فایل حاضر توضیحی کامل در مورد بهینه سازی ژنتیک به همراه یک مثال عینی می باشد. این فایل در قالب وورد Word تنظیم شده و 54 صفحه A4 می باشد. شما می توانید این فایل را به عنوان پروژه پایانی کارشناسی یا پروژه کلاسی ارائه دهید.
تشریح الگوریتم ژنتیک، سیستم های کد گذاری ژنتیک، فرمول های مربوط به الگوریتم ژنتیک و ... از بخش های این پروژه می باشد.
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 28
بهینه سازی منبع با استفاده از شبیه سازی ترکیب یافته و الگوریتم ژنتیک
خلاصه
این مقاله، توسط ترکیب کردن فلوچارت ( نمودار گردش کار) براساس ابراز شبیه سازی با یک روش بهینه سازی ژنتیک قدرتمند، یک روش را برای بهینه سازی منبع نشان می دهد.روش ارائه شده، کمترین هزینه،و بیشترین بازده را ارائه میدهد، وبالاترین نسبت سودمندی را در عملکردهای ساخت و تولید فراهم می آورد. به منظور یکپارچگی بیشتر بهینه سازی منبع در طرح ریزی های ساخت،مدلهای شبیه سازی بهینه یافته (GA) الگوریتم های ژنتیکی گوناگون،عموماً با نرم افزارهای مدیریت پروژه بکار رفته شده ادغام می شوند. بنابراین، این مدلها از طریق نرم افزار زمان بندی فعال می شوند و طرح را بهینه می سازند.نتیجه، یک ساختار کاری تقلیل یافته سلسله مراتبی در رابطه با مدلهای همانندی سازی بهینه یافته GA است. آزمایشات گوناگون بهینه سازی با یک سیستم در دو مورد مطالعه، توانایی آن را برای بهینه ساختن منابع در محدوده محدودیتهای واقعی مدلهای همانند سازی آشکار کرد. این الگو برای کاربرد بسیارآسان است و می تواند در پروژه های بزرگ بکار رود. براساس این تحقیق، همانندسازی کامپیوتر وا لگوریتمهای ژنتیک ،می توانند یک ترکیب موثر برای بهبود دادن بازده و صرفه جویی در زمان وساخت و هزینه ها باشند.
مقدمه
این امر کاملاً آشکار شده است که بازده کاری پایین ،عدم آموزش، و کاهش تعداد معاملات، چالشهای بحرانی هستند که صنعت ساختمان( ساخت) با آن روبرو خواهد شد.
بهره دهی یا قدرت تولید در رابطه با مطالعه ها، برای مثال،دلالت بر زمان بیکاری (بیهودة) کاربران در ساخت(تولید) دارد که این زمان از 20 تا 45% متغیر است. این اتلاف وقت ، که از طریق منابع ناکارآمد و طرح ریزیهای غیربسنده( نامناسب) ناشی می شود، تاثیر و پیامد فوق العاده ای در هزینه های ساخت دارد. همچنین، پیماناکاران که مهارتهای مدیریتی منابع کارآمد را ندارند، این رقابت کردن در بازارهای ساخت جهانی که آنها د ر آن فرصتها بسیاری را خواهند یافت، برای آنها کاری بس دشوار خواهد بود.
