تا حدی زیادی متکی به سدهای بسیار، تاسیسات عمده بیوماس (زیست‌توده) و ظرفیت بالایی ازانرژی هسته‌ای است. در نتیجه کمبود عرضه هیچ‌گاه دغدغه‌ای ملی نبوده است. پس از گذشت بیش از سی سال از شوک‌های نفتی اوپک، مساله مدیریت انرژی، که از دیرباز در قلمرو اختیارات ایالتی و باعث کشاکش با دولت فدرال بوده،‌دوباره مطرح شده است. تاکنون همکاری رسمی بین این دو سطح مدیریت کشور در زمینه انرژی‌های تجدید‌پذیر وجود نداشته که این برخلاف توصیه‌ای است که برای ایجاد آژانس ویژه توسعه این انرژی‌ها شده و بخش صنعت به شکلی قوی از آن حمایت می‌کند. به لحاظ سیاسی، گرایشی به سوی انرژی‌های تجدید‌پذیر، مبتنی بر دگرگونی آب و هوا و نیاز به کاهش انتشار گازهای گلخانه‌ای (GHG) است و به هر صورت مخالفان اشاره می‌کنند که همسایه جنوبی کانادا (ایالات متحده آمریکا) و شریک عمده تجاری این کشور از امضاء کردن پروتکل کیوتو خودداری می‌کند.

بیشترین پشتیبانی دولت فدرال در زمینه این انرژی‌ها به باد مربوط می‌شود و دولت ۲۶۰ میلیون دلار را به طرح تولید برق از باد اختصاص داده و قرار است تا قبل از پایان دهه اول قرن بیست و یکم ۱۰۰۰۰ مگاوات ظرفیت بادی جدید نصب شود. قیمت در نظر گرفته شده یک سنت (cent) برای هر کیلووات ساعت است که از ماه مارس ۲۰۰۶ به ۸/۰ سنت برای هر کیلووات ساعت کاهش خواهد یافت. این طرح برای پوشش نیمی از ارزش انرژی بادی در نظر گرفته شده اما هیچ استانی برای تکمیل بقیه بودجه پا پیش نگذاشته است. انتظار می‌رود در «طرح تولید برق از باد (به اختصار WPPI)) تا سال ۲۰۱۰، ۵/۱ میلیارد دلار سرمایه‌گذاری شود و میزان انتشار GHG به ۳MT کاهش یابد. حامیان برای تولید دست کم ۹۰۰۰ مگاوات در طرح WPPI پیشنهاد سرمایه‌گذاری کرده‌اند اما هیچ طرحی هنوز به پیش نرفته است.

ظرفیت نصب شده برق بادی در کانادا ۳۲۷ مگاوات و میزان تولید آن ۸۵۰ میلیون کیلووات ساعت در سال است که برای یکصد هزار خانوار کافی است و در مقایسه با تولید برق از ذغال‌سنگ باعث کاهش MT۵۰۸ گاز CO۲ می‌شود. بررسی‌ها نشان می‌دهد که کانادا می‌تواند ۲۰ درصد منابع تولید برق خود را از طریق توربین‌های بادی تولید کند. گرچه این کشور خواهان رساندن ظرفیت نصب شده به ۱۰۰۰۰ مگاوات در سال ۲۰۱۰ است اما ظرفیت ساخت توربین بادی در کانادا وجود ندارد. باد تنها مقوله‌ای در انرژی بوده که در سال‌های اخیر در انتخابات فدرال مورد بحث قرار گرفته است. حزب حاکم لیبرال وعده چهار برابر کردن ظرفیت بادی را در صورت تجدید پیروزی قوی در انتخابات داده بود (که با اکثریت ضعیفی در پارلمان پیروز شد). این دولت می‌گوید که در صدد است کانادا را به پیشتاز کاربرد انرژی بادی در جهان تبدیل کندو با ایالات درتدوین سیاست‌های مشترک، قوانین و مقررات ویژه

نوترینو چیست ؟

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 20 صفحه

 قسمتی از متن .doc : 

نوترینو چیست؟

نوترینو ذره بنیادی خنثایی است که در ضمن واپاشی بتای هسته های اتمی همراه با الکترون یا پوزیترون گسیل می شود.

همانند نوترون ، نوترینو نیز بار الکتریکی ندارد.

نوترینو با الکترونها عملا اندرکنش نمی کند و باعث یونش قابل توجه محیط نمی شود.

نوترینو ذره بنیادی ناپایدار و سبکی می باشد که جرمش در حدود 200/1 جرم الکترون می باشد.

