دانلود پروژه جامع الگوریتم ژنتیک

شرح مختصر:

1- مقدمه

امروزه یکی از مهم‌ترین زمینه‌های تحقیق و پژوهش، توسعۀ روش‌های جستجو بر مبنای اصول تکامل طبیعی می‌باشد. در محاسبات تکاملی به صورت انتزاعی از مفاهیم اساسی تکامل طبیعی در راستای جستجو برای یافتن راه حلّ بهینه برای مسائل مختلف الهام گرفته شده است. در همین راستا مطالبی که در این فصل پیش روی شما پژوهندۀ گرامی قرار خواهد گرفت مفاهیمی دربارۀ علم کامپیوتر و علم ژنتیک مانند: الگوریتم و انواع آن، جستجو، هیوریستیک، تاریخچه الگوریتم ژنتیک و علم ژنتیک، ژن، کروموزوم، ارث بری و… می باشد.

1-2- به دنبال تکامل

بسیاری از دانشمندان و اندیشمندان، میل به تکامل را مهترین عامل پیشرفت دستگاه آفرینش و انسان می‌دانند. از این دیدگاه هر پدیده‌ای را که بنگرید، یک مسأله جستجوست. انسان همواره می‌کوشد تا به تکامل برسد، از این رو می‌اندیشد، می‌پژوهد، می‌کاود، می‌سازد، می‌نگارد و همواره می‌کوشد تا باقی بماند. حتی می‌‌توان گفت که میل به زادن فرزند، گامی در برآوردن این نیاز و البته دیگر جانداران است. می‌توان این تلاش در راه رسیدن به تکامل را یک مسألۀ جستجو تعبیر کرد. کوشش یک مؤسسه اقتصادی یا تولیدی –که تابعی برای تبدیل داده‌ها به ستادهاست- برای کمینه کردن هزینه‌ها و بیشینه کردن سود، یک مسألۀ جستجو است. تلاش یک سپاه در حال جنگ، برای وارد کرد بیشترین خسارات بر دشمن با از دست دادن کمترین نیرو و جنگ‌افزار، یا کوشش یک دانش‌آموز برای دست یافتن به بالاترین نمره، سعی یک موسیقیدان یا نگارگر برای خلق زیباترین اثر هنری، تلاش یک کاندیدا برای به دست آوردن بیشترین رأی، طراحی یک نجّار برای ساختن راحت‌ترین صندلی، تلاش و نقشه چینی ورزشکاران و مربّیان برای یافتن راه‌های پیروزی بر حریف و… همگی جستجویی در فضای یک مسأله برای یافتن نقاط یا ناحیه بهینگی (بیشینه یا کمینه) هستند و همین امر موجب پیشرفت تمدن و آفرینش شده است. در دانش کامپیوتر و فناوری اطلاعات هم «جستجو» یکی از مهمترین مسائل است. تنها کافیست که حجم اطلاعات قرار گرفته بر حافظه‌های گوناگون و اینترنت را در نظر بگیریم تا جایگاه ویژه آن را دریابیم.

تاکنون روشهای بسیاری توسط طراحان الگوریتم‌ها برای انجام جستجو بر داده‌های دیجیتالی ارائه شده است. روش‌هایی به نام جستجوی سریع و جستجوی دودویی، از ساده‌ترین الگوریتم‌هایی هستند که دانشجویان گرایش‌های مهندسی کامپیوتر در نخستین سال‌های دوره کارشناسی فرا می‌گیرند، امّا این الگوریتم‌ها شاید، هنگامی که با حجمی گسترده از داده‌ها روبرو شوند، کارایی ندارند و حتی الگوریتم‌های پیشرفته‌تر مانند جستجوی بازپخت شبیه‌سازی شده و الگوریتم عمیق‌شوندۀ‌ تکراری نیز در هنگام رویارویی با مسائل ابرفضااز یافتن راه‌حل یا ناحیه‌های دلخواه در می‌مانند.در این میان یک روش جادویی وجود وجود دارد که مسائل بزرگ را به سادگی و به گونه‌ای شگفت‌انگیز حل می‌کند و آن «الگوریتم ژنتیک»است. ناگفته پیداست که واژۀ «الگوریتم ژنتیک» از دو واژۀ «الگوریتم» و «ژنتیک» تشکیلشده است که خود مبیّن این مطلب است که این روش از دو علم ریاضی و زیست‌شناسی برای حل مسائل کمک می‌گیرد.

الگوریتم‌ژنتیک بر خلاف دیگر روش‌های جستجو، که توسط طراحان نگاشته می‌شوند، در حقیقت به دست دستگاه آفرینش پدید آمده، و پس از شناخت نسبی دانشمندان از این روش به صورت مسأله‌ای ریاضی فرموله شده و وارد دانش مهندسی کامپیوتر و دیگر علوم مرتبط گردیده است.در یکی دو دهه گذشته که این الگوریتم در علوم مهندسی بکار گرفته شده، ناباورانه چنان دست‌آوردها و نتایج شگفت‌انگیزی داشته که نگاه بسیاری از دانش‌پژوهان علوم گوناگون فنی‌مهندسی را به خود جلب کرده است.

