محاسبات نرم در عمران soft computing

صفحه 1:
SOFT COMPUTING استاد درس: دکتر رضا مویدفر 

صفحه 2:
سرفصلهای درس: soe USOft Computingye j ‏چرا محاسبات‎ سققمقالی بر مسالمناتافزمم- مدلسازی به روش کلاسیک گام اول: جمع آوری اطلاعات گام دوم: شناسایی ساختار شبکه عصبی ویژگیهای شبکه عصبی کاربردهای شبکه عصبی ‎AE lan‏ های عصبی .ه 

صفحه 3:
تاریخچه شبکه: عضی تک الاو شبکه عصبی دو لایه تعریف دینامیک بودن در سیستم های کنترلی یادگیری شبکه عصبی ۱-۸۵ ياد كيرى نظارتى (81/86177150) .... ۲-۸۵ یاد گیری بدون ناظر (01510۵7۱560) ... ارائه یک مثال کاربردی از شبکه عصبی به عنوان یک طبقه بندی کننده الگوریتم آموزش .. الگوریتم ژنتیک و برنامه سازی ژ چرا از 64 استفاده می کنیم؟ فرایتد طراحی الگوریتم ژنتیک مقداردهی اولیه . 

صفحه 4:
عملگر انتخاب .. عملگرهای ژنتیک نظریه آجرهای سازنده تلوری بنیادی الگوریتم ژنتیک ... نمایش ‎“Dual Representation)es‏ انواع مختلف الگوریتم های ژنتیک برنامه ‎(Genetic Programming) S233 e3l‏ گوریتم بهیته سازی اجتماع ذرات انواع توپولوژی ذرات منطق فازی مجموعه های فازی ... ‎(Fuzzy Partitioning) 338 gas pent‏ ازه نگاری توابع عضویت 

صفحه 5:
چرا محاسبات نرم (077121/1711© /[50)؟ ‎lol als Soft computing‏ همجون الكوريتم هاى رنتيك. منطق فازى و شبكه هاى عصبى مى باشد كه ممکن است در جاهای مختلف با آن برخورد کرده باشید. این اجزاء را در قالب دیگری هم با نام هوش محاسباتی! می شنوید. این ها از یک دیدگاه خیلی به هم شبیه هستند. ‏هوش محاسباتی و 0011۳101178 50 هر دو از یک سری اجزاء تشکیل شده اند. به عبارت دیگر هر دو اینها منطق ‏فازى. یادگیری تقویتی . روش کلونی مورچه هء الگوريتم های ژنتیک و شیکه عصبی را شامل می شوند. اما در 30/1 ‎ ‏تاكيد خاصى در تركيب اين روش ها وجود دارد. مقدمه اى بر محاسبات ‎(Soft computing) j3‏ : بحث 077171/1118© 50/7 از اواسط دهه ‎3١‏ توسط بروفسور زاده مطرح شد. ‏اجزاء 207۳1011 507 همان اجزائی هستند که در هوش محاسباتی استفاده می شوند. 60770001108 50 و ‎ ‏اش محاسبانی. دو دیدگاه کاملا متفاوت به ابزارهایی است که در ظاهر کاملا مشابه هم هستند. 

صفحه 6:
تعریف پروفسور زاده از محاسبات نرم: پروفسور زاده در سال ۱۹۹۲ در تعریف 607/01081 [50 می گوید: 201/010817 /56 یک پدیده نوظهور است که در اثر تعامل بین پارادایم های مختلف پدیدار شده است. بدین معنی که از قبل تعیین شده نیست. 50 8 سعی می کند به توأنایی دست یابد که مانند مغز انسان تفکر کند. محاسبه کرده و بتواند یاد بگیرد و استنتاج کند؛ در محیطی که توام با عدم قطعیت و عدم دقت است. 

صفحه 7:
مدلسازی به روش کلاسیک رگرسیون خطی بق لخو تاقري + كتوق + ‎l= Bot BX‏ زمانى كه مجموعه يا بردارى از متغيرهاى وابسته وجود داشته باشد: ‎Y, 3 A‏ و2 ‎x, i, = Pr Fog =|" f=] | Boa =] ‎۳ ¥, 2 By ‎m ‎ ‎i=1,2. ‏اب‎ & Ly 