آشکارسازی نوترینو:

هر چند نوترونها را به سبب اثر شان روی هسته های اتمی واکنش های هسته ای و انتقال انرژی در خلال برخوردها می توان به آسانی آشکار ساخت اما اندرکنش نوترینو با هسته ها خیلی ضعیف است. تا این اواخر واکنش هسته ایی که نوترینو ها راه انداخته باشند در آزمایشگاه آشکار سازی نشده است.

این ذره ناپایدار است پس چگونه می توان به وجود نوترینوها پی برد؟ اگر در ضمن واپاشی ذره بتا تنها الکترون گسیل می شد، انرژی همه الکترونهای بتا برای ایزوتوپ پرتوزای معینی باید یکسان می بود. بدیهی است این انرژی باید برابر باشد با اختلاف انرژی درونی هسته اتمی اولیه و هسته حاصل به اضافه الکترون این اختلاف باید یکی باشد. زیرا از طریق آزمایش ثابت شده است که همه هسته های یک ایزوتوپ معین دارای جرم یکسانند. در نتیجه انرژی درونیشان یکی است.

نحوه تولید نوترینو:

انرژی الکترون حاصل از واپاشی ذره بتا می تواند مقادیر مختلف ، از صفر تا مقدار ماکزیمم معین W را داشته باشد. مهم است بدانیم که این مقدار ماکزیمم درست برابر با انرژی درونی آزاد شده در ضمن واکنش منظور شده در بالاست. برای سازگاری با قانون بقای انرژی باید فرض کرد که در جریان واپاشی ذره بتا همراه با الکترون یک ذره دیگر نیز (یعنی نوترینو) تشکیل می شود.

این ذره انرژی ای را با خود حمل می کند که مکمل انرژی الکترون تا W است. اگر نوترینو انرژی ای نزدیک به W با خود حمل کند، انرژی الکترون نزدیک به صفر است. اگر انرژی نوترینو کم باشد، برعکس، انرژی الکترون نزدیک به W است. تحلیل تفضیلی از واپاشی به دلایل متقاعد کننده دیگری بر گسیل نوترینو در این فرایند دلالت دارد و امکان داده است که جرم در حال سکون نوترینو را برآورد کنند.

سایر مشخصات فیزیکی نوترینو:

معلوم شده است که جرم این ذره از ده هزارم جرم در حال سکون الکترون کمتر است. سالها تحقیق سرانجام به آنجا رسید که در 1956 از راه آزمایش واکنشی هسته ای را کشف کردند که در آن نوترینویی (ν) توسط پروتون جذب و سپس این پروتون به نوترون و پوزیترون تبدیل شد. P+ν→n+e

در این آزمایشها چشمه نوترینوها راکتور هسته ای نیرومندی بود که در آن نوترینو در ضمن واپاشی ذره بتا از پاره های شکافت اورانیوم تشکیل می شد.

نوترینوی خورشیدی:

واکنشهای متنوعی در راکتورها صورت گرفته است که توسط نوترینو به وجود آمده است. جالبترین آزمایش ها ، آزمایش هایی هستند که درباره آشکارسازی نوترینو های خورشیدی انجام شده اند. این آزمایش ها امکان داده اند که درستی نظرات ابراز شده درباره ساختار خورشید تحقیق و فرایند های هسته ای درون توده آن بررسی شود. در واکنش گداخت چهار پروتون ، که گمان می رود چشمه انرژی خورشید باشد. همراه هر هسته هلیوم تشکیل شده دو نوترینو نیز گسیل می شود. نوترینو خیلی کم با ماده اندر کنش می کند. به طوری که اکثریت قریب به اتفاق آنها در خورشید نفوذ می کنند و به درون فضای کیهانی می گریزند.

آن بخش از نوترینو هایی که به زمین می رسند این طور تجلی می کنند که آشکارسازهای خاصی موجب واکنش های هسته ای می شوند. چون اندر کنش های درگیر با نوترینو ها خیلی ضعیف است، این بخش خیلی کوچک است و آزمایش های آشکارسازی نوترینو های خورشیدی پرهزینه و پیچیده اند. با وجود این ، این آزمایش ها انجام ، هر نوترینو های گسیل شده از توده خورشید ثبت شده اند.