1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک

در دهه 70 میلادی دانشمندی از دانشگاه میشیگان به نام «جان هلند» ایده استفاده از الگوریتم ژنتیک را در بهینه‌سازی ‌های مهندسی مطرح کرد. ایده اساسی این الگوریتم انتقال خصوصیات موروثی توسط ژن‌هاست. (ژنها قطعاتی از یک کروموزوم هستند که اطلاعات مورد نیاز برای یک مولکول DNA یا یک پلی پپتید را دارند. علاوه بر ژنها، انواع مختلفی از توالی‌های مختلف تنظیمی در روی کروموزوم‌ها وجود دارد که در همانندسازی، رونویسی و… شرکت دارند.(. فرض کنید مجموعه خصوصیات انسان توسط کروموزوم‌های او به نسل بعدی منتقل می‌شوند. هر ژن در این کروموزوم‌ها نماینده یک خصوصیت است. بعنوان مثال ژن 1 می‌تواند رنگ چشم باشد، ژن 2 طول قد، ژن 3 رنگ مو و الی آخر. حال اگر این کروموزوم به تمامی، به نسل بعد انتقال یابد، تمامی خصوصیات نسل بعدی شبیه به خصوصیات نسل قبل خواهد بود. بَدیهیست که در عمل چنین اتفاقی رخ نمی‌دهد. در واقع بصورت همزمان دو اتفاق برای کروموزوم‌ها می‌افتد. اتّفاق اول موتاسیون(جهش) است. موتاسیون به این صورت است که بعضی ژن‌ها بصورت کاملاً تصادفی تغییر می‌کنند. البته تعداد اینگونه ژن‌ها بسیار کم می‌باشد اما در هر حال این تغییر تصادفی همانگونه که پیشتر دیدیم بسیار مهم است. مثلاً ژن رنگ چشم می‌تواند بصورت تصادفی باعث شود تا در نسل بعدی یک نفر دارای چشمان سبز باشد، در حالی که تمامی نسل قبل دارای چشم قهوه‌ای بوده‌اند. علاوه بر موتاسیون اتفاق دیگری که می‌افتد و البته این اتفاق به تعداد بسیار بیشتری نسبت به موتاسیون رخ می‌دهد چسبیدن ابتدای یک کروموزوم به انتهای یک کروموزوم دیگر است. این همان چیزیست که مثلاً باعث می‌شود تا فرزند تعدادی از خصوصیات پدر و تعدادی از خصوصیات مادر را با هم به ارث ببرد و از شبیه شدن تام فرزند به تنها یکی از والدین جلوگیری می‌کند.

حال می‌توانیم اینگونه بیان کنیم که: الگوريتم ژنتيک ابزاری می‌باشد کهت وسط آن ماشين می‌تواند مكانيزم انتخاب طبيعی را شبيه سازی نمايد. الگوریتم ژنتیک را می‌توان یک روش جستجوی کلّی نامید که از قوانین تکامل بیولوژیک طبیعی تقلید می کند. 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 رگرسیون هستند.

1-4- درباره علم ژنتیک

ژنتیک یا ژن‌شناسیبخشی از دانش زیست‌شناسی است که به وراثت و تفاوت‌های جانداران می‌پردازد. بوسیله قوانین و مفاهیم موجود در این علم می‌توانیم به تشابه یا عدم تشابه دو موجود نسبت به یکدیگر پی ببریم و بدانیم که چطور و چرا چنین تشابه و یا عدم تشابه در داخل یک جامعه گیاهی و یا جامعه جانوری، بوجود آمده‌است. علم ژنتیک علم انتقال اطلاعات زیست‌شناسی از یک سلول به سلول دیگر، از والد به نوزاد و بنابراین از یک نسل به نسل بعد است. ژنتیک با چگونگی این انتقالات که مبنای اختلالات و تشابهات موجود در ارگانیسم‌هاست، سروکار دارد. علم ژنتیک در مورد سرشت فیزیکی و شیمیایی این اطلاعات نیز صحبت می‌کند.

علم زیست‌شناسی، هرچند به صورت توصیفی از قدیمی‌ترین علومی بوده که بشر به آن توجه داشته‌است اما از حدود یک قرن پیش این علم وارد مرحله جدیدی شد که بعداً آن را ژنتیک نامیده‌اند و این امر انقلابی در علم زیست‌شناسی بوجود آورد. در قرن هجدهم، عده‌ای از پژوهشگران بر آن شدند که نحوه انتقال صفات ارثی را از نسلی به نسل دیگر بررسی کنند. ولی به دو دلیل مهم که یکی عدم انتخاب صفات مناسب و دیگری نداشتن اطلاعات کافی در زمینه ریاضیات بود، به نتیجه‌ای نرسیدند.

1-5- تاریخچۀ علم ژنتیک

اوّلین کسی که توانست قوانین حاکم بر انتقال صفات ارثی را شناسایی کند، کشیشی اتریشی به نام «گریگور مندل» بود که در سال ۱۸۶۵ این قوانین را که حاصل آزمایشاتش روی گیاه نخودفرنگی بود، ارائه کرد. وی با ترکیب نژادهای گوناگون، نتایجی در مورد اثر متقابل خصوصیات به دست آورد. به عنوان مثال وقتی که گیاهان بلند را با گیاهان کوتاه ترکیب می‌کرد، بدون توجّه به اینکه کدامیک، گرده را اهداء کرده، فرزندان همه بلند می‌شدند. «مندل» نتیجه گرفت که خاصیت گیاه بلند (یا همان ژن که بعدها شناخته شد) پیروز شده و خاصیت گیاه کوتاه کنار گذاشته شده است. اما متأسفانه جامعۀ علمی آن دوران به دیدگاه‌ها و کشفیات او اهمیّت چندانی نداد و نتایج کارهای «مندل» به دست فراموشی سپرده شد. در سال ۱۹۰۰ میلادی کشف مجدّدِ قوانین ارائه شده از سوی «مندل»، توسط «درویس»، «شرماک» و «کورنز» باعث شد که نظریات او مورد توجه و قبول قرار گرفته و «مندل» به عنوان پدر علم ژنتیک شناخته شود.

در سال ۱۹۵۳ با کشف ساختمان جایگاه ژن‌ها از سوی «جیمز واتسون» و «فرانسیس کریک»، رشته‌ای جدید در علم زیست‌شناسی بوجود آمد که زیست‌شناسی مولکولی نام گرفت. با حدود گذشت یک قرن از کشفیات «مندل» در خلال سال‌های ۱۹۷۱ و ۱۹۷۳ در رشته زیست‌شناسی مولکولی و ژنتیک که اوّلی به برّرسی ساختمان و مکانیسم عمل ژن‌ها و دوّمی به برّرسی بیماری‌های ژنتیک و پیدا کردن درمانی برای آنها می‌پرداخت، ادغام شدند و رشته‌ای به نام «مهندسی‌ژنتیک» را بوجود آوردند که طی اندک زمانی توانست رشته‌های مختلفی اعم از پزشکی، صنعت و کشاورزی را تحت‌الشّعاع خود قرار دهد.

• عنوان : پروژه جامع الگوریتم ژنتیک
• قالب بندی: word و قابل ویرایش
• تعداد صفحات: 117 صفحه
• قیمت: 12000 تومان   9000 تومان
  