صفحه 8:
د ضرایب رگرسیون : به کمک روش حداقل مربعات مقادیر بردار ببر با می‌نیمم کردن معادله ‎OY)‏ O=S0, -Ay-Bk ‏دوق‎ روش‌های انتخاب متغییر در مدل رگرسیونی روش همزمان در اين روش کلیه متغیرهای مسنقل به ترتیبی که وارد جعبه 1006060616 شده‌اند همزمان به مدل رگرسیون وارد می‌شود. 0 روش حذفى در ابن روش متغيرهاى مستقل يك جا از معادله خارج می‌گردند. البته نمىتوان از اين روش برای ساختن معادله در مرحله اول بهره گرفت. در صورت کاربرد اين روش بعنوان اولین روش نرم‌افزار 5 روش همزمان را به عنوان روش اول در ساختن معادله رگرسیونی در نظر می‌گیرد. سپس از آن به عنوان روش دوم استفاده می‌شود. این روش معمولاً کربرد کمی در رگرسیون دارد؛ از سویی مانند روش همزمان عمل می‌کند. 

صفحه 9:
روش پیش‌رونده رامحل پیش‌رونده به صورت زیر پیش می‌رود. ابتدا همبستگی ساده بین هر یک از متفیرهای مستفل و وایستة محاشیه موتلود سیب ‎Yin, ge BT‏ "له اقمیسنگی اکن .با ماغیر وبستتة از هن قوی‌تر است وارد تحلیل می‌گردد. دومین متفیری که وارد تحلیل می‌شود متفیری است که در ورای واریانس بدست‌آمده توسط متفیر اول بیشترین افزایش در "1 را باعث می‌شود. سومین متفیری که وارد تحلیل می‌شود متنیری است که پس از تفکیک دو متغیر مقدم بر آن بالاترین مجذور همبستگی نیمه تفکیکی را با متفیر وایسته داراست. ۱ روش پس‌رونده اين روش با محاسبه همبستگی چند متغیره بین همه متغیرهای مستقل با متغیر وابسته آغ می‌شود. سپس» هر یک از متغیرهای مستقل به نوبت از معادله کنار گذاشته شده و کاهش ناشی از آن در ۳7 مطالعه می‌گردد. به عبارت دیگر, با هر متفیر چنان رفتار می‌شود که گویی آخرین متفیری است که وارد معادله می‌شود. بدین: ترتیب: عتقیری را می‌توان ناز شناخت که اگر آخز از :همه وارد: معادل: شود افزایش را در 137 ایجاد کند. 

صفحه 10:
x . روش گام به گام پر کاربردترین روش برای ساختن مدل می‌باشد. در اين روش متغیرهای مستقل یه ترتیب اهمیت وارد معادله می‌شوند با اين تفاوت که هر بار بعد از ورود یک متفیر. متفیرهایی که تا کنون وارد شدهاند مجدداً مورد بررسی قرار می‌گیرند و اگر سطح معناداری‌شان کاسته شد از مدل خارچ. و گرنه باقی می‌مانند. پس در واقع اين روش ترکیبی از دو روش قبلی می‌باشد؛ یعنی متغیرها به روش پیش‌رونده وارد معادله شده و به روش پس‌رونده خارج می‌گردند. تحقیق نرمال بودن داده‌ها از طریق چولگی و کشیدگی چولکی برابر با کشتاور نبوع رغال شننه است. چولکی در حقیقت معیاری از وجود با عدم تقارن تابع توزیع می‌باشد. برای یک توزیع کاملا متقارن چولگی صفر و برای یک توزیع نامتقارن با کشیدگی به سمت مقادیر بالاتر چولگی مثبت و برای توزیع نامتقارن با کشیدگی به سمت مقادیر کوچکتر مقدار چولگی منفی است. در شکل زیر چولگی مثبت و منقی را می بينيد. 

صفحه 11:
2 شکل (۲-۳) نمودار چولگی مثبت و منفی[۲۹]. تگی به عنوان یک ضریب عددی نشان دهنده‌ی مقدار ارتباط یا وابستگی دو متغیر تعریف شده است. به عبارت دیگر مقدار اندازه و جهت انحراف از میانگین یک متفیره وابسته به مقدار و جهت انحراف از میانگین متفیر دیگری است. این روش آماری به عنوان ضریب همبستگی پیرسن شناخته شده آنبت: ضریب همیستگی سمواره عددی است بین حو مقنار - ‎whey‏ 

