لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت الگوریتمهای ژنتیک توجه فرمایید.

1-در این مطلب، متن اسلاید های اولیه دانلود پاورپوینت الگوریتمهای ژنتیک قرار داده شده است 2-به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید 3-پس از پرداخت هزینه ، حداکثر طی 12 ساعت پاورپوینت خرید شده ، به ادرس ایمیل شما ارسال خواهد شد 4-در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد 5-در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون زیر قرار نخواهند گرفت

اسلاید ۱ :

الگوريتم ژنتيك

  • در گروه الگوريتمهاي بهينه سازي احتمالاتي است
  • از فرآيند تكامل بيولو‍ژيكي الهام گرفته است .
  • از مفاهيم انتخاب طبيعي و وراثت ژنتيكي داروين سال۱۸۵۹ استفاده مي كند.

اسلاید ۲ :

  • توسط جان هلند ،‌دانشگاه ميشيگان توسعه يافت (‌۱۹۷۰)

     –  به منظور مطالعه وشناخت فرآيندهاي تطبيقي

         سيستمهاي طبيعي

    –  به منظور طراحي نرم افزارهاي سيستمهاي مصنوعي

       كه قدرت سيستمهاي طبيعي را حفظ مي كنند.

 

اسلاید ۳ :

  • تكنيكهاي كافي و مؤثر براي كاربردهاي بهينه سازي و يادگيري ماشين ارائه مي دهد.
  • امروزه در بسياري از زمينه ها مثل تجارت ، علوم ،‌مهندسي و پزشكي بكار ميرود.

اسلاید ۴ :

 

   الگوريتم هاي ژنتيك يك مجموعه از راه حلهاي كانديد براي مسئله نگهداري ميكنند .

   و اين مجموعه را با اعمال تكراري مجموعه عملگرهاي تصادفي تكامل ميدهد .

اسلاید ۵ :

  • انتخاب : موفق ترين راه حل را در جمعيت مورد نظر مي يابد

 

  • تركيب دوباره : دو راه حل مجزا را تجزيه مي كند و آنها را براي ايجاد راه حلهاي جديد بطور با هم تركيب مي كند
  • جهش : بطور تصادفي راه حلهاي كانديد را آشفته مي كند.

اسلاید ۶ :

تقاطع : تركيب دوباره

P1   (۰ ۱ ۱ ۰ ۱ ۰ ۰ ۰)            (۰ ۱ ۰ ۰ ۱ ۰ ۰ ۰)   C1

P2   (۱ ۱ ۰ ۱ ۱ ۰ ۱ ۰)            (۱ ۱ ۱ ۱ ۱ ۰ ۱ ۰)   C2

–تقاطع يك ابزار حياتي براي الگوريتمهاي ژنتيك است

–جستجو را در تكامل اوليه جمعيت  شتاب مي دهد.

–باعث مي شود كه زير مجموعه هایی از راه حل ها روي كروموزومهاي متفاوت  با هم ترکیب شوند.

اسلاید ۷ :

ارزيابي

  • عملگر ارزيابي يك كروموزوم را رمزگشايي مي كندو يك مقدار

   برازندگي به آن نسبت مي دهد.

  • عملگر ارزيابي تنها ارتباط بين ga و مسأله اي كه آن را حل ميكند مي باشد.

اسلاید ۸ :

 حذف

 GA توليد نسل : كل جمعيت با هر بار تكرار جايگزين ميشود.

GA حالت پايدار :‌ تعداد كمي از اعضا در هر بار توليد جايگزين ميشود.

اسلاید ۹ :

نكاتي براي استفاده كنندگان GA

  • انتخاب موارد پايه پياده سازي

    –  نمايش  دادن

    –   اندازه جمعيت ،‌ نرخ جهش ، ..

    –   انتخاب ، سياستهاي حذف ، …

  • شرايط پايان
  • كارايي ،‌ مقياس پذيري
  • راه حل خوب ، به خوب بودن تابع ارزيابي بستگي دارد

    ( معمولا“  سخت ترين قسمت است )

 

اسلاید ۱۰ :

مزاياي  GA

  • درك مفاهيم آن آسان است .
  • ما‍ژولار است و از برنامه كاربردي جداست .
  • پشتيباني بهينه سازي چند منظوره
  • براي محيطهاي پر اغتشاش noisy مناسب است
  • هميشه يك جواب داريم ،‌ جواب با گذشت زمان بهتر ميشود.
  • ذاتا“ موازي است ، به سادگي توزيع پذير است.