با ایجاد تجهیزات و نیروی کار برای امر ساخت و تولید، این امر آشکار است که تدبیرهای کاربرد نیروی کار متناوب و کاربرد بهتر از منابع کاری موجود، به منظور بهبود دادن،بهره دهی کاری و کاهش هزینه های ساخت، مورد نیاز است. استفاده کارآمد از منابع پروژه، هزینه های ساخت را برای مالکان و مصرف کنندگان کاهش می دهد، و در عین حال سودمندیهایی را برای پیمانکاران افزایش می دهد. با این وجود،برخی فاکتورها وجود دارند که ،مدیریت منبع را امر دشواری می سازند، این فاکتورها در مراحل زیر توضیح داده شده اند:
سیاست جداسازی مدیریت منبع:در ادبیات، محققان گوناگون، تعدادی تکنیکها را برای پرداختن به جنبه های فردی مدیریت منبع، همانند تخصیص منبع، سطح بندی منبع، مدیریت نقدینگی، و تجزیه و هزینه و زمان معاملات (TCT) ، ارائه داده اند. مطالعات تالبوت و پترسون(1979) و گاولیش و پیرکون (1991)، برای مثال، به تخصیص منابع مربوط بود ، در حالیکه بررسیهای Easa (1989) و Shah et al (1993) به سطح بندی و تراز کردن منابع می پرداخت روشهای دیگر ، تنها روی تجزیه TCT متمرکز شدند. همانطوریکه این بررسیها سودمند واقع شدند، آنها به ویژگیهای مجزایی پرداختند که یکی پس از دیگری برای پروژه ها بکار برده می شدند ( نه بطور همزمان) . بوسیله پیچیدگی اساسی پروژه ها و مشکلاتی در رابطه با الگوبرداری تمام ویژگیهای ترکیب یافته، تلاش بسیار کمی برای بهینه سازی منابع ترکیب شده به عمل آمد.
ناکارآمدی الگوریتم های بهنیه سازی سنتی: در چند دهه گذشته ، بهینه سازی منبع سنتی، براساس روشهای ریاضی یا براساس تکنیکهای ذهنی(غیرمستدل) بوده است. روشهای ریاضی ، همانند برنامه ریزیهای عدد صحیح ، خطی، یا برنامه ریزیهای دینامیکی ،برای مشکلات منبع فردی پیشنهاد شده بودند.با این وجود ، روشهای ریاضی از لحاظ محاسبه ای برای هر پروژه واقعی انعطاف ناپذیر بودند که این روش فقط برای سایزهایی از پروژه مناسب می باشد. همچنین ،روشهای ریاضی پیچیده ایشان دستخوش تغییر می شوند وممکن در مطلوبترین وبهینه ترین قرار بگیرند، روشهای ذهنی (غیرمستدل) ، ازسوی دیگر، تجربیات وقوانین thumb را بکار می برند، نه فرمولهای ریاضی سخت ودقیق را. محققان برای تخصیص منبع، مدلهای ذهنی گوناگونی را پیشنهاد نموده اندن،تراز بندی منبع ها،تجزیه TCT، علی رغم سهولتشان
دسته بندی : پاورپوینت
نوع فایل: ppt _ pptx
( قابلیت ویرایش )
قسمتی از محتوی متن پاورپوینت :
تعداد اسلاید : 27 صفحه
1 الگوریتم های ژنتیک 2 الگوریتم ژنتیک الگوریتم ژنتیک روش یادگیری بر پایه تکامل بیولوژیک است. این روش در سال 1970 توسط John Holland معرفی گردید این روشها با نام Evolutionary Algorithms نیز خوانده میشوند.
3 ایده کلی یک GA برای حل یک مسئله مجموعه بسیار بزرگی از راه حلهای ممکن ار تولید میکند. هر یک از این راه حلها با استفاده از یک “ تابع تناسب” مورد ارزیابی قرار میگیرد. آنگاه تعدادی از بهترین راه حلها باعث تولید راه حلهای جدیدی میشوند.
که اینکار باعث تکامل راه حلها میگردد. بدین ترتیب فضای جستجو در جهتی تکامل پیدا میکند که به راه حل مطلوب برسد در صورت انتخاب صحیح پارامترها، این روش میتواند بسیار موثر عمل نماید.
4 فضای فرضیه الگوریتم ژنتیک بجای جستجوی فرضیه های general-to specific و یا simple to complex فرضیه ها ی جدید را با تغییر و ترکیب متوالی اجزا بهترین فرضیه های موجود بدست میاورد. در هرمرحله مجموعه ای از فرضیه ها که جمعیت (population) نامیده میشوند از طریق جایگزینی بخشی از جمعیت فعلی با فرزندانی که از بهترین فرضیه های موجود حاصل شده اند بدست میآید. 5 ویژگیها الگوریتم های ژنتیک در مسائلی که فضای جستجوی بزرگی داشته باشند میتواند بکار گرفته شود. همچنین در مسایلی با فضای فرضیه پیچیده که تاثیر اجرا آن در فرضیه کلی ناشناخته باشند میتوان از GA برای جستجو استفاده نمود. برای discrete optimizationبسیار مورد استفاده قرار میگیرد. الگوریتم های ژنتیک را میتوان براحتی بصورت موازی اجرا نمود از اینرو میتوان کامپیوترهای ارزان قیمت تری را بصورت موازی مورد استفاده قرار داد. امکان به تله افتادن این الگوریتم در مینیمم محلی کمتر از سایر روشهاست. از لحاظ محاسباتی پرهزینه هستند. تضمینی برای رسیدن به جواب بهینه وجود ندارد.
6 Parallelization of Genetic Programming در سال 1999 شرکت Genetic Programming Inc.
یک کامپیوتر موازی با 1000 گره هر یک شامل کامپیوتر های P2, 350 MHZ برای پیاده سازی روش های ژنتیک را مورد استفاده قرار داد. 7 کاربر دها کاربرد الگوریتم های ژنتیک بسیار زیاد میباشد optimization, automatic programming, machine learning, economics, operations research, ecology, studies of evolution and learning, and social systems 8 زیر شاخه های EA روش های EA به دو نوع مرتبط به هم ولی مجزا دسته بندی میشوند: Genetic Algorithms (GAs) در این روش راه حل یک مسئله بصورت یک bit string نشان داده میشود.
Genetic Programming (GP) این روش به تولید expression trees که در زبانهای برنامه نویسی مثل lisp مورد استفاده هستند میپردازد بدین ترتیب میتوان برنامه هائی ساخت که قابل اجرا باشند.
9 الگوریتم های ژنتیک روش متداول پیاده سازی الگوریتم ژنتیک بدین ترتیب است که: استخری از فرضیه ها که population نامیده میشود تولید وبطور متناوب با فرضیه های جدیدی جایگزین میگردد. در هر بار تکرارتمامی فرضیه ها با استفاده از یک تابع تناسب یا Fitness مورد ارزیابی قرار داده میشوند.
آنگاه تعدادی از بهترین فرضیه ها با استفاده از یک تابع احتمال انتخاب شده و جمعیت جدید را تشکیل میدهند. تعدادی از این فرضیه های انتخاب شده به همان صورت مورد استفاده واقع ش
متن بالا فقط قسمتی از محتوی متن پاورپوینت میباشد،شما بعد از پرداخت آنلاین ، فایل را فورا دانلود نمایید
لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت: توجه فرمایید.
دانلود فایل 
پرداخت آنلاین
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 44
کار برد های GA
برخی از مهم تر ین کار بردهای GA در علوم مختلف عبارتند از:
زمینه
کاربرد
کنترل:
خطوط انتقال گاز – پرتاب موشک – سیستم های تعادلی – رهگیری و ...
طراحی :
طراحی هواپیما – طراحی مدارات VLSI – شبکه های ارتباطی و ...
مدیریت و برنامه ریزی :
برنامه ریزی تولید – زمان بندی – تخصیص منابع و ...
روباتیک:
مسیر حرکت روبات ...
یادگیری ماشین :
طراحی شبکه های عصبی – الگوریتم های طبقه بندی و ...
پردازش سیگنال:
طراحی فیلتر و ...
سایر موارد:
هنر و موسیقی – حل مسئله فروشنده دوره گرد – مسیر یابی در شبکه ها و ...
