الگوریتم ژنتیک

اختصاصی از کوشا فایل الگوریتم ژنتیک دانلود با لینک مستقیم و پرسرعت .

الگوریتم ژنتیک  

43 صفحه در قالب word

مقدمه

الگوریتم ژنتیک، یک روش جستجوی احتمالی است که از شبیه­سازی تکامل زیستی و طبیعی استفاده می­کند.

الگوریتم­های ژنتیک با به کارگیری اصول انتخاب طبیعی و بقای بهترین­ها برای تولید تخمین­های هر چه بهتر یک جواب روی جمعیتی از جواب­های بالقوه عمل می­نماید. در هر نسل، مجموعه­ای جدید از تخمین­ها توسط فرآیند انتخاب افراد مطابق با سطح برازندگی­شان در دامنه مسأله و پرورش آنها با هم با استفاده از عملگرهای گرفته شده از ژنتیک طبیعی ایجاد می­گردد. این فرآیند ما را به سمت تکامل جمعیت­هایی از افراد، که با محیط مربوطه­شان بهتر از والدینشان وفق داده شده­اند هدایت می­کند.

اصول بنیادی الگوریتم ژنتیک اولین بار در سال 1975 توسط جان هلند، در دانشگاه میشیگان آمریکا، ابداع شد. (19) در ادامه این فصل به معرفی مفاهیم موجود در الگوریتم ژنتیک خواهیم پرداخت.

جمعیت در الگوریتم ژنتیک

الگوریتم ژنتیک، با تعریف یک کروموزوم[1] یا یک آرایه از مقادیر پارامتری که باید بهینه باشد شروع می­شود. هر درایه در هر کروموزوم ژن نامیده می­شود. مجموعه­ای از این کروموزوم­ها جمعیت[2] الگوریتم را تشکیل می­دهد.

همچنین هر تکرار از الگوریتم ژنتیک را یک نسل می گویند.

اگر مسئله دارای Npar پارامتر متغیر باشد می­توان هر کروموزوم را به صورت  نشان داد که Pi، i امین پارامتر مسئله است. یکی از ویژگی­های الگوریتم ژنتیک این است که به جای تمرکز بر روی یک نقطه از فضای جستجو یا یک کروموزوم بر روی جمعیتی از کروموزوم­ها کار می­کند، بدین ترتیب در هر مرحله، الگوریتم ژنتیک دارای جمعیتی از کروموزوم­ها بوده که خواص موردنظر را بیشتر از جمعیت مرحله قبل دارا است.

تابع هدف و برازندگی

تابع هزینه[3] مقدار تابع هدف به ازای یک دسته پارامتر (یک کروموزوم) است و می تواند به صورت یک تابع ریاضی، یا نتیجه یک آزمایش یا نتیجه یک بازی باشد.

تابع هدف جهت تعیین اینکه افراد چگونه در محدوده مسئله ایفای نقش می­نمایند، مورد استفاده قرار می­گیرد. در حالت مسئله بیشینه­سازی، شایسته­ترین افراد دارای بیشترین مقدار عددی تابع هدف مربوطه هستند. این مقدار برازندگی[4] ، تنها به عنوان یک مرحله میانی در تعیین کارایی مربوطه افراد در الگوریتم ژنتیک به کار می­رود. مناسب بودن یا نبودن جواب با مقداری که از تابع برازندگی[5] به دست می­آید سنجیده می­شود. هر چه که یک جواب مناسب­تر باشد مقدار برازندگی بزرگتری دارد و احتمال بقای کروموزوم متناظر با آن بیشتر خواهد بود. این احتمال متناسب با مقدار مقدار برازندگی به دست آمده از هر کروموزوم در نظر گرفته می­شود.

انتخاب

پس از ارزیابی کروموزوم­های موجود در نسل حاضر، باید نسل جدیدی با استفاده از نسل حاضر تولید شود. انتخاب، مکانیزمی است که تعیین می کند کدامیک از کروموزوم های موجود در نسل حاضر بطور مستقیم یا غیر مستقیم برای تولید نسل بعد برگزیده شوند.کروموزوم های انتخاب شده تشکیل جمعیت والد[6] (جمعیت میانی[7] ) را می دهند. این انتخاب با توجه به میزان شایستگی کروموزوم های موجود در نسل حاضر صورت می­گیرد و باید بگونه­ای باشد که کروموزوم­های با شایستگی بیشتر نسبت به کروموزوم­های با شایستگی کمتر شانس بیشتری برای مشارکت در تولید نسل بعد داشته باشند .

