فرمت فایل : word(قابل ویرایش)
تعداد صفحات:32 صفحه ,19 اسلاید
فهرست مطالب:
چکیده.................................................................................................................4
مقدمه..................................................................................................................5
فصل اول
1-1)الگوریتم ژنتیک چیست؟...................................................................................9
2-1)ایده اصلی....................................................................................................13
3-1)الگوریتم .....................................................................................................15
3-1-1)روش های نمایش ......................................................................................17
3-1-2)روش های انتخاب .....................................................................................18
3-1-3)روش های تغییر .......................................................................................19
فصل دوم
1-2)نقاط قوت الگوریتم های ژنتیک.........................................................................21
2-2)محدودیتهای الگوریتم ژنتیک............................................................................22
3-2)کاربردهای الگوریتم های ژنتیک.......................................................................24
4-2)یک مثال ساده...............................................................................................25
نتیجه گیری........................................................................................................31
منابع................................................................................................................32
چکیده:
الگوریتم های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کنند.الگوریتم های ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی بر مبنای رگرسیون هستند.همان طور ساده،خطی وپارامتری یک گفته می شود،به الگوریتم های ژنتیک می توان غیر پارامتریک گفت.
مختصراً گفته می شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل نمسئله استفاده می کند.مسئله ای که باید حل شود ورودی است و راه حلها طبق یک الگو کد گذاری می شودومتریک که تابع fitness هم نام دارد هر راه حل کاندید را ارزیابی می کندکه اکثر آنها به صورت تصادفی انتخاب می شوند.
کلاً این الگوریتم ها از بخش های زیر تشکیل می شوند :
تابع برازش - نمایش – انتخاب – تغییر
که در ادامه آنها را توضیح خواهیم داد.