(پایان نامه هوش مصنوعی )پروسه ارزیابی یک الگوریتم ژنتیک برای بهبود شبکه پس انتشار خطا bpn - کامل 100ص + برنامه ها
(پایان نامه هوش مصنوعی )پروسه ارزیابی یک الگوریتم ژنتیک برای بهبود شبکه پس انتشار خطا bpn - کامل 100ص + برنامه ها
(پایان نامه هوش مصنوعی )پروسه ارزیابی یک الگوریتم ژنتیک برای بهبود شبکه پس انتشار خطا bpn - کامل 100ص + برنامه ها
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
249 اسلاید
1- نوشتن الگوریتم های پیچیده به این شیوه دشوار است.
2- مشخص نیست از توصیف فارسی الگوریتم چگونه
می توان یک برنامه کامپیوتری ایجاد کرد.
این پایان نامه درمورد کاربردهای الگوریتم ژنتیک تهیه شده و برای مقاطع کاردانی و کارشناسی می باشد .
موضوع فارسی : الگوریتم مورچگان بر اساس سیستم پشتیبانی تصمیم گیری ناوبری
موضوع انگلیسی : Ant Colony Optimization based navigational decision support system
تعداد صفحه : 10
فرمت فایل :pdf
سال انتشار : 2014
زبان مقاله : انگلیسی
چکیده
در این مقاله یک هوش انبوه (SI) با استفاده از نرم افزار الگوریتم مورچگان (ACO) در یک روش ناوبری
سیستم پشتیبانی تصمیم گیری (DSS). مشکل حل قابلیت سیستم شامل برنامه ریزی مسیر و اجتناب از برخورد از
یک کشتی در باز و همچنین آن را در آب های محدود شده است. سیستم توسعه یافته افزایش اتوماسیون امن از کنترل نسبی کشتی
فرایند. همچنین می توان آن را در هواپیماهای بدون سرنشین سطح (پهپاد) سیستم کنترل به کار، چه خواهد شد به افزایش کمک آنها
استقلال. از مسائل زیر را در این مقاله معرفی: معماری توسعه DSS و برنامه ریزی مسیر ناوبری
و اجتناب از برخورد تعریف مشکل فی. در این مقاله ارائه خواهد شد همچنین اصل الگوریتم ACO ACO بر اساس و به اجرا در
ناوبری DSS. نتایج نمونه، نتایج و برنامه برای تحقیقات بیشتر نیز گنجانده شده است.
کلمات کلیدی: الگوریتم مورچگان؛ هوش مصنوعی؛ اتوماسیون. سیستم پشتیبانی تصمیم گیری؛ کنترل کشتی امنی؛ کشتی ناوبری، هوش انبوه.