طراحی آنتن
سیستم های ارتباط ماهواره ای از آنتنها برای دریافت سیگنال های ارسال شده از ماهواره استفاده می کنند . هر آنتن دارای یک Main Beam و تعدادی Sidelobe است .قسمت Main beam که در جهت ماهواره قرار می گیرد دارای بهره (gain) بالایی است تا بتواند سیگنال های ضعیف را تقویت کند . اما Sidelobe ها دارای بهر ه های پایینی هستند . بر خلاف Main beamدر جهت های مختلفی قرار می گیرند . شکل زیر یک آنتن را با Sidelobe و Main beam آن نشان می دهد .
مشکل این جا است که امکان ورود سیگنال ها ی ناخواسته قوی به داخل Sidelobe ها و یا ورود سیگنال های اصلی ضعیف به داخل Main beam وجود دارد . فرض کنیم که Main beam یک آنتن ماهواره ای در راستا و جهت ماهواره قرار گرفته باشد . سیگنال ها ی ماهواره بسیار ضعیف هستند زیرا از فاصله بسیار دور و با قدرت کمی ارسال می شوند اگر یک تلفن بی سیم نیز با همان فرکانس ماهواره در نزدیکی آن کار کند ممکن است سیگنال ها ی تلفن وارد Side lobe آنتن شده و باعث تداخل با سیگنال های اصلی گردد . بنا بر این مهندسان افزایش بهره Main beam و کاهش بهره Side lobe هستند .
یک نوع از آنتن ها (Antenna array) است . ویژگی این آنتن ها توانایی آنها را در کاهش بهرة Side lobeها است . در حقیقت این نوع آنتن یک گروه از آنتن های تکی هستند که سیگنال های آنها را با هم جمع کرده و یک خروجی را تولید می کند .
سیگنال های دریافتی در هر آنتن دارای یک دامنه و فاز است که یک تابعی از فرکانس، موقعیت آنتن و زاویه ارسال سیگنال ها است .
خروجی این آنتن یک تابعی از سیگنال های در یافتی در هر آنتن است . بنا بر این با توجه به مقدار دامنه های سیگنال برای آنتن ها ممکن است باعث کاهش یا حذف Side lobe شود. در این مثال نشان می دهیم که چگونه می توان با استفاده از GAبه طراحی شبکه آنتن با Side lobe کم پرداخت .
مدل این آرایه خطی در راستای محور X و به صورت زیر است :
فرمول ریاضی در این خصوص برای حالتی که Main beamبه صورت 90 درجه باشد برابر است با :
AF ( ) = ei(n-1) (8-1)
که در این معادله :
N :تعداد آنتن ها
an: دامنه وزن دهی شده برای am =an+ 1-m که m = 1,2 ,… , N/2
: طول موج
d: فاصله بین آنتن ها
: زوایه موج میدان الکترو مغناطیس
=Kdu = Kdcos
K= 2
هدف در این مسئله پیدا کردن an به گونه ای است که حداقل سطحSide lobe در الگوی آنتن وجود داشته باشد .
یک راه برای مسئله تولید Side lobeهایی برابر- و پایین پیک Main beam است به عبارت دیگر هیچگونهSide lobe ای وجود نداشته باشد .
روش حل این مسئله را شبکه دو جمله ای و وزن های دامنه سیگنال را ضرایب دو جمله ای می
فرمت فایل: ورد ( قابلیت ویرایش )
تعداد صفحات : 38 صفحه
پیشگفتار چرا از گربه ، بچه گربه و از گوسفند بره متولد می شود ؟
چگونه شباهتهای والدین به فرزندان منتقل می شوند ؟
آیا همه بچه های یک جفت گربه عینا مثل هم و مثل والدین خود هستند ؟
آیا همه افراد یک جاندار کاملا شبیه یکدیگراند ؟
سرچشمه شباهتها و تفاوتهای جانداران از کجاست ؟
و اصولا مسئله وراثت چیست ؟
سالیان متمادی پاسخ این گونه پرسشها مبنای علمی نداشت .