معمولاً انتخاب کروموزوم­ها برای تولید نسل بعد متناسب با مقدار شایستگی آنها صورت می­گیرد. 

ساده ترین روش برای اجرای این مرحله، استفاده از مدل چرخ رولت[8] است (20). در این مدل، سطح چرخ به بخشهایی تقسیم می شود که تعداد آنها برابر با تعداد اعضای جمعیت و سطح هر بخش متناسب با مقدار برازندگی هر کروموزوم است. سپس چرخ به گردش درمی آید تا درنقطه­ای به تصادف متوقف گردد. این نقطه، کروموزوم انتخاب شده را مشخص می سازد. شکل شمایی از چرخ رولت را نشان می دهد.

یکی دیگر از روش هایی که در این بخش مورد استفاده قرار می گیرد روش تورنمنت[9] می­باشد .در این روش در هر تکرار یک مجموعه   عضوی از نسل فعلی انتخاب شده و بهترین آنها در جمعیت والد قرار می­گیرد. این کار به تعداد اعضای جمعیت والد صورت می­گیرد.

از مواردی که عموماً در مرحله انتخاب انجام می­گیرد استفاده از استراتژی نخبه پروری[10] می باشد .این استراتژی بدین صورت عمل می­کند که قبل از انجام عمل انتخاب ،   درصد از  کروموزوم های با برازندگی بالا از جمعیت کنونی را حفظ کرده و مستقیماً به نسل بعد انتقال می دهد.

ادغام[11]

در فرآیند تولید مثل، فرزندان خصوصیات ژنتیکی والدین خود را به ارث می­برند، بدین معنی که برخی خصوصیات بیولوژیکی فرزند شبیه خصوصیات بیولوژیکی پدر و برخی مانند خصوصیات بیولوژیکی مادر است. در الگوریتم ژنتیک این فرآیند توسط عملگر ادغام شبیه سازی می­شود.  این عملگر بر روی یک جفت از کروموزوم­ها عمل می­کند و می­تواند به صورت تک نقطه­ای، چند نقطه­ای و یکنواخت باشد . عملگر تقاطعی تک نقطه ای[12]، دو کروموزوم را از جمعیت والد به طور تصادفی از یک نقطه شکسته و بخش های شکسته دو کروموزوم را جابجا می کند. بدین ترتیب دو کروموزوم جدید بدست می آید. به کروموزومهای حاصل شده از عمل ادغام، کروموزوم های فرزند[13] می گویند.شکل شمایی از عملگر تقاطع تک نقطه ای را نشان می دهد.

ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است

متن کامل را می توانید در ادامه دانلود نمائید

چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است

 

الگوریتم ژنتیک (Genetic Algorithm - GA)

اختصاصی از کوشا فایل الگوریتم ژنتیک (Genetic Algorithm - GA) دانلود با لینک مستقیم و پرسرعت .

 

 

 

 

 

 

 

 

 

 

 

 چکیده :

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

 

فهرست مطالب

 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

1-9- مسائل NP-Hard

1-10- هیوریستیک

فصل دوم

2-1- مقدمه

2-2- الگوریتم ژنتیک

2-3- مکانیزم الگوریتم ژنتیک

2-4- عملگرهای الگوریتم ژنتیک

2-5- چارت الگوریتم به همراه شبه کد آن

2-6- تابع هدف

2-7- روش‌های کد کردن

2-8- نمایش رشته‌ها

2-9- انواع روش‌های تشکیل رشته

2-10- باز گرداندن رشته‌ها به مجموعه متغیرها

2-11- جمعیت

2-12- محاسبه برازندگی (تابع ارزش) 

2-13- انواع روش‌های انتخاب

2-14- انواع روش‌های ترکیب

2-15- احتمال ترکیب

2-16- تحلیل مکانیزم جابجایی

2-17- جهش

2-18- محک اختتام اجرای الگوریتم ژنتیک

2-19- انواع الگوریتم‌های ژنتیکی

2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی

2-21- نقاط قوّت الگوریتم‌های ژنتیک

2-22- محدودیت‌های GAها

2-23- استراتژی برخورد با محدودیت‌ها

2-24- بهبود الگوریتم ژنتیک

2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک
فصل سوم

3-1- مقدمه

3-2- حلّ معمای هشت وزیر

3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد

3-4- حلّ مسأله معمای سودوکو

3-5- مرتب سازی به کمک GA
فهرست منابع و مراجع

پیوست

واژه‌نامه

سمینار ارشد عمران الگوریتم ژنتیک

اختصاصی از کوشا فایل سمینار ارشد عمران الگوریتم ژنتیک دانلود با لینک مستقیم و پرسرعت .

