مقاله طراحی بهینه الگوریتم ژنتیک با رویکرد های آماری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله طراحی بهینه الگوریتم ژنتیک با رویکرد های آماری دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله طراحی بهینه الگوریتم ژنتیک با رویکرد های آماری  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله طراحی بهینه الگوریتم ژنتیک با رویکرد های آماری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله طراحی بهینه الگوریتم ژنتیک با رویکرد های آماری :

تعداد صفحات:۱۷

چکیده:

امروزه الگوریتم های ژنتیک بعنوان یکی از روشهای متاهیورستیک بسیار رایج در حل مسائل بهینه سازی ترکیبی پیچیده به شمار می رود. این الگوریتم، ترکیبی از الگوهای مختلف انتخاب، پیوند، جهش، بهبود، جایگزینی و توقف می باشد. آنچه روشن است اینکه ترکیبات مختلف این الگوها، الگوریتم را به جوابهای متفاوتی از هر دو جنبه کیفیت جواب و زمان همگرایی سوق می دهند. افزون بر آن در هر ترکیبی از الگوها پارامترهایی نظیر سایز جمعیت هر نسل، احتمال پیوند، احتمال جهش و ; وجود داشته که نقش بسزایی در کارایی الگوریتم ژنتیک ایفا می کنند. لذا طراحی یک الگوریتم ژنتیک کارا ابتدا به در دست داشتن الگوهای مختلف جهت مقایسه، سپس به شناخت بهترین ترکیب از بین الگوهای طرحریزی شده و در نهایت به تنظیم پارامترها بر روی نقاط مناسب وابسته است. با توجه به کاربرد وسیع الگوریتم های ژنتیک در حل مسائل بهینه سازی و نبود رویکردی جامع در خصوص طراحی بهینه آن، این مقاله به شناساندن برخی الگوهای رایج در طراحی الگوریتم های ژنتیک پرداخته و سپس با به کارگیری طراحی آزمایشات برای شناخت بهترین ترکیب الگوها و نیز روش شناسی رویه پاسخ جهت کشف نقاط بهینه عملکردی پارامترهای الگوریتم، سعی در شناساندن رویکردی جهت طراحی الگوریتم های ژنتیک بهینه و همچنین بهینه سازی آن دارد. در پایان نیز رویکرد پیشنهادی به طور موردی جهت بهینه سازی یک الگوریتم ژنتیک به کار گرفته شده که نتایج آماری بدست آمده از مقایسه عملکرد الگوریتم بهینه سازی شده با الگوریتم اولیه نشان داد که در سطح اطمینان ۹۵% الگوریتم بهینه سازی شده به جوابهای بهتری دست یافته است.