صفحه 12:
انواع داده ۱) داده‌های کمی" (فاصله ای) اعدادی هستند که بیانگر کمیت به صورت واحدهای عددی و بر اساس یک مقیاس مستقل است. قد و وزن مثال‌های بارز داده‌های کمی هستند. ۲ داده‌های رتبه ای" مشتمل بر رتبه‌ها. تعلق داشتن به گروه‌های رتبه بندی شده یا اطلاعات ترتیبی است. به عنوان مثال اگر دو داور به یک مجموعه ۱۰ تایی از نقاشی رتبه یک (برای بهترین) تا رتبه ۱۰ (برای بدترین) بدهند. مجموعه داده‌ها مشتمل بر ۱۰ جفت رتبه خواهد بود. که هر جفت برای یک نقاشی است. ۲ داده‌های اسمی" که مربوط به متفیر یا خواص کیفی مانند جنس یا گروه خونی است و بیانگر عضویت در یک گروه خاص می‌باشد. محاسبه ضرایب همبستگی تا حدود زیادی متاثر از مقیاس اندازه‌گیری متفیرها است. بعنوان مال برای متفیرهای اسمی جهت رابطه اصلا معنی ندارد. بين جنس و معدل تنها می‌توان گفت که شدت وابستگی چه مقدار است اما افزایش یا کاهش جنس معنی ندارد[۲۹]. 

صفحه 13:
آزمون های آماری و آزمون پارامتری زمون‌های ] آزمون ] به منظور تعیین تفاوت معناداری بین دو میانگین به کار می‌رود. اين آزمون یک آزمون پارامتری است. سه نوع آزمون ؟ وجود دا * یک نمونه‌ای اين آزمون به اين سؤال پاسخ می‌دهد که میانگین مشاهده شده در مقایسه با مقدار واقعی تفاوت معناداری دارد یا خیر. این آزمون ساده ترین آزمون ‎t‏ می‌باشد. ‎got‏ گروه مستقل اين نوع آزمون را آزمون غیر وابسته نیز می‌خوانند. در اين نوع آزمون تفاوت بين میانگین‌های دو جامعه آماری مستقل. مورد آزمون قرار می‌گیرد. زوجی یا دو گروه وابسته به اين آزمون. ؟ همبسته یا وابسته نیز می‌گویند. برای تشخیص تفاوت میانگین دو گروه وابسته. از این آزمون استفاده و انجام می‌شود. 

صفحه 14:
آزمون آماری ۴ : در اين آزمون همبستگی ت رکیب متفیرهای مستقل با متغیر وابسته مورد سنجش قرار می گیرد. زمون دوربین واتسون برای بررسی خود همبستگی باقیمانده‌ها دررگرسیون در تحلیل رگرسیون پخصوص زمانی که متفیرها در طول یک فاصله زمانی مورد مطالعه قرار می‌گیرند ممکن است تغییر داده‌ها در طول زمان از الگوی خاصی پیروی کند برای تشخیص این الگو از آزمون دوربین واتسون استفاده می‌شود. مفهوم مستقل بودن به این معنی است که نتیجه یک مشاهده تاثیری بر نتیجه مشاهدات دیگر نداشته باشد. در رگرسیون, بیشتر در مواقعی که رفتار متغیر وابسته در یک بازه زمانی مورد مطالعه قرار می‌گیرد ممکن است با مشکل مستقل نبودن خطاها برخورد کنیم به اين نوع ارتباط در داد‌ها خودهمبستگی می‌گویند[۲۹] براى بررسی این فرض به صورت شهودی می‌توان از نمودار کردن توالی متفیر 511006011260 در 5 استفاده کرد. اما راه مطمتن‌تر استفاده از آزمون دوربین واتسون می‌باشد. آماره دوربین واتسون بين ۰ تا ۴ می‌باشد. اگر بین باقیمانده‌ها همبستگی متوالی وجود نداشته باشد. مقدار اين آمار بايد به 7 ‎Sl ath Boy‏ به ضفر تودیک با همبستگی منفی می‌باشد. در مجموع اگر این آماره بین ۱ تا ۲/۵ باشد جای هیچ نگرانی نیست. 

صفحه 15:
آشنایی با محیط نرم افزاری ‎٩۳55‏ جهت انجام فرآیند مدلسازی کلاسیک: 

صفحه 16:
تحلیل خروجی های نرم افزار 5۳55 : تحلیل واریانس یا ۸۱۱0۷۸ : 5 770 30 602 12355 175 Mean Square. 1578 006 3342 335 2072 3713 1.833 735 348 336 584 201 ANovat ‘Sum of Squares 7578.05 110.280 1689245 720 66.295 689.245 15 56.629 9245 2 10.208 689.245 1683422, 5.823 1689 245 Mode! Regression Residual Total Regression Residual Total Regression Residual Total Regression Resid Total Regression Residual Total 

