مقاله ارزیابی تاثیرات مقادیر پارامترهای تنظیمی بر عملکرد الگوریتم ژنتیک با استفاده از مدلسازی رگرسیونی و تحلیل‌های آماری

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

 مقاله ارزیابی تاثیرات مقادیر پارامترهای تنظیمی بر عملکرد الگوریتم ژنتیک با استفاده از مدلسازی رگرسیونی و تحلیل‌های آماری دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارزیابی تاثیرات مقادیر پارامترهای تنظیمی بر عملکرد الگوریتم ژنتیک با استفاده از مدلسازی رگرسیونی و تحلیل‌های 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 ارزیابی تاثیرات مقادیر پارامترهای تنظیمی بر عملکرد الگوریتم ژنتیک با استفاده از مدلسازی رگرسیونی و تحلیل‌های آماری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارزیابی تاثیرات مقادیر پارامترهای تنظیمی بر عملکرد الگوریتم ژنتیک با استفاده از مدلسازی رگرسیونی و تحلیل‌های آماری :

تعداد صفحات :۱۳

الگوریتم ژنتیک، درمیان روش‌های ابتکاری، یکی از پرکاربردترین روش‌های بهینه سازی است که در گستره وسیعی از مسائل پیچیده بهینه سازی، بصورت موفقیت آمیزی بکاررفته است. عملکرد الگوریتم ژنتیک تا حد زیادی وابسته به انتخاب مناسب سطوح پارامترهای تنظیمی آنست که شامل مکانیزم تقاطع، احتمال تقاطع ، اندازه جمعیت، نرخ جهش و درصد انتخاب میباشد. در این تحقیق، بر اساس رویکرد طراحی آزمایشات و مدلسازی رگرسیونی، تاثیرات پارامترهای تنظیمی بر عملکرد الگوریتم ژنتیک ارزیابی شده است. به‌عنوان مطالعه موردی، الگوریتم ژنتیک برای حل یکی از مسائل الگوی شناخته شده “فروشنده دوره‌گرد” مشتمل بر ۴۸ شهر، پیاده سازی شده است. رویکرد پیشنهادی در این پژوهش، به-سادگی قابل پیاده‌سازی بر روی سایر مسائل بهینه‌سازی می‌باشد. برای طراحی مدل‌های ریاضی، محاسبات کامپیوتری بر اساس ماتریس مرکب مرکزی ۴ عاملی – ۵ سطحی اجرا شده‌اند. به‌منظور ایجاد ارتباط بین متغیرهای تنظیمی الگوریتم ژنتیک و معیار عملکردی آن، سه نوع تابع رگرسیونی بر داده‌های محاسباتی برازش داده شد. سپس، تحلیل‌های آماری بر روی مدل‌ها انجام پذیرفته تا بهترین مدل تعیین گردد. نتایج آنالیز واریانس دلالت بر این دارد که تابع درجه دوم بهترین و منطبق‌ترین مدل بوده و می‌تواند رابطه متغیرهای مهم الگوریتم ژنتیک و معیار عملکردی (کیفیت جواب نهایی) آن ‌را به‌درستی ارائه نماید..