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

دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشکده تحصیلات تکمیلی

“M.Sc” سمینار برای دریافت درجه کارشناسی ارشد

مهندسی عمران – سازه های هیدرولیکی

عنوان:

الگوریتم ژنتیک

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

تکه هایی از متن به عنوان نمونه : (ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)
چکیده
مدل سازی به معنای استخراج روابط بین پدیده های مرتبط با هم و ارایه یک سیستم پویا می باشد، تا امکان پیشگویی تغییرات پدیده یا پدیده ها نسبت به زمان، مکان و غیره به وجود آید. ساخت مدل بر پایه کشف روابط منطقی و شناخت و تفسیر این روابط امکان پذیر می گردد.
بهینه سازی عبارت می باشد از جستجو برای یک سیاست بهره برداری انعطاف پذیر که مقدار تابع هدف را مینیمم یا ماکزیمم می کند. این واژه دارای یک مفهوم ریاضی می باشد. به گونه ساده م یتوان گفت در شرایط بهینه، سود خالص حاصل از عملکرد سیستم حداکثر خواهد بود به بیانی دیگر حالتی از عملکرد سیستم مورد جستجو قرار م یگیرد که در آن محصول تولید شده حداکثر سود خالص را تضمین نماید. به تعبیر ریاضی بهین هسازی سیستم به دنبال حداکثر کردن یک تابع ضمنی مانند U می باشد که در آن شرایط و محدودیت هایی مانند F هست.
الگوریتم ژنتیک نوع خاصی از الگوریتمهای تکامل می باشد که از تکنیکهای زیس تشناسی مانند وراثت و جهش بهره گیری می کند.
الگوریتمهای ژنتیک معمولاً به عنوان یک شبیه ساز کامپیوتر که در آن جمعیت یک نمونهٔ انتزاعی (کروموزوم ها) از نامزدهای راه حل یک مسأله بهینه سازی به راه حل بهتری منجر گردد، پیاده سازی می شوند.همانطور که قبلا گفتیم، به گونه سنتی راه حل ها به شکل رشته هایی از 0 و 1 بودند، اما امروزه به گونه های دیگری هم پیاده سازی شده اند. فرضیه با جمعیتی کاملاً تصادفی منحصر بفرد آغاز می گردد و در نسل ها ادامه می یابد. در هر نسل گنجایش تمام جمعیت ارزیابی می گردد، چندین فرد منحصر در فرایندی تصادفی از نسل جاری انتخاب می شوند (بر اساس شایستگی ها) و برای شکل دادن نسل جدید، اصلاح می شوند (کسر یا دوباره ترکیب می شوند) و در تکرار بعدی الگوریتم به نسل جاری تبدیل می گردد.
مقدمه
در مسائل تصمیم گیری به مقصود رسیدن به اهداف مورد نظر می توان مسئله را به صورت یک مدل ریاضی تبدیل نمود و از روش های بهینه سازی موجود بهره جست. تبدیل یک مسئله تصمیم گیری به یک مدل ریاضی، مدل سازی نامیده می گردد. به گونه کلی مدل سازی سیستم ها به دو مقصود شبیه سازی و بهینه سازی انجام می گیرد.
مدل های بهینه سازی که مبتنی بر الگوریتم های ریاضی ای هستند که 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 حالیکه مدل های شبیه سازی به پیش بینی عملکرد سیستم با در نظر داشتن مقادیر متغیرهای داده شده توسط کاربر محدود می باشد، مدل های بهینه سازی به صورت خودکار به جستجوی یک گروه بهینه از بین مقادیر متغیرهای تصمیم می پردازند.
الگوریتم ژنتیک یکی از روشهای جدید بهینه سازی می باشد که بیشتر برای بهینه سازی مسائل بسیار پیچیده و غیر خطی به کار می رود. اساس این روش بر مبنای فرایند تکامل می باشد.
در واقع اساس این روش بر پایه اصل “سیر تکاملی جانداران در طبیعت”یا “انتخاب طبیعت” می باشد.
در همه مسائل، الگوریتم ژنتیک به وسیله تابع هدف خود که از نوع ماکزیمم می باشد، نقطه بهینه را در مسئله میابد.
الگوریتم های ژنتیک تفاوت بسیار زیادی با روش های بهینه سازی قدیمی دارند. در این الگوریتم بایستی فضای طراحی به فضای ژنتیک تبدیل گردد. پس الگوریتم های ژنتیک با یک سری متغیرهای کدشده کار می کنند. مزیت کار با متغیرهای کدشده در این می باشد که اصولاً کدها قابلیت تبدیل فضای پیوسته به فضای گسسته را دارند. یکی از تفاوت های اصلی این روش با روش های قدیمی بهینه سازی در این می باشد که الگوریتم ژنتیک با جمعیت یا مجموعه ای از نقاط در یک لحظه خاص کار می کند.
روش الگوریتم ژنتیک ضمن آن که هزینه نسبتاً زیادی در مقایسه با سایر روش های بهینه سازی دارد، در پروژه های چند منظوره و پیچیده کاربرد داشته و نسبتا سریع به جواب می رسد.
تعداد صفحه : 50
قیمت : 14700 تومان

 

این مطلب رو هم توصیه می کنم بخونین:   پایان نامه ارشد: تحلیل هیدرودینامیکی سکوی نیمه شناور خرپایی تحت امواج تصادفی

***

دسته‌ها: عمران