چکیده ................................................................................................................................................................................. 1
مقدمه .................................................................................................................................................................................. 2
فصل اول : تعریف مسئله
-1 تعریف مدل و مدلسازی................................................................................................................................................................ 3 -1
-2 مقدمه ای بر مدل های بهینه سازی . ......................................................................................................................................... 4 -1
-3 روش های بهینه سازی . ................................................................................................................................................................ 6 -1
-1 برنامه ریزی خطی . ............................................................................................................................................................... 10 -3 -1
-2 برنامه ریزی غیر خطی ........................................................................................................................................................ 11 -3 -1
فصل دوم : مروری بر مطالعات گذشته
-1 افرادی که از مدل الگوریتم ژنتیک در مدیریت و بهره برداری از مخزن استفاده کرده اند .................................... ١٢ -2
-2 افرادی که از مدل الگوریتم ژنتیک در بهینه سازی بهره برداری از سیستم چند مخزنه استفاده کرده اند .................. ١٢ -2
-3 افرادی که از مدل الگوریتم ژنتیک برای بهینه سازی قوانین بهره برداری از مخازن چند منظوره استفاده کرده اند ....... ١٣ -2
-4 افرادی که از مدل الگوریتم ژنتیک برای بهینه سازی منحنی فرمان در سیستم چند مخزنه و مخازن چند منظوره استفاده کرده -2
اند .................................................................................................................................... ١٣
-5 افرادی که از مدل الگوریتم ژنتیک برای بهینه سازی قوانین بهره برداری از سیستم آبهای زیرزمینی استفاده کرده اند ... ١٤ -2
-6 افرادی که از مدل الگوریتم ژنتیک برای بهینه سازی قوانین بهره برداری تولید نیروی برقابی استفاده کرده اند ........... ١٤ -2
فصل سوم : الگوریتم ژنتیک
-1 معرفی الگوریتم ژنتیک ............................................................................................................................................................ 15 -3
-2 تفاوت الگوریتم ژنتیک با روش های قدیمی بهینه سازی ............................................................... ١٧ -3
-3 ویژگی های الگوریتم ژنتیک ................................................................................................ ١٨ -3
-4 مزایای الگوریتم ژنتیک ...................................................................................................... ١٩ -3
-5 اصطلاح شناسی الگوریتم ژنتیک .......................................................................................... ٢٠ -3
-6 ساختار کلی روند محاسبات در الگوریتم ژنتیک .................................................................................................................. 21 -3
-7 روش های کدگذاری در الگوریتم ژنتیک .................................................................................. ٢٢ -3
-1-7 روش کدگذاری باینری ............................................................................................. ٢٣ -3
-2-7 روش کدگذاری گری ................................................................................................ ٢٤ -3
-3-7 روش کدگذاری واقعی ............................................................................................... ٢٤ -3
ه
-8 ارزیابی و انتخاب نسل نمونه ............................................................................................... ٢٤ -3
-1-8 روش های نمونه برداری تصادفی .................................................................................. ٢٦ -3
-4-8 روش نمونه برداری مختلط ......................................................................................... ٢٨ -3
-9 تولید نسل بعد ............................................................................................................... ٢٨ -3
-1-9 عملگر ادغام ........................................................................................................ ٢٩ -3
-2-9 عملگرجهش ........................................................................................................ ٣٠ -3
-10 شرط توقف الگوریتم ...................................................................................................... ٣١ -3
فهرست منابع
منابع فارسی ......................................................................................................................... ٣٣
منابع لاتین .......................................................................................................................... ٣٤
چکیده لاتین

دانلود پایان نامه رشته عمران - بررسی الگوریتم ژنتیک در TSP و NP- HARD

اختصاصی از کوشا فایل دانلود پایان نامه رشته عمران - بررسی الگوریتم ژنتیک در TSP و NP- HARD دانلود با لینک مستقیم و پرسرعت .

عنوان پایان نامه :  بررسی الگوریتم ژنتیک در TSP و NP-HARD

شرح مختصر : الگوریتم ژنتیک (Genetic Algorithm – GA) تکنیک جستجویی در علم رایانه برای یافتن راه حل تقریبی برای بهینه سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریت مهای تکامل است که از تکنیک های زیست شناسی فرگشتی مانند وراثت و جهش استفاده می کند. در واقع الگوریت مهای ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده میکنند. الگوریت مهای ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی بر مبنای یک تکنیک برنامه نویسی است که از (GA تصادف هستند. مختصراً گفته می شود که الگوریتم ژنتیک ) یا تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند. مسأله ای که باید حل شود  ورودی است و راه حلها طبق یک الگو کد گذاری میشوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می کند که اکثر آنها به صورت تصادفی انتخاب می شوند.

فهرست :

 مقدمه

 به دنبال تکامل…

 ایده اصلی استفاده از الگوریتم ژنتیک

 درباره علم ژنتیک

 تاریخچۀ علم ژنتیک

 تکامل طبیعی (قانون انتخاب طبیعی داروین)

 رابطه تکامل طبیعی با روش های هوش مصنوعی

 الگوریتم

 الگوریتم های جستجوی ناآگاهانه

جستجوی لیست

جستجوی درختی

جستجوی گراف

 الگوریتم های جستجوی آگاهانه

 الف جستجوی خصمانه

  مسائل NP Hard

 هیوریستیک

 انواع الگوریتم های هیوریستیک

فصل دوم

 مقدمه

 الگوریتم ژنتیک

 مکانیزم الگوریتم ژنتیک

 عملگرهای الگوریتم ژنتیک

 کدگذاری

 ارزیابی

 ترکیب

 جهش

 رمزگشایی

 چارت الگوریتم به همراه شبه کد آ ن

 شبه کد و توضیح آن

 چارت الگوریتم ژنتیک

 تابع هدف

 روش های کد کردن

 کدینگ باینری

 کدینگ جایگشتی

 کد گذاری مقدار

 کدینگ درخت

 نمایش رشته ها

 انواع روش های تشکیل رشته

 باز گرداندن رشته ها به مجموعه متغیرها

 تعداد بیت های متناظر با هر متغی ر

 جمعیت

 ایجاد جمعیت اولیه

 اندازه جمعیت

 محاسبه برازندگی (تابع ارزش)