راز سانتریفیوژهای جمهوری اسلامی

گزارشی از برنامه‌های هسته‌ای ایران

یک دستگاه سانتریفیوژ آزمایشی برخلاف یک دستگاه سانتریفیوژ تجاری معمولا پیاپی و با تمام ظرفیت کار نمی‌کند و به جای آن، تجهیزات غنی‌سازی سوخت راهنما برای عرضه یک بستر آزمایشی جهت توسعه فناوری سانتریفیوژ برای کاربری در مقیاس صنعتی در نظر گرفته شده است. دستگاه غنی‌سازی سوخت تجاری که اینک در نطنز در دست ساخت است، برخلاف دستگاه سانتریفیوژ آزمایشگاهی، طرحی بسیار بلندپروازانه‌تر است. ایران در فوریه 2003 به آژانس بین‌المللی انرژی اتمی اعلام کرد، در نظر دارد تا در اوایل سال 2005، نصب دستگاه‌های سانتریفیوژ در ماشین‌های غنی‌سازی سوخت را آغاز کند و نیز مجموعا پنجاه هزار سانتریفیوژ مدل P-1 را برای تولید اورانیوم غنی‌شده سطح پایین جهت تأمین سوخت رآکتور نیروی هسته‌ای نصب کند. بنا بر طرح موجود، قرار است تجهیزات نطنز در قالب قطعات مجزای سه هزار ماشین، سازمان‌دهی شوند که مرکب از چند آبشار کوچک مرتبط با یکدیگر هستند که برای تولید اورانیوم غنی‌شده سطح پایین از مواد اولیه اورانیوم طبیعی طراحی شده‌اند. طرح تجهیزات نطنز طبق این برنامه‌های اعلام‌شده برای تولید اورانیوم غنی‌شده سطح پایین جهت تأمین نیازهای سوختی سالانه رآکتور بوشهر خوشبینانه به نظر می‌رسد و گویا برای تولید اورانیوم تسلیحاتی استفاده نمی‌شود؛ هرچند همان‌گونه که بحث خواهد شد، تجهیزات نطنز می‌تواند با تحمل مقداری افت در کارآیی تبدیل به تولیدکننده نظامی شود.

نوترینو چیست ؟

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 20 صفحه

 قسمتی از متن .doc : 

نوترینو چیست؟

نوترینو ذره بنیادی خنثایی است که در ضمن واپاشی بتای هسته های اتمی همراه با الکترون یا پوزیترون گسیل می شود.

همانند نوترون ، نوترینو نیز بار الکتریکی ندارد.

نوترینو با الکترونها عملا اندرکنش نمی کند و باعث یونش قابل توجه محیط نمی شود.

نوترینو ذره بنیادی ناپایدار و سبکی می باشد که جرمش در حدود 200/1 جرم الکترون می باشد.

آشکارسازی نوترینو:

هر چند نوترونها را به سبب اثر شان روی هسته های اتمی واکنش های هسته ای و انتقال انرژی در خلال برخوردها می توان به آسانی آشکار ساخت اما اندرکنش نوترینو با هسته ها خیلی ضعیف است. تا این اواخر واکنش هسته ایی که نوترینو ها راه انداخته باشند در آزمایشگاه آشکار سازی نشده است.

این ذره ناپایدار است پس چگونه می توان به وجود نوترینوها پی برد؟ اگر در ضمن واپاشی ذره بتا تنها الکترون گسیل می شد، انرژی همه الکترونهای بتا برای ایزوتوپ پرتوزای معینی باید یکسان می بود. بدیهی است این انرژی باید برابر باشد با اختلاف انرژی درونی هسته اتمی اولیه و هسته حاصل به اضافه الکترون این اختلاف باید یکی باشد. زیرا از طریق آزمایش ثابت شده است که همه هسته های یک ایزوتوپ معین دارای جرم یکسانند. در نتیجه انرژی درونیشان یکی است.

نحوه تولید نوترینو:

انرژی الکترون حاصل از واپاشی ذره بتا می تواند مقادیر مختلف ، از صفر تا مقدار ماکزیمم معین W را داشته باشد. مهم است بدانیم که این مقدار ماکزیمم درست برابر با انرژی درونی آزاد شده در ضمن واکنش منظور شده در بالاست. برای سازگاری با قانون بقای انرژی باید فرض کرد که در جریان واپاشی ذره بتا همراه با الکترون یک ذره دیگر نیز (یعنی نوترینو) تشکیل می شود.

