advertise laitec sharif univercity تبلیغات در سایت سورس کد تبلیغات در سایت سورس کد
سیستم اتوماسیون دهیاری ، پروژه مهندسی نرم افزار

سیستم اتوماسیون دهیاری ، پروژه مهندسی نرم افزار

3000 تومان
سورس پروژه پایانی وب سایت و نرم افزار کلینیک در ASP.net

سورس پروژه پایانی وب سایت و نرم افزار کلینیک در ASP.net

22000 تومان
دانلود سورس پروژه TSP با الگوریتم مورچگان Ants

دانلود سورس پروژه TSP با الگوریتم مورچگان Ants

4800 تومان
دانلود پروژه فروشنده دوره گرد با الگوریتم گرانشی در #C

دانلود پروژه فروشنده دوره گرد با الگوریتم گرانشی در #C

4800 تومان
دانلود سورس هوش مصنوعی رنگ آمیزی گراف با ژنتیک در #C

دانلود سورس هوش مصنوعی رنگ آمیزی گراف با ژنتیک در #C

4800 تومان

الگوریتم ژنتیک genetic algorithm

الگوریتم ژنتیک یا (GA) از دیگر استراتژی های جست وجوی محلی و شکلی از "جست وجوی پرتوی اتفاقی" است که در آن حالتهای پسین از طریق ترکیب دو حالت والد تولید میشود.
الگوریتم ژنتیک genetic algorithm

الگوریتم ژنتیک  genetic algorithm

الگوریتم ژنتیک  یا (GA)  از دیگر استراتژی های جست وجوی محلی و شکلی از "جست وجوی پرتوی اتفاقی" است که در آن حالتهای پسین از طریق ترکیب دو حالت والد تولید میشود. در مقایسه با انتخاب طبیعی مثل جست وجوی پرتوی اتفاقی عمل میکند. با این تفتوت که در اینجا با تولید مثل جنسی سروکار داریم نه غیر جنسی.

الگوریتم ژنتیک  با مجموعه ای از k حالت که بطور تصادفی تولید شده اند، شروع میکند که جمعیت نام دارد.هر حالت یا فرد بصورت رشته ای بر روی الفبای متناهی نمایش داده میشود. هر حالت توسط یک "تابع هدف" یا یک تابع برازش ارزیابی میشود. تابع برازش باید برای حالتهای بهتر، مقادیر بزرگتری را برگرداند. در شکل خاصی از الگوریتم ژنتیک (مانند مسئله هشت وزیر) احتمال انتخاب برای تولیدمثل مستقیما متناسب با امیتاز برازش است. در ادامه حل مسئله به روش الگوریتم ژنتیک، دو زوج بطور تصادفی برای تولید مثل انتخاب میشوند. برای هر زوجی که باید جفت گیری کنند، یک نقطه پیوند بطور تصادفی بین موقعیت ها انتخاب میشود.

وقتی دو حالت والد، کاملا فرق میکنند عملیات پیوند میتواند حالتی را تولید کند که از هر دو والد به یک فاصله است. معمولا ابتدا جمعیت در فرآیند متنوع است، لذا عمل پیوند (همانند الگوریتم simulated annealing) معمولا در ابتدا مراحل طولانی را در فضای حالت انتخاب میکند و به تدریج که افراد کاملا مشابه میشوند، مراحل کوتاهتر را انتخاب میکند.

همانند جست وجوی پرتوی اتفاقی، الگوریتم ژنتیک  نوعی تپه نوردی همراه با اکتشاف تصادفی را با تبادل اطلاعات بین نخ های جست وجوی موازی، با هم ترکیب میکند. امتیازات الگوریتم ژنتیک  ناشی از عملیات پیوند است. نتیجه ی این ترکیب است این است که عملکرهای مفیدی را ارائه میکند. لذا منجر به افزایش دقت عملکرد جست وجو میشود.

نظریه های الگوریتم های ژنتیک  توضیح میدهند که این کار چگونه با استفاده از ایده ی الگو انجام میشود. الگو زیر رشته ای است که بعضی از موقعیت های آن مشخص نشده باقی میمانند. رشته هایی که با الگو مطابقت میکنند نمونه هایی از الگو نامیده میشوند.  الگوریتم های ژنتیک وقتی به خوبی کار میکنند که الگوها متناظر با قطعات با معنایی از جواب باشند.  

در عمل الگوریتم های ژنتیک  اثر وسیعی در مسئله های بهینه سازی مثل زمانبندی کار و طراحی مدارات مجتمع داشته است.

                                  

شبه کد الگوریم ژنتیک:

 

function GENETIC-ALGPRITHM (population, FITNESS-FN)  returns   an   individual

       inputs :  population, a set  of  individuals

                     FITNESS-FN, a function  that  measure  the  fitness  of  an individual

 

       repeat

                  new_population  <-- empty  set

                  for  i= = 1  to SIZE(population)   do

                          x <--  RANDOM-SELECTION (population, FITNESS-FN)

                          y <--  RANDOM-SELECTION (population, FITNESS-FN)

                          Child <-- REPRODUCE (x ,y)

                          if (small  random probability)  then  child <-- MUTATE(child)

                          add  child to new_population

                  Population <--  new_population

      until  some individual is fit enough , or enough time has elapsed

      return  the best individual in population, according to  FITNESS-FN

 

function  REPRODUCE (x, y)   returns  an  individual

      input :  x , y , parent individuals

  

      n <-- LENGTH (x);  c <-- random number from 1 to n

      return APPEND (SUBSTRING(x,1, c), SUBSTRING(y, c+1, n))

 

 

 

 



0
نظرات

نظر خود را ارسال کنید



نام:
ایمیل:
دیدگاه:
captcha
کد امنیتی :


advertise
دانلود رایگان شبه کد genetic algorithmالگوریتم ژنتیک GA چیست؟genetic algorithm searchآموزش الگوریتم جست وجوی ژنتیکشبه کد الگوریتم جست وجوی ژنتیکالگوریتم جست وجوی ژنتیک GAدانلود سورس کد الگوریتم جست وجوی geneticالگوریتم genetic searchدانلود شبه کد الگوریتم های ژنتیکالگوریتم جست وجوی ژنتیک GAالگوریتم های جست وجوی محلی geneticاستراتژی های جست وجوی محلی genetic لیست برچسب ها
تمامی حقوق این سایت اعم از محتوی ، تصاویر ، قالب و ... متعلق به گروه مهندسی وب سایت سورس کد می باشد.
SourceCodes.ir ، افقی روشن برای برنامه نویسان ، از مبتدی تا حرفه ای

سفارش پروژه در سورس کد

پیشنهادات ویژه سورس کد

پکیج ویژه پروژه پایانی رشته کامپیوتر دانلود مجموعه 70 پروژه کاربردی سی شارپ وب سایت فروشگاه با php