 انواع روش های انتخاب

 انتخاب چرخ رولت

 انتخاب حالت پایدار

 انتخاب نخبه گرایی

 انتخاب رقابتی

 انتخاب قطع سر

 انتخاب قطعی بریندل

 انتخاب جایگزینی نسلی اصلاح شده

 انتخاب مسابقه

 انتخاب مسابقه تصادفی

 انواع روش های ترکیب

 جابه جایی دودوئی

 جابه جایی حقیقی

 ترکیب تک نقطه ا ی

 ترکیب دو نقطه ای

 ترکیب یکنواخت

 ترکیب حسابی

 ترتیب

 چرخه

 بخش نگاشته

 احتمال ترکیب

 تحلیل مکانیزم جابجایی

 جهش

 جهش باینری

 جهش حقیقی

 وارونه سازی بیت

 تغییر ترتیب قرارگیر ی

 وارون سازی

 تغییر مقدار

 محک اختتام اجرای الگوریتم ژنتیک

 انواع الگوریتم های ژنتیکی

 الگوریتم ژنتیکی سری

 الگوریتم ژنتیکی موازی

 مقایسه الگوریتم ژنتیک با سیستم های طبیعی

 نقاط قوت الگوریتم های ژنتیک

 استراتژی برخورد با محدودیت ها

 استراتژی اصلاح عملگرهای ژنتیک

 استراتژی اصلاحی

 استراتژی جریمه ای

 بهبود الگوریتم ژنتیک

 چند نمونه از کاربردهای الگوریتم های ژنتیک

فصل سوم

 مقدمه

حلّ معمای هشت وزیر

 جمعیت آغازین

 تابع برازندگی

 آمیزش

 جهش ژنتیکی

 الگوریتم ژنتیک و حلّ مسألۀ فروشندة دوره گرد

به وسیله الگوریتم ژنتیک   TS P  حل مسأله

 TS P  مقایسه روشهای مختلف الگوریتم و ژنتیک برای

 نتیجه گیر ی

 حلّ مسأله معمای سودوکو

 حل مسأله

 تعیین کروموزم

 ساختن جمعیت آغازین یا نسل اول

 ساختن تابع از ارزش

 ترکیب نمونه ها و ساختن جواب جدید

 ارزشیابی مجموعه جواب

 ساختن نسل بعد

مرتب سازی به کمک  G A

 صورت مسأله

 جمعیت آغازین

 تابع برازندگی

 انتخاب

 ترکیب

 جهش

فهرست منابع و مراجع

پیوست

واژه نامه

نقاط بهینه محلی و بهینه کلی

 چارت الگوریتم ژنتیک

 ترکیب تک نقطه

 ترکیب جایگشتی

 جهش کدینگ جایگشتی

 جهش کدینگ مقدار

 کدینگ درختی

 نمونه کروموزوم الگوریتم ژنتیکی

 روش سری

 روش محاطی

  چرخه رولت

  جابجایی چند نقطه

  ترکیب تک نقطه ای

  ترکیب دو نقطه ای

  ترکیب یکنواخت

  شبیه سازی جهش به کمک نمودار

  جهش باینری

  جهش:وارونه سازی بیت

  جهش:تغییر ترتیب قرارگیری

  جهش: وارون ساز ی

  جهش: تغییر مقدار

  نمودار بررسی رابطه های جمعیت، کیفیت جواب و معیار توقف بایکدیگر

 چینش هشت مهره وزیر در صفحه شطرنج بدون تهدید یکدیگر

جدول سودوکو

کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر(CAPP) در محیطهای صنعتی مختلف

اختصاصی از کوشا فایل کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر(CAPP) در محیطهای صنعتی مختلف دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : WORD ( قابل ویرایش ) تعداد صفحات:93

چکیده

در یک محیط صنعتی توزیع شده، کارخانه های مختلف و دارای ماشین ها و ابزارهای گوناگون در مکان های جغرافیایی مختلف غالبا به منظور رسیدن به بالاترین کارایی تولید ترکیب می شوند. در زمان تولید قطعات و محصولات مختلف ، طرح های فرایند مورد قبول توسط کارخانه های موجود تولید می شود. این طرحها شامل نوع ماشین، تجهیز و ابزار برای هر فرآیند عملیاتی لازم برای تولید قطعه است. طرح های فرایند ممکن است به دلیل تفاوت محدودیت های منابع متفاوت باشند. بنابراین به دست آوردن طرح فرایند بهینه یا نزدیک به بهینه مهم به نظر می رسد. به عبارت دیگر تعیین اینکه هر محصول درکدام کارخانه و با کدام ماشین آلات و ابزار تولید گردد امری لازم و ضروری می باشد. به همین منظور می بایست از بین طرحهای مختلف طرحی را انتخاب کرد که در عین ممکن بودن هزینه تولید محصولات را نیز کمینه سازد. در این تحقیق  یک الگوریتم ژنتیک معرفی می شود که بر طبق ضوابط از پیش تعیین شده مانند مینیمم سازی زمان فرایند می تواند به سرعت طرح فرایند بهینه را برای یک سیستم تولیدی واحد و همچنین یک سیستم تولیدی توزیع شده جستجو می کند. با استفاده از الگوریتم ژنتیک، برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) می تواند براساس معیار در نظر گرفته شده طرح های فرایند بهینه یا نزدیک به بهینه ایجاد کند، بررسی های موردی به طور آشکار امکان عملی شدن و استحکام روش را نشان می دهند. این کار با استفاده از الگوریتم ژنتیک در CAPP هم در سیستمهای تولیدی توزیع شده و هم واحد صورت می گیرد. بررسی های موردی نشان می دهد که این روش شبیه یا بهتر از برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) مرسوم تک کارخانه ای است

واژه‌های کلیدی

برنامه ریزی فرآیند به کمک کامپیوتر (CAPP)، الگوریتم ژنتیک، محیط صنعتی توزیع شده، تولید یکپارچه کامپیوتری.

فهرست مطالب

عنوان

صفحه

مقدمه ..........................................................................................................................................................................

11

فصل یکم -  معرفی برنامه ریزی فرآیند به کمک کامپیوتر(CAPP) و الگوریتم ژنتیک ..............................................

17

1-1-  برنامه ریزی فرآیند به کمک کامپیوتر................................................................................................................

17

1-1-1- رویکرد بنیادی ..............................................................................................................................................

18

1-1-2- رویکرد متنوع ...............................................................................................................................................

18

1-2- الگوریتم ژنتیک.................................................................................................................................................

20

1-2-1-کلیات الگوریتم ژنتیک..................................................................................................................................

21

1-2-2-قسمت های مهم الگوریتم ژنتیک....................................................................................................................

