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

ارزیابی عملکرد الگوریتم ژنتیک و الگوریتم مورچگان در شبکه های حسگر بی سیم

اختصاصی از فی موو ارزیابی عملکرد الگوریتم ژنتیک و الگوریتم مورچگان در شبکه های حسگر بی سیم دانلود با لینک مستقیم و پر سرعت .

امروزه استفاده از شبکه های بی سیم به شکل گسترده ای رو به ازدیاد است.یکی از انواع این شبکه ها، شبکه های موبایل تک کاره (Mobile ad hoc networks)است. شبکه موبایل Ad hoc به عنوان شبکه های با عمر کوتاه شناخته می شود. توپولوژی بسیار پویا، در دسترس بودن پهنای باند محدود،محدودیت های انرژی و عدم وجود زیرساخت، مسیریابی در این نوع شبکه ها را به چالش کشیده است،بدین جهت یافتن مسیر بهینه در این شبکه ها یک مسئله بسیار مهم به شمار می اید. الگوریتم های الهام گرفته از طبیعت (ازدحام هوش) مانند الگوریتم های بهینه سازی لانه مورچه و همچنین الگوریتم ژنتیک در چند سال اخیر برای حل مسئله مسیریابی شبکه های بی سیم معرفی شده اند. در این پروژه سعی کردیم مجموعه فعالیت های انجام شده برای یافتن مسیر بهینه در شبکه های بی سیم با استفاده از خواص الگوریتم ژنتیک و الگوریتم لانه مورچه ای را مورد بررسی و ارزیابی قرار داده و روشی بهینه در این زمینه را بیابیم.

فهرست مطالب

فصل اول:کلیات

1-1 مقدمه ای بر شبکه های بی سیم. 2

1-2 تقسیم بندی شبکه های بی سیم بر اساس محدوده فرکانس... 5

1-2-1 شبکه های مادون قرمز. 5

1-2-2 شبکه های لیزری.. 6

1-2-3 شبکه های Wi – Fi 7

1-2-4 شبکه های WiMAX. 7

1-3 شبکه های بیسیم Ad Ho. 9

1-4 مسیریابی هوشمند. 11

فصل دوم:ارزیابی الگوریتم مورچگان در شبکه های بی سیم

2-1 مقدمه. 17

2-2 پیدا کردن کوتاهترین مسیر توسط مورچه ها 18

2-3 الگوریتم پایه لانه مورچه ای.. 19

2-4 ویژگیهای الگوریتم مورچگان : 22

2-5 الگوریتم ساده لانه مورچه ای.. 23

2-6 چرا الگوریتم تخمین بهینه لانه مورچه ای برای شبکه های بی سیم مناسبند؟. 24

2-6-1 توپولوژی پویا 24

2-6-2 کار محلی.. 25

2-6-3 کیفیت اتصال. 25

2-6-4 پشتیبانی از چند مسیره بودن شبکه. 25

2-7 بررسی الگوریتم های مسیریابی مبتنی بر مورچه ها برای MANETs. 25

2-8 الگوریتم های مسیریابی تخت.. 26

2-8-1 الگوریتم مسیریابی مبتنی بر لانه مورچه. 27

2-8-2 خصوصیات ARA. 29

2-9 چگونگی کارکرد الگوریتم. 30

2-9-1 موریانه. 36

2-9-2 الگوریتم مسیریابی اورژانس احتمالاتی(PERA ) 38

2-9-3 الگوریتم مسیریابی فوری ویژه:(EARA ) 39

2-9-4 مورچه AODV. 41

2-10 پروتکل های مسیریابی سلسله مراتبی.. 42

2-10-1 مسیریابی مبتنی بر مورچه متحرک (MABR ) 42

2-10-2HOPENT. 46

2-10-3 الگوریتم ردیابی مورچه برای شبکه های اختصاصی بی سیم. 48

2-11 فهرست یا جدول پیشنهادی مسیریابی.. 50

2-11-1 مورچه ها 51

2-11-2 کشف مسیر. 52

2-11-3 حفظ مسیر. 55

2-12 محدوده مسیریابی بر اساس پروتکل مسیریابی لانه مورچه ای (TRAC) برای شبکه های بی سیم. 56

2-12-1 مروری بر پروتکل. 56

2-12-2 مروری بر پروتکل TARC. 56

2-12-3 پروتکل TRAC. 58

2-12-3-1 مرحله برپایی.. 58

2-12-3-2 مرحله جستجوی مسیر. 59

2-12-3-3 مرحله به روز رسانی مقدار فرومون. 61

 2-12-3-4 مرحله تحویل. 62

2-13 نتیجه گیری.........63

فصل سوم:ارزیابی عملکرد الگوریتم ژنتیک

3-1- مقدمه. 66

3-2- پیشینه. 67

3-3- اصطلاحات زیستی.. 68

3-4- تشریح کلی الگوریتم ژنتیک... 69

3-5- حل مساله با استفاده از الگوریتم های ژنتیک... 70

3-6- اجزای الگوریتم ژنتیک... 70

3-6-1- جمعیت.. 72

3-6-2- کدگذاری.. 73

3-7 مسیریابی QoS در MANET بر اساس الگوریتم ژنتیک... 73

3-7-1:QoS در MANET. 74

3-7-2 نقش GA در مسیریابی QoS در MANET. 78

3-8 مشکلات کوتاهترین مسیر حرکتی در MANET بر اساس الگوریتم ژنتیک... 82

3-8-1 مشکلات مسیر حرکتی SP. 83

3-8-2 الگوریتم ژنتیکی تخصصی برای مشکلات SP. 85

3-8-2-1 نمایش ژنتیکی.. 85

3-8-2-2 ارزش دهی اغازی جمعیتی.. 86

3-8-2-3 توانایی عملکرد. 86

3-8-2-4 برنامه ریزی انتخابی.. 87

3-8-2-5 همگذری و جهش... 87

3-8-3 الگوریتمهای ژنتیکی به همراه برنامه ریزی مهاجرتی.. 89

3-9 نتیجه گیری.. 92

فصل چهارم:ارزیابی و نتیجه گیری

4-1 نتیجه گیری.. 94

4-2 الگوریتم پیشنهادی: 96

منابع. 97

ژنتیک درمان سرطان تخمدان

اختصاصی از فی موو ژنتیک درمان سرطان تخمدان دانلود با لینک مستقیم و پر سرعت .

ژنتیک ملوکولی و ژن درمانی در درمان سرطان تخمدان

کاملترین پاورپوینت ژنتیک در معماری

اختصاصی از فی موو کاملترین پاورپوینت ژنتیک در معماری دانلود با لینک مستقیم و پر سرعت .

پاورپوینت ژنتیک در معماری با 101 اسلاید کامل و جامع با ذکر منابع داخلی و خارجی در اختیار شما عزیزان قرار میگیرد.

• تعریف علمی ژن  

ژن، عامل موجود درکروموزوم که ناقل صفات ارثی است.

• ژنتیک

پیدایشی، تکوینی، وابسته به پیدایش یا اصل هر چیز، مربوط به تولید و وراثت در روانشناسی به معنای؛ ژنی ،ارثی و یا تکوینی

• Bio

وابسته به زیست یا زیست شناسی، زیست، زیوا        

• Mimetic

وابسته به تقلید، تقلیدی

• Biomimetic

تقلید از زیست بوم و محیط زیست

زیست شناسی

اختصاصی از فی موو زیست شناسی دانلود با لینک مستقیم و پر سرعت .

موضوع : زیست شناسی / 

مقدمه :

در دوران کامبرین و میلیون سال پس از ان حیات فقط در دریا وجود داشت چون اشعه ماورای بنفش خورشید زندگی را در خشکی ها نا امن کرده بود ولی این مشکل با پیداش سیانو باکتری ها ( گیاهی فتوسنتز کننده ) حل شد.اکسیژنی که توسط سیانو باکتری ها تولید میشد پس از برخورد به ماورای بنفش به ملکول اوزون تبدیل میشدند و کم کم لایه اوزون را به وجود آوردند. بدین صورت امکان زندگی در خشکی برای جانوران محیا شد و به مرور زمان گونه های مختلفی از جانوران و گیاهان زندگی خود را بر سطح خشکی آغاز کردند.

// 45 صفحه //