متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی عمران سازه های هیدرولیکی

با عنوان : الگوریتم ژنتیک

در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

و در صورت نیاز به متن کامل آن می توانید از لینک پرداخت و دانلود آنی برای خرید این پایان نامه اقدام نمائید.

دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشكده تحصیلات تكمیلی

“M.Sc” سمینار برای دریافت درجه كارشناسی ارشد

مهندسی عمران – سازه های هیدرولیكی

عنوان:

الگوریتم ژنتیك

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه : (ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چكیده

مدل سازی به معنای استخراج روابط بین پدیده های مرتبط با هم و ارایه یك سیستم پویا است، تا امكان پیشگویی تغییرات پدیده یا پدیده ها نسبت به زمان، مكان و غیره به وجود آید. ساخت مدل بر پایه كشف روابط منطقی و شناخت و تفسیر این روابط امكان پذیر می گردد.

بهینه سازی عبارت است از جستجو برای یك سیاست بهره برداری انعطاف پذیر كه مقدار تابع هدف را مینیمم یا ماكزیمم می كند. این واژه دارای یك مفهوم ریاضی است. به طور ساده م یتوان گفت در شرایط بهینه، سود خالص حاصل از عملكرد سیستم حداكثر خواهد بود به عبارت دیگر حالتی از عملكرد سیستم مورد جستجو قرار م یگیرد كه در آن محصول تولید شده حداكثر سود خالص را تضمین نماید. به تعبیر ریاضی بهین هسازی سیستم به دنبال حداكثر نمودن یك تابع ضمنی مانند U است كه در آن شرایط و محدودیت هایی مانند F وجود دارد.

الگوریتم ژنتیك نوع خاصی از الگوریتمهای تكامل است كه از تكنیكهای زیس تشناسی مانند وراثت و جهش استفاده می كند.

الگوریتمهای ژنتیك معمولاً به عنوان یك شبیه ساز كامپیوتر كه در آن جمعیت یك نمونهٔ انتزاعی (كروموزوم ها) از نامزدهای راه حل یك مسأله بهینه سازی به راه حل بهتری منجر شود، پیاده سازی می شوند.همانطور كه قبلا گفتیم، به طور سنتی راه حل ها به شكل رشته هایی از 0 و 1 بودند، اما امروزه به گونه های دیگری هم پیاده سازی شده اند. فرضیه با جمعیتی كاملاً تصادفی منحصر بفرد آغاز می شود و در نسل ها ادامه می یابد. در هر نسل گنجایش تمام جمعیت ارزیابی می شود، چندین فرد منحصر در فرایندی تصادفی از نسل جاری انتخاب می شوند (بر اساس شایستگی ها) و برای شكل دادن نسل جدید، اصلاح می شوند (كسر یا دوباره تركیب می شوند) و در تكرار بعدی الگوریتم به نسل جاری تبدیل می شود.

مقدمه

در مسائل تصمیم گیری به منظور رسیدن به اهداف مورد نظر می توان مسئله را به صورت یك مدل ریاضی تبدیل نمود و از روش های بهینه سازی موجود بهره جست. تبدیل یك مسئله تصمیم گیری به یك مدل ریاضی، مدل سازی نامیده می شود. به طور كلی مدل سازی سیستم ها به دو منظور شبیه سازی و بهینه سازی انجام می گیرد.

مدل های بهینه سازی كه مبتنی بر الگوریتم های ریاضی ای هستند كه قادر به تعیین بهترین و بهینه ترین راه حل برای مسائل می باشند. و این راه حل ها از دقت بالایی برخوردار بوده و باعث افزایش منافع می شوند. این مدل ها می توانند خطی یا غیر خطی باشند. در حالیكه مدل های شبیه سازی به پیش بینی عملكرد سیستم با توجه به مقادیر متغیرهای داده شده توسط كاربر محدود است، مدل های بهینه سازی به صورت خودكار به جستجوی یك گروه بهینه از بین مقادیر متغیرهای تصمیم می پردازند.

الگوریتم ژنتیك یكی از روشهای جدید بهینه سازی است كه بیشتر برای بهینه سازی مسائل بسیار پیچیده و غیر خطی به كار می رود. اساس این روش بر مبنای فرایند تكامل است.

در واقع اساس این روش بر پایه اصل “سیر تكاملی جانداران در طبیعت”یا “انتخاب طبیعت” است.

در همه مسائل، الگوریتم ژنتیك به وسیله تابع هدف خود كه از نوع ماكزیمم است، نقطه بهینه را در مسئله میابد.

الگوریتم های ژنتیك تفاوت بسیار زیادی با روش های بهینه سازی قدیمی دارند. در این الگوریتم باید فضای طراحی به فضای ژنتیك تبدیل شود. بنابراین الگوریتم های ژنتیك با یك سری متغیرهای كدشده كار می كنند. مزیت كار با متغیرهای كدشده در این است كه اصولاً كدها قابلیت تبدیل فضای پیوسته به فضای گسسته را دارند. یكی از تفاوت های اصلی این روش با روش های قدیمی بهینه سازی در این است كه الگوریتم ژنتیك با جمعیت یا مجموعه ای از نقاط در یك لحظه خاص كار می كند.

روش الگوریتم ژنتیك ضمن آن كه هزینه نسبتاً زیادی در مقایسه با سایر روش های بهینه سازی دارد، در پروژه های چند منظوره و پیچیده كاربرد داشته و نسبتا سریع به جواب می رسد.

تعداد صفحه : 50

قیمت : 14700 تومان

 

—-

پشتیبانی سایت :       

*         serderehi@gmail.com