پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن

اختصاصی از فی موو پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن دانلود با لینک مستقیم و پر سرعت .

پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن

 

چکیده

الگوریتم ژنتیک که اولین بار توسط هالند و همکارانش در دانشگاه میشیگان مطرح شد، یکی از مهم‌ترین الگوریتم های فراابتکاری می‌باشد که از آن برای بهینه‌سازی توابع مختلف استفاده می‌شود.

بهینه سازی به معنای یافتن پاسخ بهینه تابع هدف یک مسئله است و به دو گروه بیشینه سازی و کمینه سازی، تقسیم که به دو حوزه بهینه سازی کلاسیک یعنی روش‌های مبتنی بر مشتق ریاضیاتی و بهینه سازی ابتکاری یا تکاملی طبقه‌بندی کرد. 

 

فهرست مطالب

فصل اول- کلیات پروژه

کلیات پروژه 1

1-2 مقدمه 2

فصل دوم- الگوریتم ژنتیک

2-1 فناوری شبکه عصبی

2-2 فناوری الگوریتم ژنتیک

2-3 مروری بر کاربردهای تجاری

2-4 بازاریابی

2-5 بانکداری و حوزه‌های مالی

2-6  پیش بینی

2-7 سایر حوزه‌های تجاری

2-8. الگوریتم ژنتیک

2-8-1. عملگرهای ژنتیک

2-8-1-1. عملگر تولید مثل

2-8-2. مؤلفه های ژنتیک

2-9. الگوریتم نلدر- مید

2-9-1. مرور اجمالی بر روش عملکرد الگوریتم نلدر- مید

2-10. ترکیب ژنتیک و نلدر- مید

2-11. جامعة آماری

2-12. نمونة آماری

2-13. داده‌ها و اطلاعات

2-14. ابزار جمع‌آوری داده

2-15. داده‌های خام

فصل سوم- بررسی چندین مسئله در الگوریتم ژنتیک

3-1 طراحی آزمایشات و ارائه مدلی از متغیرهای مستقل

3-2 معرفی عوامل مؤثر

3-3 رطوبت تفاله

3-4 دمای خشک کن

3-5  درصد آهک اضافه شده

3-6 معرفی متغیر پاسخ

3-7 الگوریتم های پیشنهادی

3-8 الگوریتم ترکیبی شبیه سازی تبرید و ژنتیک (GA-SA)

3-9 الگوریتم شبیه سازی تبرید( SA):

3-10 جزئیات ساختار الگوریتم های پیشنهادی

نمایش حل ها

3-11 دمای اولیه

3-12 جستجوی همسایگی

فصل چهارم- بهینه سازی مسائل مختلف

4-1. مرور ادبیات مسئله:

4-2. شرح مسئله تسطیح منابع در حالت چند پروژه‌ای

4-3. مدلسازی مسئله

4-4. مدلسازی مسئله در حالت تک پروژه‌ای:

4-5  مدلسازی مسئله در حالت چند پروژه‌ای، هنگامی که چند نوع منبع داریم

4-6  بیان روش حل به کمک الگوریتم ژنتیک

4-7  کد کردن مسئله

4-8 تولید جامعه اولیه

4-9  تعیین مکانیسم نمونه‌گیری:

4-10. انتخاب عملگر ژنتیکی مناسب

4-11 تعیین معیار توقف

4-12  بررسی نتایج حاصل از مسئله

4-14  بررسی نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی

4-15. بیان مسئله و شرح اهمیت پژوهش

4-16 بهینه‌سازی

4-17. انواع روش‌های بهینه‌سازی

4-17-1. کلاسیک‌ها

4-17-2. روش‌های ابتکاری

4-17-3. روش تحقیق

فصل پنجم- نتیجه گیری

5-1  نتیجه‌گیری

منابع

 

فهرست اشکال

شکل 2-1 مدل پایه‌ای نورون

شکل2-2 ساختمان یک شبکه عصبی مصنوعی

شکل 2-3: فلوچارت الگوریتم ژنتیک

شکل 2-4: فلوچارت الگوریتم نلدر- مید (منبع: اقتباس مؤلف‌ها از الگوریتم نلدر- مید)

جدول 4-1. مقایسه حل توسط نرم‌افزار Lingo و الگوریتم ژنتیک در حالت سه پروژه‌ای

جدول 4-2

جدول 4-3. مقایسه حل توسط نرم افزار Lingo و الگوریتم ژنتیک در حالت پنج پروژه‌ای

جدول4-4. مقایسه نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی

 

فهرست جداول

جدول 4-1. مقایسه حل توسط نرم‌افزار Lingo و الگوریتم ژنتیک در حالت سه پروژه‌ای

جدول 4-2 49

جدول 4-3. مقایسه حل توسط نرم افزار Lingo و الگوریتم ژنتیک در حالت پنج پروژه‌ای

جدول4-4. مقایسه نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی