ارزیابی عملکرد الگوریتم ژنتیک و الگوریتم مورچگان در شبکه های حسگر بی سیم

اختصاصی از هایدی ارزیابی عملکرد الگوریتم ژنتیک و الگوریتم مورچگان در شبکه های حسگر بی سیم دانلود با لینک مستقیم و پر سرعت .

امروزه استفاده از شبکه های بی سیم به شکل گسترده ای رو به ازدیاد است.یکی از انواع این شبکه ها، شبکه های موبایل تک کاره (Mobile ad hoc networks)است. شبکه موبایل Ad hoc به عنوان شبکه های با عمر کوتاه شناخته می شود. توپولوژی بسیار پویا، در دسترس بودن پهنای باند محدود،محدودیت های انرژی و عدم وجود زیرساخت، مسیریابی در این نوع شبکه ها را به چالش کشیده است،بدین جهت یافتن مسیر بهینه در این شبکه ها یک مسئله بسیار مهم به شمار می اید. الگوریتم های الهام گرفته از طبیعت (ازدحام هوش) مانند الگوریتم های بهینه سازی لانه مورچه و همچنین الگوریتم ژنتیک در چند سال اخیر برای حل مسئله مسیریابی شبکه های بی سیم معرفی شده اند. در این پروژه سعی کردیم مجموعه فعالیت های انجام شده برای یافتن مسیر بهینه در شبکه های بی سیم با استفاده از خواص الگوریتم ژنتیک و الگوریتم لانه مورچه ای را مورد بررسی و ارزیابی قرار داده و روشی بهینه در این زمینه را بیابیم.

فهرست مطالب

فصل اول:کلیات

1-1 مقدمه ای بر شبکه های بی سیم. 2

1-2 تقسیم بندی شبکه های بی سیم بر اساس محدوده فرکانس... 5

1-2-1 شبکه های مادون قرمز. 5

1-2-2 شبکه های لیزری.. 6

1-2-3 شبکه های Wi – Fi 7

1-2-4 شبکه های WiMAX. 7

1-3 شبکه های بیسیم Ad Ho. 9

1-4 مسیریابی هوشمند. 11

فصل دوم:ارزیابی الگوریتم مورچگان در شبکه های بی سیم

2-1 مقدمه. 17

2-2 پیدا کردن کوتاهترین مسیر توسط مورچه ها 18

2-3 الگوریتم پایه لانه مورچه ای.. 19

2-4 ویژگیهای الگوریتم مورچگان : 22

2-5 الگوریتم ساده لانه مورچه ای.. 23

2-6 چرا الگوریتم تخمین بهینه لانه مورچه ای برای شبکه های بی سیم مناسبند؟. 24

2-6-1 توپولوژی پویا 24

2-6-2 کار محلی.. 25

2-6-3 کیفیت اتصال. 25

2-6-4 پشتیبانی از چند مسیره بودن شبکه. 25

2-7 بررسی الگوریتم های مسیریابی مبتنی بر مورچه ها برای MANETs. 25

2-8 الگوریتم های مسیریابی تخت.. 26

2-8-1 الگوریتم مسیریابی مبتنی بر لانه مورچه. 27

2-8-2 خصوصیات ARA. 29

2-9 چگونگی کارکرد الگوریتم. 30

2-9-1 موریانه. 36

2-9-2 الگوریتم مسیریابی اورژانس احتمالاتی(PERA ) 38

2-9-3 الگوریتم مسیریابی فوری ویژه:(EARA ) 39

2-9-4 مورچه AODV. 41

2-10 پروتکل های مسیریابی سلسله مراتبی.. 42

2-10-1 مسیریابی مبتنی بر مورچه متحرک (MABR ) 42

2-10-2HOPENT. 46

2-10-3 الگوریتم ردیابی مورچه برای شبکه های اختصاصی بی سیم. 48

2-11 فهرست یا جدول پیشنهادی مسیریابی.. 50

2-11-1 مورچه ها 51

2-11-2 کشف مسیر. 52

2-11-3 حفظ مسیر. 55

2-12 محدوده مسیریابی بر اساس پروتکل مسیریابی لانه مورچه ای (TRAC) برای شبکه های بی سیم. 56

