فرمت فایل : Word /
تعداد صفحات : 98 /
الگوریتم ژنتیک قسمتی از محاسبات تکاملی می‌باشد، که در زمینه هوش مصنوعی رشد قابل ملاحظه‌ای داشته است و می توان آن را جزء تکنیک‌های مکاشفه‌ای به حساب آورد . به طور خلاصه می‌توان گفت تکنیک‌ها مکاشفه‌ای برای حل مسائلی بکار می‌روند که اگر ما بهترین و بهینه‌ترین پاسخ را بخواهیم ،باید زمان زیاد و غیر معقولی را صرف کنیم و پیچیدگی زمانی الگوریتم‌های غیر مکاشفه‌ای در این مسائل با زیاد شدن ورودی به طور قابل ملاحظه‌ای بالا می‌رود. با استفاده از تکنیک‌های مکاشفه‌ای می‌توان یک جواب خوب را بدست آورد. همان طور که اشاره شد الگوریتم ژنتیک نیز برای حل این گونه مسائل به کار می‌رود.
الگوریتم ژنتیک توسط ژان هلند اختراع شد توسط خودوی،دانشجویانش و هم دانشکده‌ای‌هایش توسعه پیدا کرد.این کار منجر به چاپ کتاب «بهینه سازی در سیستم‌های هوش و عصبی »و انتشار آن در سال 1975 شد.در سال 1992 ژان کوزوا الگوریتم ژنتیک را برای تکامل برنامه‌هایی جهت انجام کارهای ویژه بکار گرفت. او این روش را برنامه‌نویسی ژنتیک نامید.
مقدمه
فصل اول: آشنایی با روش کلی الگوریتم ژنتیک
- : معرفی
- : مزایای تکنیک‌های مکاشفه‌ای
- : تاریخچه
- :پیش زمینه بیولوژیکی
- : روال الگوریتم ژنتیک برای حل مسائل
- : قدم‌های الگوریتم ژنتیک
- : کروموزوم در الگوریتم ژنتیک
- :کدگذاری کروموزوم‌ها
1-8-1: کدگذاری دودویی
1-8-2:کدگذاری جایگشتی
1-8-3: کدگذاری درختی
فصل دوم: بررسی مسئله فروشنده دوره‌گرد با استفاده از الگوریتم ژنتیک
1-2: بررسی مسئله فروشنده دوره‌گرد
2-2: کدگذاری کروموزوم
2-3: ایجاد جمعیت اولیه
2-4: ایجاد نسل
2-5 : crossover و Mutation در حالت‌های مختلف کدگذاری
2-5-1: کدگذاری دودویی
2-5-2: کدگذاری درختی
2-5-3: کدگذاری جایگشت
2-6 : پیاده‌سازی برنامه
2-6-1 : توضیح رابط کاربر
2-6-2 : کد برنامه
2-6-3 : توضیح کدبرنامه
2-6-3-1 : متغیرها
2-6-3-2 : توابع
2-6-3-3 : توضیح عملکرد برنامه
فصل سوم:مسئله n وزیر
3-1: تعریف
3-2: کدگذاری کروموزوم‌ها
3-3: جهش (Mutation)
3-4: ترکیب(Crossover)
3-5 : تابع شایستگی (Fitness)
3-6: پیاده سازی n وزیر
3-6-1: متغیرهای به کار رفته
3-6-2: توابع
فصل چهارم: مسئله کوله‌پشتی
4-1 : تعریف
4-1-1 : معرفی اجسام
4-1-2 : تعیین کروموزوم
4-1-3 : عمل بهینه fitness
4-1-3-1 : عملیات انتخابی
4-1-3-2 : انتخاب چرخ رولت
4-1-3-3 : مقایسه نتایج شیوه رولت با شیوه انتخابی
4-1-4 : crossover
4-1-5 : Mutation
4-2 : پیچیدگی برنامه
4-3 : نتیجه
فصل پنجم: زمان‌بندی چند‌پردازنده‌ها
5-1 : تعریف
5-1-1 : روش کلاسیک
5-1-1-1 : (LPT) Large Processing Time
5-1-1-2 : (RLPT)Reverse Large Processing Time
5-1-1-3 : (sPT) Short Processing Time
5-1-1-4 : (LSPT) Large Short Processing Time
5-1-2 : زمان‌بندی پردازنده‌ها با استفاده از الگوریتم ژنتیک
5-1-1-2 : کدگذاری کروموزوم
5-1-2-2 : جهش (Mutation)
5-1-2-3 : ترکیب (crossover)
5-1-2-4 : شایستگی هر کروموزوم (fitness)
5-1-2-5 : پیاده سازی برنامه
5-1-2-5-1 : توضیح رابط کاربر
5-1-2-5-2 : کد برنامه
5-1-2-5-3 : توضیح کد برنامه
5-1-2-5-3-1 : متغیرها
5-1-2-5-3-2 : توابع
5-2 : پیشنهاداتی برای بهبود کارایی الگوریتم ژنتیک
5-2-1 : درصد ترکیب crossover
5-2-2 : درصد جهش Mutation
5-2-3 : تعداد جمعیت اولیه
5-2-4 : تعداد نسل‌ها
5-2-5 : Elitism
5-2-6: پیشنهادهایی برای بهبود عملکرد برنامه‌ها
آشنایی و حل مسائل الگوریتم های کامپیوتر توسط برنامه‌نویسی ژنتیک