صفحه 17:
جدول ضرائب مدل: Coefficients” Unstandardized Tandardized Coefficients. Cosfiicionts Modol Js | sid Error | Beta (Constant) Density o79| 1 109 Speed -702| -6.925| MeanQuauelength 371 3 Dependent Variable: Delaytime 

صفحه 18:
جدول ضریب همبستگی: ‘MeanQueuatength] Speed 957 و 900‘ 000‘ 536.281 674.951 18773 198.087 03 3 275 7 9 0 975.180 210 70.082 35 1154915 0060 تیوه 286.785 25 25 1 20 0 102143 011 357 38.968 1 53 Density 2 00 0002 31772 03 1 1014582 ومو 25 75 0 2881085 09 25 25 0 0 11.085 35 Correlations Delaytime 1 1689.245 مج وه 36 25 ۳ 1080246, 2 53 Sar ‘000 9674951 108.087 25 27 موم 596281 15773 Ed ۳ ‘Pearson 00 ‏اهنت مد‎ ‘Sum of Squares and Cross- products Covariance N Density ‘Pearson Corelaton Sig. (24alea) ‘Sum of Squares and Cross prosucts Covariance N TcancueucLenghn —Fearson Comeaion Sig. (24alea) ‘Sum of Squares and Cross. products Covariance N Speer 2 ‏ورد‎ (24alea) Sum of Squares and Cross- products Covariance N, "7 Canaiaton fs Sgniieant athe GOT reve (2 taleay 

صفحه 19:
تحقیق نرمال بودن داده ها: آزمون چولگی و کشیدگی: Kurtosis Sid_ Error | Statistic [ Std Error 77۳ 773 7 7 زمون شاپیرو ویلک: 0 Statistic 395 398 308 398 Shapiro-Wik Di 35 35 35 35 Descriptive Statistics 50 Deviation Statistic 582 932 562 849. Statistic 7.04806, 546251 16.30002 231455 Sig (000) 97 ‘000 003, N Mean ‘Std Error 119144 a2aa5 276570 39123 Dt 25 35 35 Statistic | Statistic 9.5804 17 ‏4اعه‎ ‎42.8017 49,6323 Kolmogorov-Smirmov™ Statistic Delaytime 260 Density 186 MeanQueustengtn | 228 2. Liliefors Significance Comecton 

صفحه 20:
آزمون دوربین واتسون: این آزمون جهت محاسبه مقدار خود هم بستگی متفیرهاست که دامن‌ی تفیبرات آن ۰ تا ۴ Sp MB spas canes gles 2c ‏كم در تابع مورد بررسىما و همم بستكي‎ لقن[ تى براي أن أمده ما با توجه بد تعداد متقیرهای لی میان آنها حدود ۱ تا ۵/برای آن قابل قبول است که مقدار محاسبه شده برای مدل مورد نظر مطابق جدول زیر ۰/۹۹۳ است. Model Summary? (1+ —a) ‏حول‎ Model Summary” Adjusted R ‏موه وب یه ف‎ ٩ ۳۳۳۵۳5 (Constant), Speed, Densty, Mean@ueueLengih by. Dependent Vanable: Delaytme 

صفحه 21:
آشنایی با محیط نرم افزاری 3۳) جهت انجام فرآیند مدلسازی ژنتیکی: 

صفحه 22:
اعتبارسنجی و با صحت سنجی مدل: جدیل 0--منلمای داس تتكيك كلا مطلعه موردی: = = ‎3x0NB) ۶‏ $23 +زه 31.10 578770160 +060-50635 ]عون خرب | ‎٩۸‏ کل مبموو رو رو ‎NB BL‏ tee [eee [oe [eee | ee ef a ‎BR [os] gee‏ كلاق ‎egpsts | Coo=2835.1+ 319.3«(N.C)+ 6.7x(L.A)- 642.89(N.B) 1‏ ‎ ‎0 8.2x( ‎ ‎ ‏جهارمين متغير | سومين متغير | دوين متغير |" أو ‎ ‎51 3 a 2 Ta TAF ‎ ‎ ‎ ‎ ‎Oco = -761143+178.7(P.A)-2099.8(B.L) ۳ 172x(Ca)#2804.7-(P.C) ‎ ‎23 ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 23:
مدل - مشاهده 100 * < درصد خطای ارزیابی مشاهده ‎Turnover [ Crane | LandArea | BerthLength | NumBerth [Moga _ | % Error‏ 239 وك 10 3000 175.00 25 14524 10.72 4 90 50.00 6 2126 1647 10 3000 175.00 25 11299 45 آووده 3 708 141 17 4046 ممعم ‎cac | sun Model‏ | هملد | ‎Tumover | ta | tat‏ 241 335 241.67 3 3 725 18 342 ‎cae 372 3.60‏ 5 4 1060 30 359 15.66 458 255.00 2 2 510 19 543 ‎wo | 1236 4 3 557 1331 24.42‏ 1761 