این ذره انرژی ای را با خود حمل می کند که مکمل انرژی الکترون تا W است. اگر نوترینو انرژی ای نزدیک به W با خود حمل کند، انرژی الکترون نزدیک به صفر است. اگر انرژی نوترینو کم باشد، برعکس، انرژی الکترون نزدیک به W است. تحلیل تفضیلی از واپاشی به دلایل متقاعد کننده دیگری بر گسیل نوترینو در این فرایند دلالت دارد و امکان داده است که جرم در حال سکون نوترینو را برآورد کنند.

سایر مشخصات فیزیکی نوترینو:

معلوم شده است که جرم این ذره از ده هزارم جرم در حال سکون الکترون کمتر است. سالها تحقیق سرانجام به آنجا رسید که در 1956 از راه آزمایش واکنشی هسته ای را کشف کردند که در آن نوترینویی (ν) توسط پروتون جذب و سپس این پروتون به نوترون و پوزیترون تبدیل شد. P+ν→n+e

در این آزمایشها چشمه نوترینوها راکتور هسته ای نیرومندی بود که در آن نوترینو در ضمن واپاشی ذره بتا از پاره های شکافت اورانیوم تشکیل می شد.

نوترینوی خورشیدی:

واکنشهای متنوعی در راکتورها صورت گرفته است که توسط نوترینو به وجود آمده است. جالبترین آزمایش ها ، آزمایش هایی هستند که درباره آشکارسازی نوترینو های خورشیدی انجام شده اند. این آزمایش ها امکان داده اند که درستی نظرات ابراز شده درباره ساختار خورشید تحقیق و فرایند های هسته ای درون توده آن بررسی شود. در واکنش گداخت چهار پروتون ، که گمان می رود چشمه انرژی خورشید باشد. همراه هر هسته هلیوم تشکیل شده دو نوترینو نیز گسیل می شود. نوترینو خیلی کم با ماده اندر کنش می کند. به طوری که اکثریت قریب به اتفاق آنها در خورشید نفوذ می کنند و به درون فضای کیهانی می گریزند.

آن بخش از نوترینو هایی که به زمین می رسند این طور تجلی می کنند که آشکارسازهای خاصی موجب واکنش های هسته ای می شوند. چون اندر کنش های درگیر با نوترینو ها خیلی ضعیف است، این بخش خیلی کوچک است و آزمایش های آشکارسازی نوترینو های خورشیدی پرهزینه و پیچیده اند. با وجود این ، این آزمایش ها انجام ، هر نوترینو های گسیل شده از توده خورشید ثبت شده اند.

راز سانتریفیوژهای جمهوری اسلامی

گزارشی از برنامه‌های هسته‌ای ایران

یک دستگاه سانتریفیوژ آزمایشی برخلاف یک دستگاه سانتریفیوژ تجاری معمولا پیاپی و با تمام ظرفیت کار نمی‌کند و به جای آن، تجهیزات غنی‌سازی سوخت راهنما برای عرضه یک بستر آزمایشی جهت توسعه فناوری سانتریفیوژ برای کاربری در مقیاس صنعتی در نظر گرفته شده است. دستگاه غنی‌سازی سوخت تجاری که اینک در نطنز در دست ساخت است، برخلاف دستگاه سانتریفیوژ آزمایشگاهی، طرحی بسیار بلندپروازانه‌تر است. ایران در فوریه 2003 به آژانس بین‌المللی انرژی اتمی اعلام کرد، در نظر دارد تا در اوایل سال 2005، نصب دستگاه‌های سانتریفیوژ در ماشین‌های غنی‌سازی سوخت را آغاز کند و نیز مجموعا پنجاه هزار سانتریفیوژ مدل P-1 را برای تولید اورانیوم غنی‌شده سطح پایین جهت تأمین سوخت رآکتور نیروی هسته‌ای نصب کند. بنا بر طرح موجود، قرار است تجهیزات نطنز در قالب قطعات مجزای سه هزار ماشین، سازمان‌دهی شوند که مرکب از چند آبشار کوچک مرتبط با یکدیگر هستند که برای تولید اورانیوم غنی‌شده سطح پایین از مواد اولیه اورانیوم طبیعی طراحی شده‌اند. طرح تجهیزات نطنز طبق این برنامه‌های اعلام‌شده برای تولید اورانیوم غنی‌شده سطح پایین جهت تأمین نیازهای سوختی سالانه رآکتور بوشهر خوشبینانه به نظر می‌رسد و گویا برای تولید اورانیوم تسلیحاتی استفاده نمی‌شود؛ هرچند همان‌گونه که بحث خواهد شد، تجهیزات نطنز می‌تواند با تحمل مقداری افت در کارآیی تبدیل به تولیدکننده نظامی شود.