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، تغییرفهرست :فصل اولمقدمهبه دنبال تکامل…ایدۀ اصلی استفاده از الگوریتم ژنتیکدرباره علم ژنتیکتاریخچۀ علم ژنتیکتکامل طبیعی (قانون انتخاب طبیعی داروین)رابطه تکامل طبیعی با روشهای هوش مصنوعیالگوریتمالگوریتمهای جستجوی ناآگاهانهالف جستجوی لیستب جستجوی درختیپ جستجوی گرافالگوریتمهای جستجوی آگاهانهالف جستجوی خصمانهمسائل NPHardهیوریستیکانواع الگوریتمهای هيوریستیکفصل دوممقدمهالگوریتم ژنتیکمكانيزم الگوريتم ژنتيكعملگرهاي الگوريتم ژنتيكکدگذاریارزیابیترکیبجهشرمزگشاييچارت الگوريتم به همراه شبه كد آنشبه كد و توضيح آنچارت الگوریتم ژنتیکتابع هدفروشهای کد کردنکدینگ باینریکدینگ جایگشتیکد گذاری مقدارکدینگ درختنمایش رشتههاانواع روشهای تشکیل رشتهباز گرداندن رشتهها به مجموعه متغيرهاتعداد بيتهاي متناظر با هر متغيرجمعيتايجاد جمعيت اوليهاندازه جمعيتمحاسبه برازندگي (تابع ارزش)انواع روشهای انتخابانتخاب چرخ رولتانتخاب حالت پایدارانتخاب نخبه گراییانتخاب رقابتیانتخاب قطع سرانتخاب قطعی بریندلانتخاب جایگزینی نسلی اصلاح شدهانتخاب مسابقهانتخاب مسابقه تصادفیانواع روشهای ترکیبجابهجایی دودوئیجابهجایي حقيقيترکیب تکنقطهایترکیب دو نقطهایترکیب n نقطهایترکیب یکنواختترکیب حسابیترتیبچرخهمحدّببخش_نگاشتهاحتمال تركيبتحليل مكانيزم جابجایيجهشجهش باينريجهش حقيقيوارونه سازی بیتتغییر ترتیب قرارگیریوارون سازیتغییر مقدارمحک اختتام اجرای الگوریتم ژنتیکانواع الگوریتمهای ژنتیکیالگوریتم ژنتیکی سریالگوریتم ژنتیکی موازیمقایسه الگوریتم ژنتیک با سیستمهای طبیعینقاط قوّت الگوریتمهای ژنتیکمحدودیتهای GAهااستراتژی برخورد با محدودیتهااستراتژی اصلاح عملگرهای ژنتیکاستراتژی رَدّیاستراتژی اصلاحیاستراتژی جریمهایبهبود الگوریتم ژنتیکچند نمونه از کاربردهای الگوریتمهای ژنتیکفصل سوممقدمهحلّ معماي هشت وزیرجمعیت آغازینتابع برازندگیآمیزشجهش ژنتیکیالگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دورهگردحل مسأله TSP به وسیله الگوریتم ژنتیکمقایسه روشهای مختلف الگوریتم و ژنتیک برای TSPنتیجه گیریحلّ مسأله معمای سودوکوحل مسألهتعیین کروموزمساختن جمعيت آغازين يا نسل اولساختن تابع از ارزشتركيب نمونهها و ساختن جواب جديدارزشيابي مجموعه جوابساختن نسل بعدمرتب سازی به کمک GAصورت مسألهجمعیت آغازینتابع برازندگیانتخابترکیبجهشفهرست منابع و مراجعپیوستواژهنامه
دانلود پایان نامه کامل در مورد الگوریتم ژنتیک (فرمت فایل Wordوورد)تعداد صفحات 65
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، تغییرفهرست :فصل اولمقدمهبه دنبال تکامل…ایدۀ اصلی استفاده از الگوریتم ژنتیکدرباره علم ژنتیکتاریخچۀ علم ژنتیکتکامل طبیعی (قانون انتخاب طبیعی داروین)رابطه تکامل طبیعی با روشهای هوش مصنوعیالگوریتمالگوریتمهای جستجوی ناآگاهانهالف جستجوی لیستب جستجوی درختیپ جستجوی گرافالگوریتمهای جستجوی آگاهانهالف جستجوی خصمانهمسائل NPHardهیوریستیکانواع الگوریتمهای هيوریستیکفصل دوممقدمهالگوریتم ژنتیکمكانيزم الگوريتم ژنتيكعملگرهاي الگوريتم ژنتيكکدگذاریارزیابیترکیبجهشرمزگشاييچارت الگوريتم به همراه شبه كد آنشبه كد و توضيح آنچارت الگوریتم ژنتیکتابع هدفروشهای کد کردنکدینگ باینریکدینگ جایگشتیکد گذاری مقدارکدینگ درختنمایش رشتههاانواع روشهای تشکیل رشتهباز گرداندن رشتهها به مجموعه متغيرهاتعداد بيتهاي متناظر با هر متغيرجمعيتايجاد جمعيت اوليهاندازه جمعيتمحاسبه برازندگي (تابع ارزش)انواع روشهای انتخابانتخاب چرخ رولتانتخاب حالت پایدارانتخاب نخبه گراییانتخاب رقابتیانتخاب قطع سرانتخاب قطعی بریندلانتخاب جایگزینی نسلی اصلاح شدهانتخاب مسابقهانتخاب مسابقه تصادفیانواع روشهای ترکیبجابهجایی دودوئیجابهجایي حقيقيترکیب تکنقطهایترکیب دو نقطهایترکیب n نقطهایترکیب یکنواختترکیب حسابیترتیبچرخهمحدّببخش_نگاشتهاحتمال تركيبتحليل مكانيزم جابجایيجهشجهش باينريجهش حقيقيوارونه سازی بیتتغییر ترتیب قرارگیریوارون سازیتغییر مقدارمحک اختتام اجرای الگوریتم ژنتیکانواع الگوریتمهای ژنتیکیالگوریتم ژنتیکی سریالگوریتم ژنتیکی موازیمقایسه الگوریتم ژنتیک با سیستمهای طبیعینقاط قوّت الگوریتمهای ژنتیکمحدودیتهای GAهااستراتژی برخورد با محدودیتهااستراتژی اصلاح عملگرهای ژنتیکاستراتژی رَدّیاستراتژی اصلاحیاستراتژی جریمهایبهبود الگوریتم ژنتیکچند نمونه از کاربردهای الگوریتمهای ژنتیکفصل سوممقدمهحلّ معماي هشت وزیرجمعیت آغازینتابع برازندگیآمیزشجهش ژنتیکیالگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دورهگردحل مسأله TSP به وسیله الگوریتم ژنتیکمقایسه روشهای مختلف الگوریتم و ژنتیک برای TSPنتیجه گیریحلّ مسأله معمای سودوکوحل مسألهتعیین کروموزمساختن جمعيت آغازين يا نسل اولساختن تابع از ارزشتركيب نمونهها و ساختن جواب جديدارزشيابي مجموعه جوابساختن نسل بعدمرتب سازی به کمک GAصورت مسألهجمعیت آغازینتابع برازندگیانتخابترکیبجهشفهرست منابع و مراجعپیوستواژهنامه