پاورپوینت بررسی الگوریتم های ژنتیک مناسب برای تحقیق درسی

دسته بندي : عمومی » گوناگون
پاورپوینت بررسی الگوریتم های ژنتیک مناسب برای تحقیق درسی
جزئیات و دریافت

 الگوریتم ژنتیک روش یادگیری بر پایه تکامل بیولوژیک است.
 این روش در سال 1970 توسط John Holland معرفی گردید
 این روشها با نام Evolutionary Algorithms نیز خوانده میشوند.

 یک GA برای حل یک مسئله مجموعه بسیار بزرگی از راه حلهای ممکن ار تولید میکند.
 هر یک از این راه حلها با استفاده از یک “ تابع تناسب” مورد ارزیابی قرار میگیرد.
 آنگاه تعدادی از بهترین راه حلها باعث تولید راه حلهای جدیدی میشوند. که اینکار باعث تکامل راه حلها میگردد.
 بدین ترتیب فضای جستجو در جهتی تکامل پیدا میکند که به راه حل مطلوب برسد
 در صورت انتخاب صحیح پارامترها، این روش میتواند بسیار موثر عمل نماید.


 روش متداول پیاده سازی الگوریتم ژنتیک بدین ترتیب است که
 استخری از فرضیه ها که population نامیده میشود تولید وبطور متناوب با فرضیه های جدیدی جایگزین میگردد.
 در هر بار تکرارتمامی فرضیه ها با استفاده از یک تابع تناسب یا Fitness مورد ارزیابی قرار داده میشوند. آنگاه تعدادی از بهترین فرضیه ها با استفاده از یک تابع احتمال انتخاب شده و جمعیت جدید را تشکیل میدهند.
 تعدادی از این فرضیه های انتخاب شده به همان صورت مورد استفاده واقع شده و مابقی با استفاده از اپراتورهای ژنتیکی نظیر Crossover و Mutationبرای تولید فرزندان بکار میروند.

 اپراتور Crossover با استفاده از دو رشته والد دو رشته فرزند بوجود میآورد.
 برای اینکار قسمتی از بیتهای والدین در بیتهای فرزندان کپی میشود.
 انتخاب بیت هائی که باید از هر یک از والدین کپی شوند به روشهای مختلف انجام میشود
 single point crossover
 Two point crossover
 Uniform crossover
 برای تعیین محل بیتهای کپی شونده از یک رشته به نام Crossover Mask استفاده میشود.
دسته بندی: عمومی » گوناگون

تعداد مشاهده: 2766 مشاهده

فرمت فایل دانلودی:.zip

تعداد صفحات: 27

حجم فایل:378 کیلوبایت

 قیمت: 3,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • محتوای فایل دانلودی:
     الگوریتم ژنتیک روش یادگیری بر پایه تکامل بیولوژیک است.
     این روش در سال 1970 توسط John Holland معرفی گردید
     این روشها با نام Evolutionary Algorithms نیز خوانده میشوند.
     یک GA برای حل یک مسئله مجموعه بسیار بزرگی از راه حلهای ممکن ار تولید میکند.
     هر یک از این راه حلها با استفاده از یک “ تابع تناسب” مورد ارزیابی قرار میگیرد.
     آنگاه تعدادی از بهترین راه حلها باعث تولید راه حلهای جدیدی میشوند. که اینکار باعث تکامل راه حلها میگردد.
     بدین ترتیب فضای جستجو در جهتی تکامل پیدا میکند که به راه حل مطلوب برسد
     در صورت انتخاب صحیح پارامترها، این روش میتواند بسیار موثر عمل نماید.
     روش متداول پیاده سازی الگوریتم ژنتیک بدین ترتیب است که
     استخری از فرضیه ها که population نامیده میشود تولید وبطور متناوب با فرضیه های جدیدی جایگزین میگردد.
     در هر بار تکرارتمامی فرضیه ها با استفاده از یک تابع تناسب یا Fitness مورد ارزیابی قرار داده میشوند. آنگاه تعدادی از بهترین فرضیه ها با استفاده از یک تابع احتمال انتخاب شده و جمعیت جدید را تشکیل میدهند.
     تعدادی از این فرضیه های انتخاب شده به همان صورت مورد استفاده واقع شده و مابقی با استفاده از اپراتورهای ژنتیکی نظیر Crossover و Mutationبرای تولید فرزندان بکار میروند.
     اپراتور Crossover با استفاده از دو رشته والد دو رشته فرزند بوجود میآورد.
     برای اینکار قسمتی از بیتهای والدین در بیتهای فرزندان کپی میشود.
     انتخاب بیت هائی که باید از هر یک از والدین کپی شوند به روشهای مختلف انجام میشود
     single point crossover
     Two point crossover
     Uniform crossover
     برای تعیین محل بیتهای کپی شونده از یک رشته به نام Crossover Mask استفاده میشود.

برچسب ها: پاورپوینت الگوریتم های ژنتیک بررسی الگوریتم های ژنتیک