صفحه 24:
:Sensitivity Analysis . J. ct> Lbs جدول )09-1 ‎GE‏ حاصل از افزايش و کاهش جذب بندر بزای کالای عموم؟ ‘Turnover | Berthtength | UN | C/U) | L011 | ModelLvo.e1) | Model ] %Change 2684 950 261.25 | 0.02207 | 1045 1805 2354 | 23.32 13629) 3000 330.00 | 0.07576 | 00 12887 asiso | 7 10795, 7875 373.75 | 0.01338 9830 10790 | 0 2568 1037 22814 | 0.03507 | 1140.7 2517 2861 | 04 Turnover | Berthtength | uN | ‏عم | هت‎ Moasio.t) | Model | %change 2884 950 213.750 | 002807 | 5 2857 2354 13629 3000 270.000 | 0.09259 | 2700 13280 13160 | 91 7478 305.795 | 0.01635 11724 10790 | 8.65 1037 136.660 | 0.04286 | 933.3 3134 2861 9.56 

صفحه 25:
| poke gull ۱۶ -8( ‏جدول‎ موم 847 21 291 5.04 eChange ویو 242 2.91 5.07 Modet 2354 13160 10790 2861 ‘Model 2354 13160 10790 2861 Model(C-1) 2553 13438 11104 3005 Model(C-1) 2154 12881 10476 716 24 یاه 0.02947 0.08667 0.01766 0.04339 یاه 0.02105 0.08000, 0.01177 0.03375 237.500 300.000 339.73 207.400 uN 237.500, 300.000 339.73, 207.400 10 22 Num.berth 10 22 Crane 6 25 Crane 25 کالای عمومی Turnover 2884 13629 10795 2568 Tumover 2884 13629 10795 2568 

صفحه 26:
كر« م روه م ا و ست 

صفحه 27:
Neural Network. was ‏شبكه‎ سلول عصبی بیولوژیک ‎tN@uron‏ ‏سلول عضبی بیولوژیک شامل دندریث (06۳00۲[۲65) :جسم سلول 8۵0۷ 66۱۱) ( و سینانس 5۷۵056)) می باشد ۶ تفاوت های شبکه عصبی مصنوعی و بیولوژیکی: * برنامه کامپیوتری استفاده شده: ‎slo 24515 MATLAB‏ فراوانی دارد یکی از کاربردهای آن در شبکه عصبی می باشد . ‎٠‏ سلول عصبی مصنوعی: ‏* هر سلول عصبی از یک ورودی و خروجی ويك تابع ‎(Transfer function) Jlatl‏ تشکیل شده است هر ورودی در یک مقدار که به آن وزن (۷۷6[96) گفته می شود ضرب ‎we‏ شود و حاصل توسط تابع انتقال (معادل جسم سلول در سلول بیولوژیک) پردازش می شود. 

صفحه 28:
y boy ¢ [as 0 a=fiwpth? input Neuron With Blas : Transfer function Jlaiil ‏توابع‎ ٠ ‏شبکه عصبی با ورودی برداری:‎ . 

صفحه 29:
a=fiwpth> input Neuron With Vector Input n=w1,1 pl+wi1,2p2+...+w1,R pR+b : ‏يك لايه از نرون ها‎ ٠ 

صفحه 30:


صفحه 31:
شبکه عصبی چند لایه : ل ‎F bes a four‏ نسم[ ‎F faa) a‏ \ 1 ۷ ‎bu SZ/ be‏ ‎bs 6 7۷ ۰‏ 8 09ح 2ك إن زود ‎TPR‏ ‎the =‏ صل ‎ok‏ ‎J 3 LN‏ ۳ 2 ‎po 5 ple pos‏ ل" ‎acs kup+b) asf wp+b)‏ جم وم عه ‎nput Loyer 1 Layer 2 Layer 3‏ 

صفحه 32:
در شبکه غضبی نیاز به بزنامه تویسی نمی باشد وبر مبنای یادگیری ات براق یاذگیری شبکه تیاز به آموزش دارد. برای آموزش ‎a> S (Train)‏ ورودی و خروجی به سیشتم داده مي بقود: awl Go feed-forward backprop ¢5i jI ‏الگوریتم شبکه‎ (forward) gl> a 94 24s (backward) ‏قرايند به سمت عقب‎ ‏يعنئى بكسزي عمليات كامل معاسياتى براى همه جفت هافق اموزشن‎ )2066( «Soil ‎٠‏ الكوريتم خطاى حداقل مربعات: ‏10-3)10(2))< .1/0 دعكمم 

صفحه 33:
شنایی با مفاهیم الگوریتم ژنتیک الگوریتم ژنتیک ‎«GA jLaisl w L (Genetic Algorithm)‏ یکی از انواع ‎sly grime cl SiS‏ یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکامل است که از تکنیک‌های زیست‌شناسی فرگشتی مانند ورائت و جهش استفاده می‌کند. در واقع الگوریتم هاي ژنتيك بر پایه اصول انتخاب طبيعي داروین, در یافتن فرمول بهینه جهت پیش بيني يا تطبيق الكو عمل ميكنند. الگوریتم هاي ژنتيك اغلب گزینه خوبي براي تكنيكهاي پیش بيني بر مبناي رگرسیون هستند. الگوریتم ژنتیک بطور ‎AS‏ یک الگوریتم ‎py Cais‏ كزان اسلف كه الف لس هاف إن له صورت فرآیند هاف تحادكف اكات هل شون 

صفحه 34:
شکل (13-3) فلوچارت مراحل الگوریتم ژنتیک 

صفحه 35:
مطلاحات و مفاهیم پایه ای در الگوریتم ژنتیک ژین: بدن هر موجود زنده اي از سلول تشکیل یافته است و در سلول نیز کروموزوم ها وجود دارند. کروموزوم ها نیز از رشته هاي ‎DNA‏ شکل گرفته اند. رشته هاي 0۱۷۸ هم از ئن تشکیل یافته اند. به هر بلوک 0۸۷۸ یک ژن مي گویند و هر ژن نیز از یک پروتئین خاص ومتحضربه فرد تشکیل یافته است. و به مجموعه از ژن ها یک ژنوم (6600۳06)) مي گویند. کروموزوم: در الگوريتمهاي ژنتيکي, هر کروموزوم نشان دهنده يك نقطظه در فضاي جستجو و بل راهجل ممکن براي مسله مورد نظر است. خود کروموزومها (راه حلها) از تعداد ثابتي ژن (متغیر) تشکیل تند "براي تفاش كروموزومها: معمولا ازا كدكذار هاف دودوين (رشتههاي بيني استفاده ميشوه: جمعیت. مجموعهای از کروموزومها يك جمعیت را تشکیل میدهند. با ثیر عملگرهاي ژنتيکي بر روي هر جمعیت, جمعیت جديدي با همان تعذاد کروموزوم تلتکیل مشود تابع برازندگی: به منظور حل هر مسئله با استفاده از الگوريتمهاي رسكن انعد بايد مك تابه برازندگن براییلن مسله ابداع شود براي هر کروموزوم, اين تابع عددي غیر منفي را برمیگرداند که نشان دهنده شايستگي یا توانايي فردي آن کروموزوم است. 

صفحه 36:
عملگرهاي الگوریتم ژنتيك اين عملكر از بين كروموزومهاي موجود در يك جمعیت, تعدادي کروموزوم را براي توليد مثل انتخاب ميكند. كروموزومهاي برازندهتر شانس بيشتري دارند تا براي توليد مثل انتخاب شوند. انتخاب نخبكان ‎:(Elitist Selection)‏ مناسبترين عضو هر اجتماع انتخاب می‌شود. با توجه به مقدار شایستگی كه از تابع ارزياب دریافت کرده است. نمونهبرداري به روش چرخ رولت: در اين روش, به هر فرد قطعهاي از يك جرخ رولت مدور اختصاص داده ميشود. اندازه این قطعه متناسب با برازندگي آن فرد است. جرخ 5 بار چرخانده میشود که ۱ تعداد افراد در جمعیت 

صفحه 37:
و منود عملگر آمیزش (6۲۵550۷6۲): در جریان عمل تلفیق به صورت انفاقی بخش هایی از کروموزوم ها با یکدیگر تعویض می شوند. این موضوع باعث می شود که فرزندان ترکیبی از خط وصياكر والفين خلروراديه تراه داشنو ادر و اذكيقا طايه يعن از والدین نباشند. هدف تؤليد فرزند جديد من باشذ :به اين اميد كه خصوضيات خوب دو موجود در فرزندشان جمع شده و يك موجود بهترى را توليد كند. روش كار به صورت زير است: به صورت تصادفى يك نقطه از كروموزوم را انتخاب مى كنيم. ژن های مابعد آن نقطه از کروموزوم ها را جابجا می کنیم. 

صفحه 38:
انواع روش تلفیق: تلفیق تک نقطه ای ‎(Single Point Crossover)‏ : اگر عملیات تلفیق را در یک نقظه انجام دهیم به آن تلفیق تک نقطه ای می گویند. تلفیق بدین صورت انجام مي كيرد كه حاصل تركيب کروموزوم هاي پدر و مادر مي باشد.روش تولید مثل نیز بدین صورت است: که ابتدا بصورت تضادفي ,نقطه اي که قرار است تولید مثل از آنجا آغاز گردد ,انتخاب ‎too‏ ‏گردد.سپس اعداد بعد از آن به ترتیب از بیت هاي كروموزومهاي پدر و مادر قرار هل گیرد که در اشکل ری نيز تشان ذاذه شده است: سس سس ‎|Chromosome 1}11011 | 00100110110‏ [Chromosome 2 {11011 | 11000011110 Offspring 1 {11011 ۵ amo Ina TTT [Offspring 2 {11011 | 00100110110 شکل )15-3( ‎Ss‏ نمونه تلفیق (آمیزش) 

صفحه 39:
روش ادغام دو نقطه ای ((0۲۵550۷6۲ 1۷0-0010۴ : گرتاين روش دق فكان راابه صورت تصادفی انتجات کرده و مقاذیر تین اس ده نقظه را حانجامی کم شکل (16-3) روش ادغام دونقطه ای تلفیق ‎(Uniform Crossover) gol>‏ : أكر تمام تقاط کروموزوم را ‎iS Glas ead ahs doles Sloan‏ به آن بازترکیبی جامع می گوئیم. ۸ Parent 3 Offspring شکل (17-3) روش تلفیق جامع 

صفحه 40:
:( Mutation) yug> Slee ‏پس از اتمام عمل آمیزش, عملگر جهش بر روي کروموزومها اثر داده میشود. اين‎ ‏عملگر يك ژن از يك کروموزوم را به طور تصادقي انتخاب نموده و سپس محتواي آن‎ ‏ين را تغيبر ميدهذ. اكر ثن از جنس اعداد دودويي باشد, لن را به وارونش تبدیل‎ ‏مجموعه باشد, مقدار یا عنضر ديگري از آن مجفوعه را‎ chy ay ‏میکند و جنانچه متعلق‎ ‏میهد در شكل ير يكوتكن هش یافتن یمین زنب‎ oe Ole ‏د‎ کرومورفم تشان داده فده ینت پس از اتمام عمل جهش, كروموزومهاي تولید شده به عنوان نسل جدید شناخته لگ و راف بك وعد اخراى الكور نار سل میاه سمل سما 2 1 01 0 | تين 1010101110 شکل (18-3) يك کروموزوم قبل و بعد از اعمال جهش 

صفحه 41:
وند كلي بهینه سازي و حل مسائل در الگورینم ژنتیک : 0= ارزیابی جوابها ‎ss‏ دج م 

صفحه 42:
الگوریتم بهینه سازی اجتماع ذرات الگوریتم بهینهسازی اجتماع ذرات نیز یکی از روش های بهینه سازی می باشد که در سال 1995 ابرهارت و کندی به عنوان یک روش ابتکاری جدید با الهام از جستجوی گروهی غذا توسط پرندگان معرفی گردید. سادگی اجرا و سرعت بالا از مزایای ۳50 نسبت به سایر روش های تکاملی همچون الگوریتم ژنتیک می باشد. انواع توپولوژی ذرات توپولوژی ذرات چگونگی ارتباط بین ذرات اجتماع را بیان می کند. دو دره همشابه دو ذره ای هستند که بدون در نظر گیری فاصله دو ذره از یکدیگر می توانند با یکدیگر تبادل اطلاعات کنند. شکل(3-3)- (الف) توپولوژی سراسری, (ب) توپولوژی محلی, (ج) 

