پاورپوینت کامل آشنایی با الگوریتم ژنتیک دودویی (باینری) ۷۲ اسلاید در PowerPoint

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل آشنایی با الگوریتم ژنتیک دودویی (باینری) ۷۲ اسلاید در PowerPoint دارای ۷۲ اسلاید می باشد و دارای تنظیمات کامل در PowerPoint می باشد و آماده ارائه یا چاپ است

شما با استفاده ازاین پاورپوینت میتوانید یک ارائه بسیارعالی و با شکوهی داشته باشید و همه حاضرین با اشتیاق به مطالب شما گوش خواهند داد.

لطفا نگران مطالب داخل پاورپوینت نباشید، مطالب داخل اسلاید ها بسیار ساده و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی پاورپوینت کامل آشنایی با الگوریتم ژنتیک دودویی (باینری) ۷۲ اسلاید در PowerPoint،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از مطالب داخلی اسلاید ها

پاورپوینت کامل آشنایی با الگوریتم ژنتیک دودویی (باینری) ۷۲ اسلاید در PowerPoint

اسلاید ۴: تعاریفکروموزومدر الگوریتم وراثتی هر کروموزوم بیانگر یک جواب مساله بصورت رمز شده است و یک نقطه در فضای جستجو را نشان می­دهد. هر کروموزوم از تعداد مشخصی ژن تشکیل شده است که همان متغیرهای مساله هستند. در الگوریتم وراثتی باینری، ژنها از تعداد معینی بیت تشکیل می­شوند. هر ژن می­تواند مقادیر متفاوتی به خود بگیرد که این مقادیر آللهای یکدیگر برای یک متغیر در یک مساله هستند.جمعیتمجموعه­ای از کروموزومها، یک جمعیت را می­سازند. از هر جمعیت با استفاده از عملگرهای وراثتی، یک جمعیت جدید ساخته می­شود. ۴

اسلاید ۵: تعاریفتابع شایستگی (برازندگی)برای حل هر مساله بهینه­سازی، باید یک تابع شایستگی طراحی شود. تابع شایستگی برای هر کروموزوم(یک مجموعه از متغیرهای ورودی)، یک عدد نامنفی برمی­گرداند که نشاندهنده کارآیی یا توانایی آن کروموزوم در حل مساله است. درحل بسیاری از مسائل، به خصوص بهینه­سازی توابع، تابع شایستگی مقدار آن تابع را به ازای متغیرهای ورودی برمی­گرداند. به عبارت دیگر، تابع شایستگی همان تابع هدف است. اما در حل مسائل مهندسی در دنیای واقعی، اغلب باید یک تابع شایستگی مناسب ابداع و طراحی شود. تولید مثلدر مرحله تولید مثل، تعدادی از افراد جمعیت نسل قبل انتخاب می­شوند. این اعضا ضمن ترکیب با یکدیگر نسل جدید را می­سازند. هر یک از اعضای انتخاب شده برای تولید مثل، والد و هر یک از اعضای تولید شده، فرزند نامیده می­شوند. برای تولید مثل و ساختن نسل بعد از عملگرهای وراثتی استفاده می­شود که مهمترین آنها، عملگرهای انتخاب، همبری و جهش هستند. –۵

اسلاید ۶: تعاریفعملگر انتخاببا استفاده از این عملگر از بین کروموزومهای موجود در یک جمعیت تعدادی برای تولید مثل انتخاب شده و به حوضچه ازدواج منتقل می­شوند. انتخاب کروموزومها بصورت اتفاقی است اما فرایند انتخاب به گونه­ای است که کروموزومهای با شایستگی بیشتر از شانس بیشتری برای انتخاب و تولید مثل برخوردار می­شوند.عملگر همبریعملگر همبری مهمترین عملگر در الگوریتم وراثتی است. این عملگر بر روی دو (چند) کروموزوم والد عمل همبری را اجرا کرده و دو فرزند برای نسل جدید تولید می­کند.۶

اسلاید ۷: تعاریفعملگر جهشاین عملگر، یک ژن از یک کروموزوم را بصورت تصادفی انتخاب کرده و محتویات آن را اندکی تغییر می­دهد. همگراییهمگرایی، پیشرفت به سوی یکنواختی است. چنانچه الگوریتم وراثتی به طرز صحیحی پیاده­سازی شود، جمعیت در نسلهای متمادی تکامل پیدا می­کند و متوسط برازندگی جمعیت نسل به نسل به سمت برازندگی بهترین عضو آن جمعیت نزدیکتر شده و به سمت بهینه کلی سوق پیدا می­کند. یک جمعیت زمانی همگرا نامیده می­شود که همه ژنهای آن همگرا شده باشند و ژنی همگرا گفته می­شود که ۹۵ درصد افراد جمعیت مقدار یکسانی در آن ژن داشته باشند. -۷

اسلاید ۸: تعاریف۸

اسلاید ۹: ساختار کلی الگوریتم وراثتی۹

اسلاید ۱۰: قالب کلی۱۰ارزیابی اعضاءانتخابهمبریجهشعملگرهای الگوریتم شامل انتخاب- همبری – جهش هستند.ارزیابی اعضاءانتخابهمبریجهشارزیابی اعضاءانتخابهمبریجهشt=1t=2t=T

اسلاید ۱۱: مقدار دهی پارامترهاتعیین تعداد اعضای جمعیت نرخ همبرینرخ جهش تعداد متغیرها طول هر متغیر طول کروموزوم تعیین محدوده هر متغیر و دامنه جستجو نحوه خاتمه الگوریتم۱۱

اسلاید ۱۲: ساختار کلی الگوریتم وراثتی۱۲

اسلاید ۱۳: تولید جمعیت اولیهبرای ساختن جمعیت اولیه کافی است که یک ماتریس N*L (شامل N سطر و L ستون) از صفر و یک بصورت اتفاقی با تابع توزیع یکنواخت ساخته شود. در این شرایط هر سطر این ماتریس اطلاعات مربوط به یک کروموزوم را با خود دارد.یک کروموزوم۱۳

اسلاید ۱۴: هر کروموزوم یک بردار L بیتی است. با مقادیر ۰ و ۱Population 14

اسلاید ۱۵: ساختار کلی الگوری