23

1-2-2-1-تابع هدف و تابع برازش..............................................................................................................................

26

1-2-2-2- انتخاب......................................................................................................................................................

27

1-2-2-3- تقاطع......................................................................................................................................................... 

28

1-2-2-4- جهش........................................................................................................................................................

32

فصل دوم- نمونه هایی از کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر.........................................

34

2-1-بهینه سازی مسیر فرآیند با استفاده از الگوریتم ژنتیک...........................................................................................

34

2-1-1- توصیف توالی فرآیند.....................................................................................................................................

34

2-1-2- استراتژی کد گزاری.....................................................................................................................................

37

2-1-3- تجزیه و تحلیل همگرایی................................................................................................................................

38

2-1-3-1-همگرایی نزدیک شونده..............................................................................................................................

38

2-1-3-2-همگرایی با در نظر گرفتن احتمال................................................................................................................

40

2-1-3-3-همگرایی GAها در توالی سازی فرایندهای پشت سر هم.............................................................................

40

2-1-3-4-تعریف یک قانون.......................................................................................................................................

41

2-1-4-اپراتورهای ژنتیک...........................................................................................................................................

41

2-1-4-1-اپراتور انتخاب............................................................................................................................................

41

2-1-4-2- اپراتور تغییر و انتقال...................................................................................................................................

42

2-1-4-3- اپراتور جهش............................................................................................................................................

44

2-1-5- برقراری تابع تناسب.......................................................................................................................................

44

2-1-5-1- آنالیز محدودیت ها..................................................................................................................................

           44

2-1-5-2- برقراری تابع برازش...................................................................................................................................

45

2-1-6-مثال................................................................................................................................................................

47

2-1-6-1-مثالهایی برای کاربرد این روشها .................................................................................................................

47

2-1-6-2-تاثیر پارامترهای متغیر بر روند تحقیقات ......................................................................................................

49

2-1-7-نتیجه گیری...................................................................................................................................................

50

2-2-روشی برای برنامه ریزی  مقدماتی ترکیبات دورانی شکل محور Cاستفاده از الگوریتم ژنتیک.........................

51

2-2-1-مقدمه.............................................................................................................................................................

51

2-2-2-مدول های سیستمCAPP  پیشنهاد شده........................................................................................................

54

2-2-3-تجسم قطعه...................................................................................................................................................

56

2-2-4-تولید توالی های ممکن..................................................................................................................................

58

2-2-4-1-الزامات اولویت دار..................................................................................................................................

58

2-2-4-2- الزامات تلرانس هندسی.............................................................................................................................

59

2-2-4-3- رابطه ویژگی های اولویت دار....................................................................................................................

60

2-2-5 بهینه سازی با استفاده از الگوریتم ژنتیک GA..................................................................................................

64

2-2-5-1- تابع برازش...............................................................................................................................................

67

2-2-5-2- الگوریتم ژنتیک......................... .............................................................................................................

68

2-2-6- نتایج و بحث...............................................................................................................................................

71

2-2-7-نتیجه گیری...................................................................................................................................................

71

فصل سوم: الگوریتم پیشنهادی برای کاربرد الگوریتم  ژنتیک در طراحی قطعه به کمک کامپیوتر در محیط صنعتی .....

73

3-1-مقدمه................................................................................................................................................................

73

3-2-الگوریتم ژنتیک................................................................................................................................................

74

3-2-1-سیستم های تولیدی توزیع شده........................................................................................................................

74

3-2-2-نمایش طرح های فرایند...................................................................................................................................

75

3-2-3-جمعیت اولیه..................................................................................................................................................

76

3-3-تولید مثل..........................................................................................................................................................

76

3-3-1-ادغام...........................................................................................................................................................

76

3-3-2-دگرگونی و جهش.......................................................................................................................................

77

3-4- ارزیابی کروموزوم ...........................................................................................................................................

80

3-4-1- مینیمم سازی زمان فرایند................................................................................................................................

80

3-4-2- مینیمم سازی هزینه های تولید.........................................................................................................................

80

3-5- مطالعات موردی...............................................................................................................................................

81

3-5-1- CAPPسنتی................................................................................................................................................

81

3-5-2- CAPP توزیع شده.......................................................................................................................................

85

3-6- ارزیابی..............................................................................................................................................................

88

3-6-1- معیار اول.......................................................................................................................................................

88

3-6-2- معیار دوم.......................................................................................................................................................

89

فصل چهارم -نتیجه گیری....................................................................................................................................

90