صفحه 43:
توپولوژی بهینه سراسری (توپولوژی ستاره) در تویولوژی بهینه سراسری یا تویولوژی ستاره, هر ذره می تواند با سایر ذرات اجتماع ارتباط داشته باشد. در اين تویولوژی هر ذره اطلاعات بهترین ذره جمعیت (بهترین تجربه سراسری) را دارد و از تجربه خودش و بهترین تجربه جمعیت برای حرکت در لحظه بعدق استفاده میکند: تویولوژی بهینه محلی (توپولوژی حلفوی) کر تویولودی بمتة محلی با تویولودی حلقوی, اهر دره ما دوادرم هفتنانه خوو ارتباط دارد. هر ذره اطلاعات ذرات همسایه خود (بهترین تجربه ذرات همسایه) را دارد و از تجربه خودش و بهترین تجربه ذرات "مجاوزش ‎sly‏ ‏حرکت در لحظه بعدی استفاده میکند. ارتباط در این توپولوژی نسبت به حالت ستاره محدود شده است در نتیجه روند همگرایی ذرات کندتر میباشد. توپولوژی ۱16۷۳۱۵۱۳ ۷۵ (توپولوژی مربعی) این توپولوژٍی توسط نثومن معرقی گردیده است. در اين تویولوژی که الهام گرفته از ساختار مولکولی مواد است. هر دره دریکا شبکه دو بعدی با چهار ذر و همياي ‎oul WU) seo‏ چپ وواست) ارباط ار هر درو از هر تجربه خودش و بهترین تجربه ذرات مجاورش (چهار ذره) برای حرکت در لحظه بعدی استفاده میکند. ارتباط ذرات در این توپولوژی نسبت به ارتباط تاره محدویتر بولی سبت به ارماط خلعهای افزایش بافنه اشت در انیجه روند همگرایی ذرات نسبت ‎ay‏ ارتباط ستاره کندثر و نسبت به ارتباط حلقهای ‎ine‏ ده ات 

صفحه 44:
0 0 ‏وا‎ -D شکل(4-3)- نمایش برداری ذره/ در فضای و و شکل (5-3)- نمای کلی از روند حرکات در الگوریتم 250 

صفحه 45:
| 05 “بتكي مجر ۳۹ -(وع) ۳5۲ 

صفحه 46:
منطق فازي نه علوان مثال :"فرص کنید که در رندالی اسر هستید و دو لدوان برای شا آورده شده اسنت که حما يکي از آنها رز 0 سم 0 سمیت دارد و لیوان سمت ‎a gg‏ احتمال 1 باید بتوشید. لیوان سمت راست ليواني است که به میزان 1 است شما کداميك را مي نوشید؟ 0 يعني يا يم اشت و يا حوب و سالم اشت؛ 0 آن سم است: امابه اصمال 1 / 0 سميت دارد يعني 1 / به ميزان 1 و اين تفاوت فازي و احتمال است. CrispsetA Fuzzy setA s Membership ‏اب‎ function 510" Heights S10" 62" Heights 

صفحه 47:
مثال دیگر: اما در متالی دیگر, تعداد مطلوب فرزندان: هم گسسته و هم 0700720 است. (ترتیب مهم است) X= {0, 1, 2, 3, 4, 5, 6} (discrete universe) A= {(0, 1), (1, .3), (2, .7), (3, D, (4, 6), 5, 2), (6, D} Membership Grades ooo o OLN S © @ 0 2 4 6 X = Number of Children 

صفحه 48:
تقسيم بندى فازى ‎:Fuzzy Partitioning)‏ در حالت # 7071/0717 695 وقتی بخواهيم 1011۵756 را به چند زیر مجموعه تقسیم کنیم. مثلا مى كوئيم افراد پین ۰ تا ۳۰ سال جوان, بین ۳۰ تا ۶۰ سال. میانسال و ۶۰ سال به بالا مسن هستند. ولی در ‎Fuzzy‏ 8 7 مرزها به صورت تدریجی "" هستند Middle Aged Membership Grades 0 10 20 50 ۵ 50 60 70 80 90 X= Age 

صفحه 49:
واژه نگاری توابع عضویت(:10701370/06 ‎AMF‏ هسته ۲۲ : مجموعه ای از ها که کاملا به آن مجموعه تعلق دارد. ه ای از 100201:56 که به میزانی بیشتر از صفر ‎Gli Ag‏ داشته باشند. نقطه تبدیل " آنهایی که هم به 4 تعلق دارند و هم به 4 تعلق ندارد. یعنی به همان میزان که به 24 به همان میزان هم به 4 تعلق ندارد :0 0 مجموعه ای است از ها كه به ميزان © يا بيشتر به 4 تعلق داشته باشد. (يك مجموعه 6752 است ) 

صفحه 50:
>— و6۲ ‎Crossover points‏ a@-cut