نعيمه خاكزاد سودابه سليماني خدايار خليلي استاد مربوطه: مهندس گرجي زاده الگوريتم هاي تكاملي نعيمه خاكزاد سودابه سليماني خدايار خليلي استاد مربوطه: مهندس گرجي زاده

مقدمه : ايده استفاده از قوانين زيستي و تكامل طبيعي در سيستم­هاي هوش مصنوعي به بيش از سه دهه پيش مي­رسد و به نظر مي­رسد كه در چند سال اخير، اهميت آن بيش از پيش آشكار شده­است و تحقيقات در اين زمينه به ميزان بسيار زيادي افزايش يافته­است از الگوريتم­هاي تكاملي براي مسايل متنوعي با دامنه­هاي متفاوت مانند بهينه­سازي، برنامه­نويسي خودكار، يادگيري ماشين، اقتصاد، تحقيقات عملياتي، اكولوژي، ژنتيك افراد و مطالعه بر روي سير تكاملي تغييرات استفاده مي­شود.

كلاس­هاي بزرگ و گسترده الگوريتم­هاي تكاملي عبارتند از : الگوريتم­هاي ژنتيكي برنامه­نويسي تكاملي استراتژي­هاي تكاملي سيستم­هاي دسته­بندي برنامه­نويسي ژنتيك

تاريخچه : الگوريتمهاي ژنتيکي با توجه به نظريه داروين در مورد تکامل رونق گرفتند و سپس ايده محاسبه تكاملي در سال 1960 توسط I.Rechenberg تحت عنوان استراتژي­هاي تكاملي معرفي شد. نظريه او توسط پژوهشگران ديگر گسترش يافت. الگوريتمهاي ژنتيكي توسط فردي به نام John. Holland بنيان­گذاري شد

ديد کلي از الگوريتم­هاي ژنتيكي ديد کلي از الگوريتم­هاي ژنتيكي فرايند حيات جمعيت از ديد ژنتيكي

يک شبه کد براي الگوريتم­هاي ژنتيكي يک شبه کد براي الگوريتم­هاي ژنتيكي شبه کد براي الگوريتم­هاي ژنتيكي به صورت زير است: نمايش و کدکردن[Encoding] شروع [Start] ارزش­دهي [Fitness] جمعيت جديد [New population] انتخاب [Selection] تقاطع [Crossover] جهش [Mutation] پذيرش [Accepting] جايگزيني [Replace] بررسي [Test] حلقه [Loop]

- کدکردن - ايجاد جمعيت جديد رشته­هايي از حروف الفباء جايگشت درخت جهش رشته باينري رشته­هايي از حروف الفباء جايگشت درخت - ارزش­دهي - ايجاد جمعيت جديد انتخاب روش انتخاب تصادفي روش چرخ رولت روش رتبه­بندی روش Rank Power تقاطع جهش

چند نکته راجع به الگوريتم­هاي ژنتيکي در جريان الگوريتم­هاي ژنتيکي اين احتمال وجود دارد که از يک نوع کروموزوم به تعداد بسيار زيادي توليد شود و سبب اين امر شود که جمعيت ما از تنوع جواب کمتري نسبت به ميزان جمعيت برخوردار باشد و سبب ايجاد مشکل در الگوريتم شود. براي حل اين مشکل روشهاي زيادي مطرح شده­است که يکي از اين روشها روش Windowing مي­باشد.

الگوريتمهاي ژنتيكي زماني موثر و كارا هستند كه : فضاي جستجوي مساله بزرگ يا پيچيده است و فهم ما از ﺁن كم است. هيچ تجزيه و تحليل رياضي براي مسأله در دسترس نيست. الگوريتمهاي سنتي با شكست مواجه مي شوند.

مسائلي كه مي توان با الگوريتم­هاي ژنتيکي حل كرد : مسائلي از قبيل مسأله N وزير، رنگ­آميزي گراف، زمانبندي­ها، زمانبندي امتحانات، زمانبندي مسابقات ورزشي، زمانبندي سيستم­های چندپردازنده، واگذاري مشاغل، فروشنده دوره­گرد ، بسته­بندي و هر مساله که بتوان آن را به صورت ژنتيکي کد کرد

بهينه سازي هنگاميکه مساله بهينهسازي تنها شامل يک تابع هدف باشد عمل يافتن جواب بهينه، بهينهسازي تک هدفه ناميده ميشود هنگاميکه يک مساله بهينهسازي شامل بيش از يک تابع هدف باشد عمل يافتن يک يا چندين جواب بهينه را بهينهسازي چندهدفه مينامند از آنجايي که بهينهسازي چندهدفه شامل چندين هدف است بديهي است که بهينهسازي تکهدفه در واقع حالت خاصي از بهينهسازي چندهدفه ميباشد.

تفاوتهاي بنيادي جوابهای فرضی برای يک مساله تصمیمگیری خرید ماشین

مقدمه در اينجا به مسائل مربوط به مساله فروشنده دوره­گرد از قبیل روشهای حل، کسانی که این گونه مسائل را حل کردند و. . . مى پردازیم .

مسائل مربوط به مساله فروشنده دوره­گرد از قبیل: تعريف علت نامگذارى تاریخچه اهميت مطالعه مساله

كاربردهاى عملى TSP كاربرد TSP براى پيدا كردن تور كاربرد TSP در شبكه هاى com

TSP مساله انواع TSP متقارن TSP نامتقارن TSP چند فروشنده اى

چند روش مساله فروشنده دوره­گرد حل TSP به روش توليد همه حالات ممكن حل TSP به روش جستجوى حريصانه حل TSP به الگوریتم نزديكترين همسايه حل TSP به الگوریتم­های ژنتیک

تعاريف رسمى از TSP به عنوان يك گراف TSP به عنوان يك جايگشتTSP

الگوریتم های ژنتیکی و مساله فروشنده دوره گرد در این قسمت می خواهیم به این مساله از دید ژنتیک نگاه کنیم و روش حل آن با الگوریتم­های ژنتیکی و همچنین مسائل مربوط به الگوریتم­های ژنتیکی که در مورد مساله فروشنده دوره­گرد باید دقت شود و مسائل دیگر بپردازیم.

کدکردن مساله فروشنده دوره گرد کدکردن ماتریسی کدکردن به صورت جایگشت

1- تقاطع در مساله فروشنده دوره گرد

1- تقاطع در مساله فروشنده دوره گرد 1-1- روش PMX (Partially Mapped Crossover) انتخاب یک نقطه تصادفی در کروموزوم در روش PMX تعویض اعداد موجود در محل انتخاب

1- تقاطع در مساله فروشنده دوره گرد 1-2- روش OX Ordered Crossover))

1- تقاطع در مساله فروشنده دوره گرد (Cycle Crossover) 1-3- روش CX

1- تقاطع در مساله فروشنده دوره گرد 1-4- روش MX (Merging Crossover)

1- تقاطع در مساله فروشنده دوره گرد (Modified Ordered Crossover) 1-5- روش MOX

1- تقاطع در مساله فروشنده دوره گرد 1-6- روش Greedy Subtour تقاطع

جهش در مساله فروشنده دوره گرد مشکل عدم حالت جایگشتی پس از جهش معمولی

انواع روشهای جهش: 1- روش Insert جهش روش Swap جهش -2

انواع روشهای جهش: 3- روش Inversion جهش 4- روش Scramble جهش

انواع روشهای جهش: 5- روش 2-opt جهش 6- روش 3-opt جهش

نتيجه گيري پيشنهادات