مثلا فکر می کردند که اگر در آبشخور گوسفندان خرمایی رنگ شاخه های درختان تبریزی ، فندق و شابلوط قرار دهند ، بره هایی که از آنها به دنیا می آیند دارای پشمی خوشرنگ ، زیبا ، و گرانقیمت خواهند بود .
یا اگر زنان باردار به جانوری زشت و بد منظر نگاه کنند نوزادی که به دنیا می آورند نیز بد قیافه و بدریخت ( شبیه به آن جانور ) خواهد بود .
امروزه می دانیم بدن همه جانداران از سلول ساخته شده است و درون هر سلول مولکولهای مخصوصی به نام « ژن » هست .
ژنها ، صفات مشابه و متفاوت جانداران را پدید می آورند .
سلولهای بدن هر جاندار و ژنهای درون آنها از والدینش سرچشمه می گیرند و شباهتهای آنها هم از این راه به او منتقل می شوند .
اما ساختمان و کار ژنها ممکن است اندکی مختلف باشند و همین اختلاف سبب تفاوتهایی در جانداران شود .
شاخه ای از علم زیست‌شناسی‌که به توضیح این مطالب میپردازد ژنتیک یا علم وارثت‌نامیده میشود .
آیزاک آسیموف دانشمند آمریکایی ، درباره تاریخ تلاشهایی که زیستشناسان برای پیدایش ژنتیک و توضیح مسائل مربوط به وراثت به عمل آورده اند باز بانی ساده و گیرا ، سخن می گوید .
ژنتیک تعریف – هر نوع حیوان یا گیاه خصوصیاتی ساختمانی و فیزیولوژیک دارد که آنها را عموما به نسل بعد انتقال می دهد .
اما آنچه از جانداران به نسل بعد منتقل می شود طرح کلی ساختمانی و فیزیولوژیک است ، به طوری که عموما میان والدین و فرزندان تفاوتهایی نیز مشاهده می شود .
گاه نیز در فرزندی خاصه هایی دیده می شود که در پدر بزرگ یا مادربزرگش وجود داشته است و گاه خاصه هایی است که در خانواده آنها تازگی دارد .
ژنتیک یا علم وراثت ، علمی است که شباهتها و تفاوتهای میان والدین و اولاد و عوامل و اسباب آنها را مطالعه می کند .
یکی از این عوامل وراثت است .
عامل دیگر محیط است .
مطالعات مندل هزارها سال راز وراثت همچنان در پرده باقی ماند .
به سال 1865 ، گرگور مندل راه انتقال صفات از والدین به اولاد را کشف کرد .
مندل کشیشی ساکن شهر برون ( شهر برنوی فعلی چک اسلوواکی ) بود .
وی در دانشگاه ، علوم و ریاضیات تحصیل کرده بود و اوقات فراغت را در باغچه دیرخود نخود می کاشت و این کار را برای تهیه غذا نمی کرد بلکه به منظور مطالعه قوانین وراثت بدان دست می زد . مندل نخستین کسی نبود که در این رشته مطالعه می کرد بلکه آنچه تا آن زمان در این پاره تحقیق شده بود بی نتیجه مانده بود . علت توفیق مندل دو عامل بود : طرح مسئله به صورتی درست 2- تفسیر درست پاسخ حاصل .
مندل در عین حال بسیار پرحوصله و پرکار بود و هشت سال تمام به پرورش نخود و مطالعه خصوصیات آن پرداخت و متجاوز از ده هزار بوته از این گیاه را با دقت از نظر گذرانید و نتیجه استنباطاتش را در یکی ا
متن بالا فقط تکه هایی از متن به صورت نمونه در این صفحه درج شده است.شما بعد از پرداخت آنلاین فایل را فورا دانلود نمایید
بعد از پرداخت ، لینک دانلود را دریافت می کنید و ۱ لینک هم برای ایمیل شما به صورت اتوماتیک ارسال خواهد شد.