فهرست مطالب

• فصل اول : مقدّمات
• 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
• 1-8-1- الگوریتم‌های جستجوی ناآگاهانه
• 1-8-1-الف- جستجوی لیست
• 1-8-1-ب- جستجوی درختی
• 1-8-1-پ- جستجوی گراف
• 1-8-2- الگوریتم‌های جستجوی آگاهانه
• 1-8-2-الف- جستجوی خصمانه
• 1-9- مسائل NP-Hard
• 1-10- هیوریستیک
• 1-10-1- انواع الگوریتم‌های هيوریستیک
• فصل دوم :الگوریتم ژنتیک
• 2-1- مقدمه
• 2-2- الگوریتم ژنتیک
• 2-3- مكانيزم الگوريتم ژنتيك
• 2-4- عملگرهاي الگوريتم ژنتيك
• 2-4-1- کدگذاری
• 2-4-2- ارزیابی
• 2-4-3- ترکیب
• 2-4-4- جهش
• 2-4-5- رمزگشايي
• 2-5- چارت الگوريتم به همراه شبه كد آن
• 2-5-1- شبه كد و توضيح آن
• 2-5-2- چارت الگوریتم ژنتیک
• 2-6- تابع هدف
• 2-7- روش‌های کد کردن
• 2-7-1- کدینگ باینری
• 2-7-2- کدینگ جایگشتی
• 2-7-3- کد گذاری مقدار
• 2-7-4- کدینگ درخت
• 2-8- نمایش رشته‌ها
• االف) متغیرهای پیوسته:
• ب) متغییرهای گسسته:
• 2-9- انواع روش‌های تشکیل رشته
• الف) روش سری
• ب) روش محاطی
• 2-10- باز گرداندن رشته‌ها به مجموعه متغيرها
• 2-10-1- تعداد بيت‌هاي متناظر با هر متغير
• 2-11- جمعيت
• 2-11-1- ايجادجمعيت اوليه
• 2-11-2- اندازه جمعيت
• 2-12- محاسبه برازندگي (تابع ارزش)
• 2-13- انواع روش‌های انتخاب
• 2-13-1- انتخاب چرخ رولت
• 2-13-2- انتخاب حالت پایدار
• 2-13-3- انتخاب نخبه گرایی
• 2-13-4- انتخاب رقابتی
• 2-13-5- انتخاب قطع سر
• 2-13-6- انتخاب قطعی بریندل
• 2-13-7- انتخاب جایگزینی نسلی اصلاح شده
• 2-13-8- انتخاب مسابقه
• 2-13-9- انتخاب مسابقه تصادفی
• 2-14- انواع روش‌های ترکیب
• 2-14-1- جابه‌جایی دودوئی
• 2-14-2- جابه‌جایي حقيقي
• 2-14-3- ترکیب تک‌نقطه‌ای
• 2-14-4- ترکیب دو نقطه‌ای
• 2-14-5- ترکیب n نقطه‌ای
• 2-14-6- ترکیب یکنواخت
• 2-14-7- ترکیب حسابی
• 2-14-8- ترتیب
• 2-14-9- چرخه
• 2-14-10- محدّب
• 2-14-11- بخش_نگاشته
• 2-15- احتمال تركيب
• 2-16- تحليل مكانيزم جابجایي
• 2-17- جهش
• 2-17-1- جهش باينري
• 2-17-2- جهش حقيقي
• 2-17-3- وارونه سازی بیت
• 2-17-4- تغییر ترتیب قرارگیری
• 2-17-5- وارون سازی
• 2-17-6- تغییر مقدار
• 2-18- محک اختتام اجرای الگوریتم ژنتیک
• 2-19- انواع الگوریتم‌های ژنتیکی
• 2-19-1- الگوریتم ژنتیکی سری
• 2-19-2- الگوریتم ژنتیکی موازی
• 2-21- نقاط قوّت الگوریتم‌های ژنتیک
• 2-22- محدودیت‌های GAها
• 2-23- استراتژی برخورد با محدودیت‌ها
• 2-23-1- استراتژی اصلاح عملگرهای ژنتیک
• 2-23-2- استراتژی رَدّی
• 2-23-3- استراتژی اصلاحی
• 2-23-4- استراتژی جریمه‌ای
• 2-24- بهبود الگوریتم ژنتیک
• 2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک
• یک مثال ساده.
• فصل سوم : مسائل کلاسیک
• 3-1- مقدمه
• 3-2- حلّ معماي هشت وزیر
• 3-2-1- جمعیت آغازین
• 3-2-2- تابع برازندگی
• 3-2-3- آمیزش
• 3-2-4- جهش ژنتیکی
• 3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد
• 3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک
• 3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP
• 3-3-3- نتیجه گیری
• 3-4- حلّ مسأله معمای سودوکو
• 3-4-1- حل مسأله
• 3-4-2- تعیین کروموزم
• 3-4-3- ساختن جمعيت آغازين يا نسل اول
• 3-4-4- ساختن تابع از ارزش
• 3-4-5- تركيب نمونه‌ها و ساختن جواب جديد
• 3-4-6- ارزشيابي مجموعه جواب
• 3-4-7- ساختن نسل بعد
• 3-5- مرتب سازی به کمک GA
• 3-5-1- صورت مسأله
• 3-5-2- جمعیت آغازین
• 3-5-3- تابع برازندگی
• 3-5-4- انتخاب
• 3-5-5- ترکیب
• 3-5-6- جهش
• فهرست منابع و مراجع
• پیوست

توجه ، توجه خیلی مهم : لطفا ایمیل خود را بدون www وارد کنید و از درستی ایمیل خود مطمئن باشید زیرا یک نسخه از فایل نیز به صورت خودکار به ایمیل شما ارسال می گردد.

بعد از پرداخت آنلاین توسط کارتهای بانکی تحت شتاب لینک دانلود فایل بصورت اتوماتیک برای شما آزاد و نمایش داده می می شود و همچنین اگر در هنگام خرید ایمیل خود را وارد کرده باشید یک نسخه از فایل خریداری شده به ایمیل شما ارسال می شود.

راهنمای دانلود :

1. ابتدا بر روی گزینه خرید در بالا کلیک کنید سپس نام و ایمیل خود را در کادر وارد و بر روی گزینه ” خرید که به رنگ ابی است “  کلیک کنید.
2. سپس با انتقال به سامانه پرداخت و انتخاب گزینه ؛ پرداخت از طریق درگاه های بانکی؛  بانک صادر کننده کارت خود را انتخاب و با پرداخت وجه ،لینک  فایل مورد نظر به ایمیل شما بلافاصله ارسال می گردد.

جهت راهنمای پرداخت اینترنتی اینجا کلیک کنید