مقاله الگوریتم های ژنتیک و مزایا و معایب آن

مقاله الگوریتم های ژنتیک و مزایا و معایب آن مقاله الگوریتم های ژنتیک و مزایا و معایب آن

دسته : -پژوهش

فرمت فایل : word

حجم فایل : 22 KB

تعداد صفحات : 16

بازدیدها : 333

برچسبها : دانلود مقاله

مبلغ : 4500 تومان

خرید این فایل

مقاله الگوریتم های ژنتیک و مزایا و معایب آن

بخشهایی از متن:

همانطور که گفتیم یکی از شاخه­های پردازش تکاملی، الگوریتم­های ژنتیک می­باشد. این الگوریتم­ها با الهام از روند تکاملی طبیعت، مسائل را حل می­کنند. به این معنی که مانند طبیعت یک جمعیت از موجودات تشکیل می­دهند و درون این موجودات اقدام به انجام اعمالی چون انتخاب والدین، تولید مثل، جهش و ... می­کنند و این اعمال را آنقدر تکرار می­کنند تا به مجموعه بهینه و یا موجود بهینه برسند.

این الگوریتم­ها با توجه به خصوصیات خاصی که دارند، به خوبی از عهده حل مسائلی که نیاز به بهینه­سازی دارند و یا پارامترهای زیادی در آنها دخیل است، برمی­آیند. در این قسمت به معرفی این الگوریتم­ها می­پردازیم.

...

بر خلاف بسیاری از روشهای حل مساله که از همان فرم کلی مساله برای حل مساله استفاده می­کنند، برای اینکه بتوانیم یک مساله را بوسیله الگوریتم­های ژنتیک حل کنیم، بایستی آنرا به فرم مخصوص مورد نیاز این الگوریتم­ها تبدیل کنیم.

در این روند ما بایستی راه حل مورد نیاز مساله را به گونه­ای تعریف کنیم که قابل نمایش بوسیله یک کروموزوم باشد. این کروموزوم می­تواند یک آرایه از اعداد، رشته­ها و یا بیتها باشد، یا اینکه یک عدد طبیعی، یا حقیقی و ... باشد. اما به طور کلی بایستی به گونه­ای تعریف شود که بتوانیم عملگرهای خاص الگوریتم­های ژنتیک که بازترکیبی، جهش و ارزیابی هستند را برروی کروموزوم­ها تعریف و اعمال کنیم.

به عنوان مثال در یک مساله مرتب سازی، کروموزوم را می­توانیم به این شکل تعریف کنیم که بعنوان مثال از چپ به راست، اندیس عناصر از کوچک به بزرگ را نگهداری کند. که در این حالت سمت چپ­ترین عنصر، اندیس کوچک­ترین و سمت ­راست­ترین عنصر، اندیس  بزرگترین عنصر آرایه باشد.

...

همانطوری که گفتیم عملیات بازترکیبی موجود جدیدی را بوجود نمی­آورد و تنها به بهینه سازی و تغییرات کوچک در موجودات می­پردازد. بعنوان مثال در مینیمم سازی یک تابع، عملیات بازترکیبی ما را به مینیمم­های محلی که عناصر اولیه در نزدیکی آنها قرار داشته­اند هدایت می­کند، و نمی­تواند ما را به مینیمم­های کلی و یا حتی مینیمم­های محلی دیگر هدایت کند.

برای حل کردن این مشکل به این صورت عمل می­کنیم که با تغییرات تصادفی در ژنها، کروموزوم­ها را به نقاط ناشناخته پرتاب می­کنیم، به این امید که احتمالاً این نقطه جدید ما را به مینیمم کلی هدایت کند

 

منبع دارد.

خرید و دانلود آنی فایل

به اشتراک بگذارید

Alternate Text

آیا سوال یا مشکلی دارید؟

از طریق این فرم با ما در تماس باشید