an introduction to genetic algorithms

Post on 22-Dec-2014

482 Views

Category:

Education

4 Downloads

Preview:

Click to see full reader

DESCRIPTION

An introduction to genetic algorithms

TRANSCRIPT

ژنتيك الگوريتم(Genetic Algorithms)

: دكتر آقاي جناب راهنما استادفيلي

: ايرج حميده دهنده ارائه

خدا نام به

Expert Systems

Neural N

etworks

Fuzzy LogicG

enet

ic A

lgor

ithm

s

Machine LearningSe

arch

Heu

rist

ic

IntelligentSystems

تاريخچهژنتيك نام الگوريتم با مصنوعي هوش از خاصي شاخه جزو

“ تكاملي” .(Evolutionary Computing)محاسبات است

اثر در بار اولين تكاملي محاسبات سال Rechenbergايده 1960درعنوان ." Evolution strategies"با شد معرفي

John Holland كتاب و كرد معرفي را ژنتيكي هاي الگوريتم"Adaptation in Natural and Artificial Systems "سال در 1975را

. رساند چاپ به

John R. Koza سال مطرح Genetic Programming 1992در رانمود.

شناسي زمينه زيست

: داروين تكامل تطابق ايده سمت به جمعيت يك افراد . كه افرادي يابند مي تكامل خود اطراف محيط با بيشتركنند، سازگار خود اطراف محيط با را خود بتوانند بهتر

. داشت خواهند حيات ادامه براي بيشتري شانسمنتقل بعد نسل به كروموزوها توسط نسل هر اطالعات

. هاي رشته كروموزومها شود به DNAمي كه هستند . هر هستند طبيعي ارگانيسم يك از مدلي واقع . رفتار يك بيانگر ژن هر ژنهاست از متشكل كروموزوم

. است چشم رنگ مانند فرد خصوصيت يا

حالت فضاي جستجودر

كالسيك روش هاي اشكال های:رياضيات

روش اين محلی اغلب بهينه نقطه هاب نظر ه را در كلی بهينه نقطه عنوان

.گيرند می

روش اين از يك برای هر تنها ها. دارند كاربرد خاصی مساله

هيوريستيك انواع هاي الگوريتم

ساختار و مسئله ساختاري ويژگي هاي بر كه الگوريتم هاييالگوريتم هاي آنها از استفاده با و مي شوند متمركز جواب

. مي كنند تعريف محلي جستجوي يا سازنده

سازنده الگوريتم يك هيوريستيك هدايت بر كه الگوريتم هاييآن كه گونه اي به مي شوند متمركز محلي جستجوي يا

) محلي ) بهينه از فرار مانند حساس شرايط بر بتواند الگوريتم. . مي شود گفته متاهيوريستيك الگوريتم ها، اين به كند غلبه

هيوريستيك مفهوم يا چارچوب يك تركيب بر كه الگوريتم هايي ) دقيق ) روشهاي n معموًال رياضي برنامه ريزي از گونه هايي با

. مي شوند متمركز

متاهيوريستيك يالگوريتم ها

شده شبيه سازي )Simulated Annealing)SA بازپختممنوع )Tabu Search)TS جستجويژنتيك Genetic Algorithms الگوريتم

مصنوعي عصبي Artificial Neural Networksشبكه هاي   مورچه اي )Ant Colony Optimization)ACO بهينه سازي

مسائل از نمونه NPچند

هاميلتوني سيكل (Hamiltonian Cycle)مسئله

گرد دوره فروشنده Traveling Salesman)مسئلهProblem)

(N-Queen Problem)وزير- Nمسئله

پشتي كوله (Knapsack Problem)مسئله

دوبعدي برش ضايعات 2D Cutting Stock)مسئلهProblem)

گراف آميزي رنگ (Graph Coloring)مسئله

كالسي زمانبندي (Time Tabling Problem)مسئله

ژنتيكي هاي الگوريتم كلي ساختار

Coding

باشند جوابي اطالعات حاوي بايد نحوي به كروموزومها . برده بكار اغلب كه روشي هستند آن نمايانگر كه

: . زير كروموزومهاي شبيه است دودوئي نمايش ميشود،

Chromosome 1 1101100100110110

Chromosome 2 1101111000011110

به بسته كروموزومها نمايش براي نيز ديگري روشهايحل مورد دارد مسئله .وجود

Crossover

One - point crossover

Parent 1 11011|00100110110

Parent 2 11011|11000011110

child 1 11011|11000011110

child 2 11011|00100110110

Crossover

Two - point crossover

Parent 1 11011|00100|110110

Parent 2 11011|11000|011110

child 1 11011|11000|110110

child 2 11011|00100|011110

Crossover

Uniform crossover

Parent 1 1 0 1 1 1 0 1

Parent 2 1 1 0 0 1 1 0

Template 0 1 1 0 0 1 0

child 1 1 0 1 0 1 0 0

child 2 1 1 0 1 1 1 1

Mutation

Original offspring 1101111000011110

Mutated offspring 1100111000011110

Replacement

با كه هايي كروموزوم مرحله اين درcrossover وmutation اند يافته بهبود

هاي كروموزوم . Parentجايگزين شوند ميتا چرخه اين و يابند مي بهبود ترتيب همين به

بهينه جواب به تا كند مي پيدا ادامه زمانيبرسيم.

Traveling Salesman Problem

می که است شکل این به گرد دوره فروشنده مسالهشهر هر از که کنیم پیدا دوری شهر تعداد یک در خواهیم

آغازین شهر به پایان در و کند عبور بار یک دقیقا. باشد مینیمم دور طول که طوری به بازگردد

مساله با VRP تفاوت

Crossover

Partially matched crossover (PMX)

Parent 1 9 8 4 | 5 6 7 |1 3 2 10

Parent 2 8 7 1 | 2 3 10 | 9 5 4 6

child 1 9 8 4 | 2 3 10 |1 6 5 7

child 2 8 10 1 | 5 6 7 | 9 2 4 3

Crossover

Cycle crossover (CX)

Parent 1 9 8 2 1 7 4 5 10 6 3

Parent 2 1 2 3 4 5 6 7 8 9 10

child 1 9 2 3 1 5 4 7 8 6 10

child 2 1 8 2 4 7 6 5 10 9 3

Crossover

Order Based crossover

Parent 1 A B C D E F G

Parent 2 E B D C F G A

Template 0 1 1 0 0 1 0

child 1 E B C D G F A

child 2 A B D C E G F

متشكرم شما توجه از

top related