الگوریتم های ژنتیک

الگوریتم های ژنتیک

اسلاید 1: استاد راهنما : ******** ارائه دهندگان : ****************آشنایی با الگوریتم های ژنتیک دوشنبه 24 فروردینبسم الله الرحمن الرحیم

اسلاید 2: فهرست مطالبJenetic algorithmاستراتژیهای جستجو (مقدمه)الگوريتمهای تکاملی (پیشینه‏کاری)الگوريتمهای ژنتيکچند اصطلاح آشنایی با الگوریتم های ژنتیک ساختار الگوریتم های ژنتیک عملگر های الگوریتم ژنتیک مزایای الگوریتم ژنتیک معایب و اشکالات وارد به الگوریتم های ژنتیک برنامه نویسی ژنتیک تاریخچه قدم های اولیه برنامه نویسی ژنتیک برنامه نویسی ژنتیک مشکلات برنامه نویسی ژنتیک کاربرد ها مراجع

اسلاید 3: استراتژیهای جستجوکاملمکاشفه ایقطعیغير قطعیتک جوابیمبتنی بر جمعيتالگوريتمهای تکاملیبرنامه ريزی تکاملیاستراتژی تکاملیالگوريتمهای ژنتيکبرنامه ريزی ژنتيکالگوريتمهای تخمين توزيع(Heuristic)(Non-deterministic)(Estimation of Distribution Algorithms)(Evolutionary Algorithms)(Population-based)(Search Strategies)Jenetic algorithmمقدمه : استراتژیهای جستجو

اسلاید 4: الگوریتم های تکاملی Jenetic algorithm

اسلاید 5: نمودار گردشی فرآيند يک الگوريتم تکاملیJenetic algorithmفرايند توليد تا وقتی که جواب مورد نظر حاصل شود ادامه می يابد( اغلب جمعيت اوليه بصورت تصادفی توليد می شود)پروسه توليد جمعيت جديد از جمعيت فعلیجايگزينی جمعيت حاصل بجای جمعيت قبلیجمعيت اوليهجمعيت جديد

اسلاید 6: چند اصطلاح (زمینه بیولوژیکی)Jenetic algorithmکروموزوم(Chromosome): در هر سلول مجموعه ای از موجودات هم شکل بنام کروموزوم وجود دارد .ژنGene)) : هر کروموزوم از تعدادی ژن تشکیل یافته است ؛ هر ژن یک خصیصه را کد می کند.(مثل رنگ چشم)آلل(Allele) : مجموعه های ممکن برای یک خصیصه آلل نامیده می شود. لوکس(Locus): هر ژن در کروموزوم موقعیت خاصی را داراست.ژنوم(Genome) : مجموعه کامل همه کروموزوم ها.ژنوتیپ(Genotype) : یک مجموعه خاص از ژن ها در ژنوم .فنوتیپ (Phenotype): ژنوتیپ ها بعد از تکامل بیشتر به فنوتیپ ها (که همان خصوصیات فیزیکی و روانی مانند رنگ چشم یا هوش و ...)تبدیل می شوند .

اسلاید 7: آشنایی با الگوریتم های ژنتیک Jenetic algorithmالگوریتم های ژنتیک یکی از شاخه های پردازش تکاملی می باشند.این الگوریتم ها با الهام از روند تکاملی طبیعت مسائل را حل می نمایند . یعنی مانند طبیعت یک جمعیت از موجودات را تشکیل می دهند و با اعمالی بر روی این مجموعه به یک مجموعه بهینه و یا موجود بهینه دست می یابند.با توجه به خصوصیات خاص خودشان به خوبی از عهده حل مسائلی که نیاز به بهینه سازی دارند بر می آیند.

اسلاید 8: ساختار الگوریتم های ژنتیکJenetic algorithmمساله تشکیل جمعیت اولیه جستجوی ژنتیکی مدلسازی مساله جواب ارزیابی جمعیت انتخاب والدینبازترکیبیجهشانتخاب فرزندان تست شرط خاتمه

اسلاید 9: ساختار الگوریتم های ژنتیک Jenetic algorithmوالدين(Parents) فرزندان( Offspring)جمعيت جديد( New Population)جمعيت اوليه( Initial Population)انتخاب ( Selection)کروسور(Crossover)جهش (Mutation)جايگزينی جمعيت جديدبجای جمعيت قبلی

اسلاید 10: ساختار الگوریتم های ژنتیک Jenetic algorithmبرای حل یک مساله با الگوریتم های ژنتیک مراحل ذیل را داریم:1)مدلسازی مساله یا بازنمایی 2)تشکیل جمعیت اولیه 3)ارزیابی جمعیت 4)انتخاب والدین 5)باز ترکیبی 6)جهش7)انتخاب فرزندان 8)تست شرط خاتمه الگوریتم

اسلاید 11: مکانیزم یک الگوریتم ژنتیکJenetic algorithm شروعجمعيت اوليهارزيابی جوابها آيا جواب مورد نظر حاصل شده؟پايانانتخابکروسوربلهجهشT=T+1T=0خير

اسلاید 12: جدول هم ارزی مفاهيم بيولوژيکی و عناصر GAJenetic algorithm سير تکاملی طبيعی GAاندازة انطباقمجموعه جوابهای جايگزينتوليدمقدار برازندگی ( تابع ارزياب)والدينفردجمعيتجوابهای برگزيده شدهجواب داوطلبگام تکرارمحيطمساله برای حل