2-12-1 مروری بر پروتکل. 56

2-12-2 مروری بر پروتکل TARC. 56

2-12-3 پروتکل TRAC. 58

2-12-3-1 مرحله برپایی.. 58

2-12-3-2 مرحله جستجوی مسیر. 59

2-12-3-3 مرحله به روز رسانی مقدار فرومون. 61

 2-12-3-4 مرحله تحویل. 62

2-13 نتیجه گیری.........63

فصل سوم:ارزیابی عملکرد الگوریتم ژنتیک

3-1- مقدمه. 66

3-2- پیشینه. 67

3-3- اصطلاحات زیستی.. 68

3-4- تشریح کلی الگوریتم ژنتیک... 69

3-5- حل مساله با استفاده از الگوریتم های ژنتیک... 70

3-6- اجزای الگوریتم ژنتیک... 70

3-6-1- جمعیت.. 72

3-6-2- کدگذاری.. 73

3-7 مسیریابی QoS در MANET بر اساس الگوریتم ژنتیک... 73

3-7-1:QoS در MANET. 74

3-7-2 نقش GA در مسیریابی QoS در MANET. 78

3-8 مشکلات کوتاهترین مسیر حرکتی در MANET بر اساس الگوریتم ژنتیک... 82

3-8-1 مشکلات مسیر حرکتی SP. 83

3-8-2 الگوریتم ژنتیکی تخصصی برای مشکلات SP. 85

3-8-2-1 نمایش ژنتیکی.. 85

3-8-2-2 ارزش دهی اغازی جمعیتی.. 86

3-8-2-3 توانایی عملکرد. 86

3-8-2-4 برنامه ریزی انتخابی.. 87

3-8-2-5 همگذری و جهش... 87

3-8-3 الگوریتمهای ژنتیکی به همراه برنامه ریزی مهاجرتی.. 89

3-9 نتیجه گیری.. 92

فصل چهارم:ارزیابی و نتیجه گیری

4-1 نتیجه گیری.. 94

4-2 الگوریتم پیشنهادی: 96

منابع. 97

مقایسه سرعت همگرایی الگوریتم ژنتیک در تعیین ضرایب زبری شبکه آبرسانی با دو فرمول هیزن ویلیامز و دارسی ویسباخ

اختصاصی از هایدی مقایسه سرعت همگرایی الگوریتم ژنتیک در تعیین ضرایب زبری شبکه آبرسانی با دو فرمول هیزن ویلیامز و دارسی ویسباخ دانلود با لینک مستقیم و پر سرعت .

در این مقاله مقایسه هدف دو فرمول دارسی و بسباخ و هیزن ویلیامز در واسنجی ضرایب ربری یک شبکه آبرسانی شهری در حال بهره برداری می باشد و عملکرد این دو فرمول با استفاده از ابزار الگوریتم ژنتیک مورد مقایسه قرار گرفته است. روند واسنجی زبری در یک شبکه موجود به صورت مساله معکوس پیشنهادی در این تحقیق هیدرولیک و الگوریتم ژنتیک در یک پروسه تکراری به هم متصل می شوند و تا رسیدن به حداقل تابع هدف منظور شده تکرارها ادامه دارد. با توجه به قابلیت نرم افزار هیدرولیکی ایانت برای تحلیل با دو فرمول هیزن ویلیامز و دارسی ویسباخ مدل با استفاده از این دو رابطه تحلیل هیدرولکی شده و عملکرد این مدل های هیدرولیکی در الگوریتم ژنتیک نرم افزار مناسب بررسی گردید و در نهایت نتایج نشان داد که رابطه دارسی و بسباخ نتایج سریعتر و دقیق تری را ارائه می دهد.

سال انتشار: 1392

تعداد صفحات: 6

فرمت فایل: pdf

پروپزال کارشناسی ارشد رشته علوم دامی گرایش ژنتیک و اصلاح نژاد دام

اختصاصی از هایدی پروپزال کارشناسی ارشد رشته علوم دامی گرایش ژنتیک و اصلاح نژاد دام دانلود با لینک مستقیم و پر سرعت .

موضوع :

عنوان فارسی

تعیین اهداف اصلاح نژادی و ضرایب اقتصادی در گوسفند نژاد هرکی

عنوان انگلیسی

Determination of breeding objective and economic values for harki breed of sheep

  فهرست مطالب:                                                                                                  صفحه

الف) چکیده........................................................................................................... 3

ب) بیان مسئله..................................................................................................... 4

ج) سئوالات تحقیق.............................................................................................5

د) فرضیات تحقیق.............................................................................................. 5

ه) بررسی منابع.................................................................................................... 6

و) مواد و روش ها (روش تحقیق)......................................................................7

ز) نتایج مورد انتظار........................................................................................... 10

ح) معیار ارزیابی موفقیت................................................................................... 10

ی) منابع و ماخذ.............................................................................................   11

ک) واژه نامه.......................................................................................................

فرمت فایل: word

صفحات:13صفحه

 زبان : فارسی 

دانلود پایان نامه الگوریتم ژنتیک

اختصاصی از هایدی دانلود پایان نامه الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

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، تغییر.

فصل اول

1-1- مقدمه

1-2- به دنبال تکامل

1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک

1-4- درباره علم ژنتیک

1-5- تاریخچۀ علم ژنتیک

1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین

1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی

1-8- الگوریتم

1-8-1- الگوریتم‌های جستجوی ناآگاهانه

1-8-1-الف- جستجوی لیست

1-8-1-ب- جستجوی درختی

1-8-1-پ- جستجوی گراف

1-8-2- الگوریتم‌های جستجوی آگاهانه

1-8-2-الف- جستجوی خصمانه

1-9- مسائل NP-Hard

1-10- هیوریستیک

1-10-1- انواع الگوریتم‌های هیوریستیک

فصل دوم

2-1- مقدمه

2-2- الگوریتم ژنتیک

2-3- مکانیزم الگوریتم ژنتیک

2-4- عملگرهای الگوریتم ژنتیک

2-4-1- کدگذاری

2-4-2- ارزیابی

2-4-3- ترکیب

2-4-4- جهش

2-4-5- رمزگشایی

2-5- چارت الگوریتم به همراه شبه کد آن

2-5-1- شبه کد و توضیح آن

2-5-2- چارت الگوریتم ژنتیک

2-6- تابع هدف

2-7- روش‌های کد کردن

2-7-1- کدینگ باینری

2-7-2- کدینگ جایگشتی

2-7-3- کد گذاری مقدار

2-7-4- کدینگ درخت

2-8- نمایش رشته‌ها

2-9- انواع روش‌های تشکیل رشته

2-10- باز گرداندن رشته‌ها به مجموعه متغیرها

2-10-1- تعداد بیت‌های متناظر با هر متغیر

2-11- جمعیت

2-11-1- ایجادجمعیت اولیه

2-11-2- اندازه جمعیت

2-12- محاسبه برازندگی (تابع ارزش

2-13- انواع روش‌های انتخاب

2-13-1- انتخاب چرخ رولت

2-13-2- انتخاب حالت پایدار

2-13-3- انتخاب نخبه گرایی

2-13-4- انتخاب رقابتی

2-13-5- انتخاب قطع سر

2-13-6- انتخاب قطعی بریندل

2-13-7- انتخاب جایگزینی نسلی اصلاح شده

2-13-8- انتخاب مسابقه

2-13-9- انتخاب مسابقه تصادفی

2-14- انواع روش‌های ترکیب

2-14-1- جابه‌جایی دودوئی

2-14-2- جابه‌جایی حقیقی

2-14-3- ترکیب تک‌نقطه‌ای

2-14-4- ترکیب دو نقطه‌ای

2-14-5- ترکیب n نقطه‌ای

2-14-6- ترکیب یکنواخت

2-14-7- ترکیب حسابی

2-14-8- ترتیب

2-14-9- چرخه

2-14-10- محدّب

2-14-11- بخش_نگاشته

2-15- احتمال ترکیب

2-16- تحلیل مکانیزم جابجایی

2-17- جهش

2-17-1- جهش باینری

2-17-2- جهش حقیقی

2-17-3- وارونه سازی بیت

2-17-4- تغییر ترتیب قرارگیری

2-17-5- وارون سازی

2-17-6- تغییر مقدار

2-18- محک اختتام اجرای الگوریتم ژنتیک

2-19- انواع الگوریتم‌های ژنتیکی

2-19-1- الگوریتم ژنتیکی سری

2-19-2- الگوریتم ژنتیکی موازی

2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی

2-21- نقاط قوّت الگوریتم‌های ژنتیک

2-22- محدودیت‌های GAها

2-23- استراتژی برخورد با محدودیت‌ها

2-23-1- استراتژی اصلاح عملگرهای ژنتیک

2-23-2- استراتژی رَدّی

2-23-3- استراتژی اصلاحی

2-23-4- استراتژی جریمه‌ای

2-24- بهبود الگوریتم ژنتیک

2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک

فصل سوم

3-1- مقدمه

3-2- حلّ معمای هشت وزیر

3-2-1- جمعیت آغازین

3-2-2- تابع برازندگی

3-2-3- آمیزش

3-2-4- جهش ژنتیکی

3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد

3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک

3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP

3-3-3- نتیجه گیری

3-4- حلّ مسأله معمای سودوکو

3-4-1- حل مسأله

3-4-2- تعیین کروموزم

3-4-3- ساختن جمعیت آغازین یا نسل اول

3-4-4- ساختن تابع از ارزش

3-4-5- ترکیب نمونه‌ها و ساختن جواب جدید

3-4-6- ارزشیابی مجموعه جواب

3-4-7- ساختن نسل بعد

3-5- مرتب سازی به کمک GA

3-5-1- صورت مسأله

3-5-2- جمعیت آغازین

3-5-3- تابع برازندگی

3-5-4- انتخاب

3-5-5- ترکیب

3-5-6- جهش

فهرست منابع و مراجع

پیوست

واژه‌نامه   

پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن

اختصاصی از هایدی پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن دانلود با لینک مستقیم و پر سرعت .

پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن

 

چکیده

الگوریتم ژنتیک که اولین بار توسط هالند و همکارانش در دانشگاه میشیگان مطرح شد، یکی از مهم‌ترین الگوریتم های فراابتکاری می‌باشد که از آن برای بهینه‌سازی توابع مختلف استفاده می‌شود.

بهینه سازی به معنای یافتن پاسخ بهینه تابع هدف یک مسئله است و به دو گروه بیشینه سازی و کمینه سازی، تقسیم که به دو حوزه بهینه سازی کلاسیک یعنی روش‌های مبتنی بر مشتق ریاضیاتی و بهینه سازی ابتکاری یا تکاملی طبقه‌بندی کرد. 

 

فهرست مطالب

فصل اول- کلیات پروژه

کلیات پروژه 1

1-2 مقدمه 2

فصل دوم- الگوریتم ژنتیک

2-1 فناوری شبکه عصبی

2-2 فناوری الگوریتم ژنتیک

2-3 مروری بر کاربردهای تجاری

2-4 بازاریابی

2-5 بانکداری و حوزه‌های مالی

2-6  پیش بینی

2-7 سایر حوزه‌های تجاری

2-8. الگوریتم ژنتیک

2-8-1. عملگرهای ژنتیک

2-8-1-1. عملگر تولید مثل

2-8-2. مؤلفه های ژنتیک

2-9. الگوریتم نلدر- مید

2-9-1. مرور اجمالی بر روش عملکرد الگوریتم نلدر- مید

2-10. ترکیب ژنتیک و نلدر- مید

2-11. جامعة آماری

2-12. نمونة آماری

2-13. داده‌ها و اطلاعات

2-14. ابزار جمع‌آوری داده

2-15. داده‌های خام

فصل سوم- بررسی چندین مسئله در الگوریتم ژنتیک

3-1 طراحی آزمایشات و ارائه مدلی از متغیرهای مستقل

3-2 معرفی عوامل مؤثر

3-3 رطوبت تفاله

3-4 دمای خشک کن

3-5  درصد آهک اضافه شده

3-6 معرفی متغیر پاسخ

3-7 الگوریتم های پیشنهادی

3-8 الگوریتم ترکیبی شبیه سازی تبرید و ژنتیک (GA-SA)

3-9 الگوریتم شبیه سازی تبرید( SA):

3-10 جزئیات ساختار الگوریتم های پیشنهادی

نمایش حل ها

3-11 دمای اولیه

3-12 جستجوی همسایگی

فصل چهارم- بهینه سازی مسائل مختلف

4-1. مرور ادبیات مسئله:

4-2. شرح مسئله تسطیح منابع در حالت چند پروژه‌ای

4-3. مدلسازی مسئله

4-4. مدلسازی مسئله در حالت تک پروژه‌ای:

4-5  مدلسازی مسئله در حالت چند پروژه‌ای، هنگامی که چند نوع منبع داریم

4-6  بیان روش حل به کمک الگوریتم ژنتیک

4-7  کد کردن مسئله

4-8 تولید جامعه اولیه

4-9  تعیین مکانیسم نمونه‌گیری:

4-10. انتخاب عملگر ژنتیکی مناسب

4-11 تعیین معیار توقف

4-12  بررسی نتایج حاصل از مسئله

4-14  بررسی نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی

4-15. بیان مسئله و شرح اهمیت پژوهش

4-16 بهینه‌سازی

4-17. انواع روش‌های بهینه‌سازی

4-17-1. کلاسیک‌ها

4-17-2. روش‌های ابتکاری

4-17-3. روش تحقیق

فصل پنجم- نتیجه گیری

5-1  نتیجه‌گیری

منابع

 

فهرست اشکال

شکل 2-1 مدل پایه‌ای نورون

شکل2-2 ساختمان یک شبکه عصبی مصنوعی

شکل 2-3: فلوچارت الگوریتم ژنتیک

شکل 2-4: فلوچارت الگوریتم نلدر- مید (منبع: اقتباس مؤلف‌ها از الگوریتم نلدر- مید)

جدول 4-1. مقایسه حل توسط نرم‌افزار Lingo و الگوریتم ژنتیک در حالت سه پروژه‌ای

جدول 4-2

جدول 4-3. مقایسه حل توسط نرم افزار Lingo و الگوریتم ژنتیک در حالت پنج پروژه‌ای

جدول4-4. مقایسه نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی

 

فهرست جداول

جدول 4-1. مقایسه حل توسط نرم‌افزار Lingo و الگوریتم ژنتیک در حالت سه پروژه‌ای

جدول 4-2 49

جدول 4-3. مقایسه حل توسط نرم افزار Lingo و الگوریتم ژنتیک در حالت پنج پروژه‌ای

جدول4-4. مقایسه نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی