دانلود پروژه کارشناسی کامپیوتر-الگوریتم ژنتیک

اختصاصی از یارا فایل دانلود پروژه کارشناسی کامپیوتر-الگوریتم ژنتیک دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:110

فهرست مطالب:

فصل اول -  مقدمه
1-1-    مقدمه 
فصل دوم -  مقدمه ای بر الگوریتم ژنتیک
2-1-    مقدمه
2-2-    پیشینه
2-3-    اصطلاحات زیستی
2-4-    تشریح کلی الگوریتم ژنتیک
2-5-    حل مسأله با استفاده از الگوریتم ژنتیک
2-6-    اجزای الگوریتم ژنتیک
2-6-1- جمعیت
2-6-2- کدگذاری
2-6-2-1-     کدگذاری دودویی
2-6-2-2-      کدگذاری مقادیر
2-6-2-3-      کدگذاری درختی
2-6-3- عملگرهای الگوریتم ژنتیک
2-6-3-1-       fitness (برازش)
2-6-3-2-      selection  (انتخاب)
2-6-3-3-   crossover    (ترکیب)
2-6-3-4-  mutation     (جهش)
2-7-    مفاهیم تکمیلی
2-7-1- برتری ها و ضعف های الگوریتم ژنتیک
2-7-2- نکات مهم در الگوریتم های ژنتیک
2-7-3- نتیجه گیری
فصل سوم - کاهش اثرات زیست محیطی آلاینده های Cox، NOx و SOx در کوره ها
3-1-    مقدمه
3-2-    احتراق
3-2-1-    روش محاسبه ترکیبات تعادلی با استفاده از ثابت تعادل
3-2-2-    روش محاسبه دمای آدیاباتیک شعله
3-2-3-    انتخاب سیستم شیمیایی
3-2-4-    تأثیر دمای هوا و میزان هوای اضافی بر تولید محصولات
3-3-    بهینه سازی
3-3-1-    روش های حل مسائل بهینه سازی
3-3-2-    روش تابع پنالتی
3-3-3-    الگوریتم حل تابع پنالتی

3-4-    برنامه ی کامپیوتری و مراحل آن
3-5-    تشکیل تابع هدف
3-6-    تشکیل مدل مسئله بهینه سازی
3-7-    روش حل
فصل چهارم - توضیحاتی در رابطه با gatool نرم افزار مطلب
4-1-    gatool
4-2-    تنظیم گزینه ها برای الگوریتم ژنتیک
4-3-    Plot Options
4-4-    Population Options
4-5-    Fitness Scaling Options
4-6-    Selection Options
4-7-    Reproduction Options
4-8-    Mutation Options
4-9-    Crossover Options
4-10-    Migration Options
4-11-    Output Function Options
4-12-    Stopping Criteria Options
4-13-    Hybrid Function Options
4-14-    Vectorize Options
فصل پنجم – نتایج
5-1-    نتایج حاصل از تابع پنالتی و الگوریتم ژنتیک
5-2-    نتیجه گیری
فهرست مراجع

فهرست شکل

2-1- مراحل الگوریتم ژنتیک
2-2- مثالی از کروموزوم ها به روش کدگذاری دودویی
2-3- مثالی از کروموزوم ها با استفاده از روش کدگذاری مقادیر
2-4-  انتخاب چرخ رولت
2-5-  ترکیب تک نقطه ای
2-6-  ترکیب دو نقطه ای
2-7-  ترکیب یکنواخت
2-8-  وارونه سازی بیت
2-9-  تغییر ترتیب قرارگیری
2-10-  تغییر مقدار
3-1- نمای برنامه ی کامپیوتری
3-2- عملیات برازش برای تولید NO در مقایسه با نتایج اصلی در احتراق گازوئیل
4-1-  نمای gatool نرم افزار مطلب
5-1- نمای gatool ، Cox برای گاز طبیعی
5-2- نمودارهای Best fitness و Best individual آلاینده ی Cox برای گاز طبیعی
5-3- نمای gatool ، NOx برای گاز طبیعی
5-4- نمودارهای Best fitness و Best individual آلاینده ی NOx برای گاز طبیعی
5-5- نمای gatool ، Cox + NOx برای گاز طبیعی
5-6- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOxبرای گاز طبیعی
5-7- نمای gatool ، Cox برای گازوئیل
5-8- نمودارهای Best fitness و Best individual آلاینده ی Cox برای گازوئیل
5-9- نمای gatool ، NOx برای گازوئیل
5-10- نمودارهای Best fitness و Best individual آلاینده ی NOx برای گازوئیل
5-11- نمای gatool ، Sox برای گازوئیل
5-12- نمودارهای Best fitness و Best individual آلاینده ی Sox برای گازوئیل
5-13-  نمای gatool ، Cox + NOx برای گازوئیل
5-14- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx برای گازوئیل
5-15- نمای gatool ، Cox+NOx+Sox برای گازوئیل
5-16- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx وSOx برای گازوئیل
5-17- نمای gatool ، Cox برای نفت کوره
5-18- نمودارهای Best fitness و Best individual آلاینده ی Cox برای نفت کوره
5-19- نمای gatool ، NOx برای نفت کوره
5-20- نمودارهای Best fitness و Best individual آلاینده ی NOx برای نفت کوره
5-21- نمای gatool ، Sox برای نفت کوره
5-22- نمودارهای Best fitness و Best individual آلاینده ی SOx برای نفت کوره
5-23- نمای gatool ، Cox + NOx برای نفت کوره
5-24- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx برای نفت کوره
5-25- نمای gatool ، COx+NOx+SOx برای نفت کوره
5-26- نمودارهای Best fitness و Best individual مجموع آلاینده های COx و NOx و SOx برای نفت کوره
فهرست جدول

3-1- تغییر نرخ تولید (mole/hr) NO در اثر تغییر دمای هوا و درصد هوای اضافی
3-2- تشکیل تابع هدف برای گاز طبیعی
3-3- تشکیل تابع هدف برای گازوئیل
3-4- تشکیل تابع هدف برای نفت کوره
5-1- مقایسه نتایج تابع پنالتی و الگوریتم ژنتیک

چکیده :
 الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده آن برگرفته از طبیعت می باشد . نسل های موجودات قوی تر بیشتر زندگی می کنند و نسل های بعدی نیز قوی تر می شوند به عبارت دیگر طبیعت افراد قوی تر را برای زندگی بر می گزیند. در طبیعت از ترکیب کروموزوم های بهتر ، نسل های بهتری پدید می آیند . در این بین گاهی اوقات جهش هایی نیز در کروموزوم ها روی می دهد که ممکن است باعث بهتر شدن نسل بعدی شوند. الگوریتم ژنتیک نیز با استفاده از این ایده اقدام به حل مسائل می کند . الگوریتم های ژنتیک در حل مسائل بهینه سازی کاربرد فراوانی دارند.
مسئله ی کاهش آلاینده های Cox ، NOx و Sox در کوره های صنعتی ، یکی از مسائل بهینه سازی می باشد، که هدف آن بهینه کردن عملکرد کوره های احتراقی بر حسب پارامترهای درصد هوای اضافی (E) و دمای هوای خروجی از پیش گرمکن (T) ، به منظور کاهش میزان آلاینده های تولید شده در اثر انجام عملیات احتراق است.
در این پایان نامه ابتدا مروری بر مفاهیم مقدماتی الگوریتم های ژنتیک کرده سپس مشخصات کلی مسئله عنوان می شود، در انتها مسئله ی مورد نظر توسط الگوریتم ژنتیک اجرا و نتایج آن با روش تابع پنالتی مقایسه می شود.
فصل اول

مقدمه
1-1- مقدمه
به طور کلی انتخاب و طراحی بهینه در بسیاری از مسائل علمی و فنی باعث تولید بهترین محصول یا جواب ممکن در یک شرایط خاص می شود. برای مثال تولید محصولات مناسب در حوزه های مختلف فنی و مهندسی وابسته به طراحی دقیق و بهینه ی شکل، اندازه و قطعات محصول است. در نتیجه هر مسئله ی مهندسی ممکن است داری چندین جواب مختلف باشد که بعضی از آنها ممکن و بعضی غیر ممکن است . وظیفه ی طراحان پیدا کردن بهترین جواب ممکن از میان جواب های مختلف است. مجموعه ی جواب های ممکن فضای طراحی را شکل می دهند که باید در این فضا به جستجوی بهترین یا بهینه ترین جواب پرداخت.
 از آنجایی که نتیجه ی کار با توجه به نوع انتخاب این متدها و روش ها حاصل می شود لذا به اهمیت موضوع انتخاب بهینه ( Optimum ) و بهینه سازی در همه ی مسائل پی می بریم پس:
(( هدف ما این است که در فضای جواب های ممکن به دنبال بهترین جواب بگردیم. ))
روش های جدید بهینه سازی که امروزه در حل بسیاری از مسائل مختلف مورد استفاده قرار می گیرد عبارتند از:
1. Simulated Annealing
2. Ant colony
3. Random Cost
4. Evolution strategy
5. Genetic Algorithm
6. Celluar Automata
در این پایان نامه به بررسی و استفاده از روش Genetic Algorithm می پردازیم.
فصل دوم
مقدمه ای بر الگوریتم ژنتیک
2-1- مقدمه
الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده ی آن برگرفته از طبیعت می باشد . الگوریتم های ژنتیک در حل مسائل بهینه سازی کاربرد فراوانی دارند . به عنوان مثال می توان به مسئله فروشنده دوره گرد اشاره کرد . در طبیعت از ترکیب کروموزوم های بهتر ، نسل های بهتری پدید می آیند . در این بین گاهی اوقات جهش هایی نیز در کروموزوم ها روی می دهد که ممکن است باعث بهتر شدن نسل بعدی شوند. الگوریتم ژنتیک نیز با استفاده از این ایده اقدام به حل مسائل می کند .
در الگوریتم های ژنتیک ابتدا به طور تصادفی یا الگوریتمیک ، چندین جواب برای مسئله تولید می کنیم . این مجموعه جواب را جمعیت اولیه می نامیم . هر جواب را یک کروموزوم می نامیم . سپس با استفاده از عملگرهای الگوریتم ژنتیک پس از انتخاب کروموزوم های بهتر ، کروموزوم ها را باهم ترکیب کرده و جهشی در آنها ایجاد می کنیم . در نهایت نیز جمعیت فعلی را با جمعیت جدیدی که از ترکیب و جهش در کروموزوم ها حاصل می شود ، ترکیب می کنیم . موارد فوق را با جزئیات بیشتری مورد بررسی قرار می دهیم
شکل 2-1- مراحل الگوریتم ژنتیک

2-2- پیشینه
پیشینه ی الگوریتم ژنتیک به سال های حدود 1960 برمی گردد. در دهه های 50 و 60 تحقیقات متعددی برای استفاده از نظریه تکامل در بهینه سازی مسائل مهندسی به طور مستقل صورت گرفت. ایده ی اصلی در همه این سیستم ها، رشد یک جمعیت از پاسخ های اولیه یک مساله به سمت پاسخ بهینه با الهام گیری از عملگرهای انتخاب و تغییر ژنتیک طبیعی بود. در سال های 1965 تا 1973 رکنبرگ(Rechenberg ) کتاب خود را به نام  تکنیک های تکامل (Evolution strategies (Evolutionsstrategie in original) ) در زمینه محاسبات تکاملی منتشر کرد و در سال های بعد نظریه او توسط محققین دیگر توسعه یافت. الگوریتم ژنتیک نخستین بار توسط  جان هلند ( John Holland ) مطرح و به وسیله خود او و دانشجویان و همکارانش گسترش یافت. تلاش های او و اطرافیانش در این زمینه در نهایت به نشر کتاب سازگاری در طبیعت و سیستم های مصنوعی (Adaption in Natural and Artificial Systems ) انجامید. پس از آن تحقیقات گسترده ای توسط افراد مختلف در این زمینه انجام شد (به عنوان مثال در سال 1992 جان کزا (John Koza ) الگوریتم ژنتیک را به صورت عملیاتی در برنامه نویسی به کار برد و برنامه نویسی ژنتیک (genetic programming(GP) ) را به عنوان روش خود مطرح ساخت.) و الگوریتم ژنتیک به صورت امروزی خود رسید.
2-3- اصطلاحات زیستی
در راستای فهم کامل الگوریتم ژنتیک، ابتدا بهتر است با برخی از اصطلاحات زیستی به کار رفته در تئوری این الگوریتم آشنا شویم. همه موجودات زنده از واحدهای کوچکی به نام سلول تشکیل شده اند. هر سلول نیز به نوبه خود از مجموعه ای از یک یا چند کروموزوم (chromosome ) تشکیل شده است. کروموزوم ها رشته هایی از مولکول DNA می باشند که در حقیقت برنامه کاری موجود زنده را در خود ذخیره می کنند. هر کروموزوم شامل چندین ژن( gene ) می باشد، که هر ژن بلوکی از مولکول DNA می باشد که پروتئین خاصی را کدگذاری می کند. به طور کلی می توان گفت که هر ژن یک خصیصه (trait ) از موجود زنده (مانند رنگ چشم) را کد گذاری می کند. حالت های ممکن برای یک خصیصه را (allele  ) می گویند. هر ژن موقعیت مخصوص خود را در کروموزوم دارد که به آن (locus ) می گویند. بسیاری از موجودات زنده در هر سلول چندین کروموزوم دارند. مجموعه کامل مواد ژنتیکی در سلول (مجموعه همه کروموزوم ها) (genome ) نامیده می شوند. اصطلاح (genotype ) به مجموعه خاصی از کروموزوم های موجود در genome اتلاق می شود. Genotype ها در پی تحولات و تغییر، به phenotypeها خصوصیات فیزیکی و ذهنی موجود زنده (مانند رنگ چشم، بلندی، اندازه مغز و یا میزان هوش) تبدیل می شوند.
در طی تولید مثل جنسی(reproduction )، در اثر الحاق(recombination or crossover ) ژن ها از کروموزوم های والدین(parents ) با یکدیگر ترکیب شده تا کروموزوم کامل جدیدی را تشکیل دهند. در طی این تغییرات، ممکن است تغییرات کوچکی در برخی از بخش های DNA   ژن های فرزند، بوجود آمده و فرزند دچار جهش (mutation ) گردد. در نهایت تناسب (fitness ) یک موجود زنده با توجه به احتمال زیستن آن برای تکثیر(زیست پذیری(viability ) ) یا برحسب تابعی از تعداد فرزندان آن گونه (باروری(fertility )) تعیین می گردد.

دانلود پروژه علم ژنتیک

اختصاصی از یارا فایل دانلود پروژه علم ژنتیک دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:35

فهرست مطالب:

فهرست                                                                             صفحه

پیشگفتار..................................................................................1
ژنتیک......................................................................................2
مطالعات مندل.........................................................................2
یک صفت چگونه به ارث می رسد........................................6
تفسیر نتایج مندل....................................................................8
تئوری کروموزومی وراثت.....................................................10
کروموزومهای ادمی................................................................13
وراثت در ادمی.......................................................................14
گروه های خونی.....................................................................16
 ماده ارثی................................................................................18
همانند سازی مولکول DNA................................................20
زبان رمز وراثت.....................................................................22
نقش ژن در رشد جاندار........................................................23
چرا ژن تغییر می یابد.............................................................25
پرتوهای پر انرژی موجب حصول جهش می یابد.................27
ژن وجمعیت ها......................................................................28
شناخت وراثت جمعیت جوابگوی بسیاری از مسائل است....29
جمعیت ها چگونه تغییر می یابد............................................31
منابع........................................................................................33

پیشگفتار :    

چرا از گربه ، بچه گربه و از گوسفند بره متولد می شود ؟ چگونه شباهتهای والدین به فرزندان منتقل می شوند ؟ آیا همه بچه های یک جفت گربه عینا مثل هم و مثل والدین خود هستند ؟ آیا همه افراد یک جاندار کاملا شبیه یکدیگراند ؟ سرچشمه شباهتها و تفاوتهای جانداران از کجاست ؟ و اصولا مسئله وراثت چیست ؟ سالیان متمادی پاسخ این گونه پرسشها مبنای علمی نداشت . مثلا فکر می کردند که اگر در آبشخور گوسفندان خرمایی رنگ شاخه های درختان تبریزی ، فندق و شابلوط قرار دهند ، بره هایی که از آنها به دنیا می آیند دارای پشمی خوشرنگ ، زیبا ، و گرانقیمت خواهند بود . یا اگر زنان باردار به جانوری زشت و بد منظر نگاه کنند نوزادی که به دنیا می آورند نیز بد قیافه و بدریخت ( شبیه به آن جانور ) خواهد بود .

امروزه می دانیم بدن همه جانداران از سلول ساخته شده است و درون هر سلول مولکولهای مخصوصی به نام « ژن » هست . ژنها ، صفات مشابه و متفاوت جانداران را پدید می آورند . سلولهای بدن هر جاندار و ژنهای درون آنها از والدینش سرچشمه می گیرند و شباهتهای آنها هم از این راه به او منتقل می شوند . اما ساختمان و کار ژنها ممکن است اندکی مختلف باشند و همین اختلاف سبب تفاوتهایی در جانداران شود . شاخه ای از علم زیست‌شناسی‌که به توضیح این مطالب می‌پردازد ژنتیک یا علم وارثت‌نامیده می‌شود .

آیزاک آسیموف دانشمند آمریکایی ، درباره تاریخ تلاشهایی که زیستشناسان برای پیدایش ژنتیک و توضیح مسائل مربوط به وراثت به عمل آورده اند باز بانی ساده و گیرا ، سخن می گوید .

ژنتیک

تعریف – هر نوع حیوان یا گیاه خصوصیاتی ساختمانی و فیزیولوژیک دارد که آنها را عموما به نسل بعد انتقال می دهد . اما آنچه از جانداران به نسل بعد منتقل می شود طرح کلی ساختمانی و فیزیولوژیک است ، به طوری که عموما میان والدین و فرزندان تفاوتهایی نیز مشاهده می شود . گاه نیز در فرزندی خاصه هایی دیده می شود که در پدر بزرگ یا مادربزرگش وجود داشته است و گاه خاصه هایی است که در خانواده آنها تازگی دارد .  

ژنتیک یا علم وراثت ، علمی است که شباهتها و تفاوتهای میان والدین و اولاد و عوامل و اسباب آنها را مطالعه می کند . یکی از این عوامل وراثت است . عامل دیگر محیط است .

مطالعات مندل

هزارها سال راز وراثت همچنان در پرده باقی ماند . به سال 1865 ، گرگور مندل راه انتقال صفات از والدین به اولاد را کشف کرد . مندل کشیشی ساکن شهر برون ( شهر برنوی فعلی چک اسلوواکی ) بود . وی در دانشگاه ، علوم و ریاضیات تحصیل کرده بود و اوقات فراغت را در باغچه دیرخود نخود می کاشت و این کار را برای تهیه غذا نمی کرد بلکه به منظور مطالعه قوانین وراثت بدان دست می زد .

مندل نخستین کسی نبود که در این رشته مطالعه می کرد بلکه آنچه تا آن زمان در این پاره تحقیق شده بود بی نتیجه مانده بود .

علت توفیق مندل دو عامل بود :

• طرح مسئله به صورتی درست 2- تفسیر درست پاسخ حاصل .

مندل در عین حال بسیار پرحوصله و پرکار بود و هشت سال تمام به پرورش نخود و مطالعه خصوصیات آن پرداخت و متجاوز از ده هزار بوته از این گیاه را با دقت از نظر گذرانید و نتیجه استنباطاتش را در یکی از نشریه های معمولی انجمن علمی محلی به چاپ رسانید . حاصل تحقیقات مندل در هشتم فوریه سال 1865 به چاپ رسید و گرچه سی و پنج سال بعد از آن تاریخ به اهمیت آن پی بردند ، این روز را روز تولد علم وراثت می شناسند .

در مطالعات مندل سه خصوصیت دیده می شود :

اول : به ترکیب کردن یک یا دو گیاه راضی نمی شد بلکه در هر وهله ترکیبهای مشابه پرشمار انجام می داد تا عده زیادی اولاد حاصل را مطالعه کند .

دوم : از آنجا که دورگه های حاصل پرشمار بودند توانست از ریاضیات استفاده ببرد . به عبارت دیگر روش کمی به کار برد .

سوم : همه صفات یک گیاه را مورد مطالعه قرار نمی داد بلکه هر بار فقط یک جفت صفت را تحت نظر می گرفت ، آن هم صفاتی که مثل طول بوته ( بلندی یا کوتاهی ) شکل دانه ( صاف یا چین خورده ) تفاوت آشکار داشتند .

فراموش نشود که در عصر مندل از وجود کروموزوم و ژن و تقسیم سلول اطلاعی در دست نبود و او فقط براساس نتایج آزمایشهایش به کشف قوانین وراثت توفیق یافته است. مندل از آن جهت نخود را برای مطالعه انتخاب کرده بود که کاشتن آن آسان ست و در مدت کوتاهی چند نسل از آن به دست می آید و بخصوص وضع گل نخود بسیار مناسب است و بدین معنی که پرچمها و مادگی گل نخود درون گلبرگهایش مخفی هستند و در آنها خود لقاح صورت می گیرد .

مندل به منظور ترکیب کردن دو بوته متفاوت و انجام دگر لقاح ، پرچمهای گلهای یک بوته را ، پیش از رسیدن مادگی گلهای همان بوته ، قطع می کرد و سپس دانه های گرده گلهای بوته دیگر را به دست خود روی کلاله مادی گلهای بی پرچم می نشاند .

پیش از آنکه مندل به دگر لقاح دو بوته دارای دو صفت متفاوت اقدام کند ، هر یک از آنها را چند نسل می کاشت تا مطمئن شود از نظر صفت مورد مطالعه دودمان خالص اند . سپس گرده گلهای چند بوته دارای دانه های صاف را روی مادگی چند بوته دارای دانه های چین خورده می نشاند . ( گفتن ندارد که هر دو دسته گیاه از نظر این صفات دودمان خالص بودند . )

یافته های مندل به قرار زیر بود :

• دانه های نسل اول همه به دانه های یکی از والدین شبیه بودند و هیچ نشانی از صفت والد دیگر نداشتند . مثلا وقتی که گلهای بوته دارای دانه صاف را با گلهای بوته دارای دانه چین خورده ترکیب کرد همه دانه های حاصل در نسل اول صاف شدند . از این گذشته تفاوتی نداشت که گرده از گلهای بوته دارای دانه صاف باشد و مادگی از
• گلهای بوته دارای دانه چین خورده یا به عکس ، نتیجه همواره یکسان بود : همه دانه های نسل اول صاف می شدند . بنابر این در نسل اول یکی از دو صفت غالب می شد و همواره ظاهر می گشت .

مندل افت جفت صفت را مطالعه کرد و به این نتیجه رسید که همواره یکی از ره جفت صفت غالب است .

مندل سپس قدمی فراتر رفت و آن این بود که نخودهای نسل اول را کاشت و آنها را در خود لقاح آزاد گذاشت . از دانه های حاصل در حدود  چین خورده بودند و قریب  صاف . از آنجا که صفت چین خوردگی در نسل اول به وسیله صفت صافی عقب زده شده بود و این صفت توانسته بود در نسل دوم بار دیگر ظهور کند ، مندل آن را صفت پسرفته نامیده است .

دانلود تحقیق الگوریتم های ژنتیک Genetic Algorithms

اختصاصی از یارا فایل دانلود تحقیق الگوریتم های ژنتیک Genetic Algorithms دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:19

فهرست مطالب:
چکیده موضوع ………………………………………………………………………
مقدمه……………………………………………………
الگوریتم ژنتیک چیست؟…………………………………… ……………………………………
ایده اصلی …………………………………………………………………………………
الگوریتم ژنتیک ……………………………………………………………………….
سود و کد الگوریتم………………………………………………………..
روش های نمایش ………………………………………………………….
روش های انتخاب ………………………………………………………..
روش های تغییر ……………………………………………………………..
نقاط قوت الگوریتم های ژنتیک... ……………………………………
نقاط ضعف الگوریتم های ژنتیک. ……………………………………
نمونه هایی از کاربردهای الگوریتم های ژنتیک در دنیای امروز……………………………………..
یک مثال ساده با جزئیات …………………………………….
هایپر هیوریستیک ...................
  منابع







 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.
مقدمه
     هنگامی که لغت تنازع بقا به کار می‌رود اغلب بار ارزشی منفی آن به ذهن می‌آید. شاید همزمان قانون جنگل به ذهن برسد و حکم بقای قوی‌تر!
   البته برای آنکه خیالتان راحت شود می‌توانید فکر کنید که همیشه هم قوی‌ترین‌ها برنده نبوده‌اند. مثلا دایناسورها با وجود جثه عظیم و قوی‌تر بودن در طی روندی کاملا طبیعی بازی بقا و ادامه نسل را واگذار کردند در حالی که موجوداتی بسیار ضعیف‌تر از آنها حیات خویش را ادامه دادند. ظاهرا طبیعت بهترین‌ها را تنها بر اساس هیکل انتخاب نمی‌کند! در واقع درست‌تر آنست که بگوییم طبیعت مناسب ترین‌ها (Fittest) را انتخاب می‌کند نه بهترین‌ها.
    قانون انتخاب طبیعی بدین صورت است که تنها گونه‌هایی از یک جمعیت ادامه نسل می‌دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می‌روند.
   مثلا فرض کنید گونه خاصی از افراد، هوش بسیار بیشتری از بقیه افراد یک جامعه یا کولونی دارند. در شرایط کاملا طبیعی این افراد پیشرفت بهتری خواهند کرد و رفاه نسبتا بالاتری خواهند داشت و این رفاه خود باعث طول عمر بیشتر و باروری بهتر خواهد بود(توجه کنید شرایط طبیعیست نه در یک جامعه سطح بالا با ملاحظات امروزی یعنی طول عمر بیشتر در این جامعه نمونه با زاد و ولد بیشتر همراه است). حال اگر این خصوصیت(هوش)ارثی باشد به طبع در نسل بعدی همان جامعه تعداد افراد باهوش به دلیل زاد و ولد بیشتر این‌گونه افراد بیشتر خواهد بود. اگر همین روند را ادامه دهید خواهید دید که در طی نسل‌های متوالی دائما جامعه نمونه ما باهوش و باهوش‌تر می‌شود. بدین ترتیب یک مکانیزم ساده طبیعی توانسته است در طی چند نسل عملا افراد کم هوش را از جامعه حذف کند علاوه بر اینکه میزان هوش متوسط جامعه نیز دائما در حال افزایش است(البته امکان داشت اگر داروین بی‌عرضگی افراد باهوش امروزی را می‌دید کمی در تئوری خود تجدید نظر می‌کرد اما این مسئله دیگریست!).
    بدین ترتیب می‌توان دید که طبیعت با بهره‌گیری از یک روش بسیار ساده(حذف تدریجی گونه‌های نامناسب و در عین حال تکثیر بالاتر گونه‌های بهینه) توانسته است دائما هر نسل را از لحاظ خصوصیات مختلف ارتقا بخشد.
   البته آنچه در بالا ذکر شد به تنهایی توصیف کننده آنچه واقعا در قالب تکامل در طبیعت اتفاق می‌افتد نیست. بهینه‌سازی و تکامل تدریجی به خودی خود نمی‌تواند طبیعت را در دسترسی به بهترین نمونه‌ها یاری دهد. اجازه دهید تا این مساله را با یک مثال شرح دهیم.
   پس از اختراع اتومبیل به تدریج و در طی سال‌ها اتومبیل‌های بهتری با سرعت‌های بالاتر و قابلیت‌های بیشتر نسبت به نمونه‌های اولیه تولید شدند. طبیعیست که این نمونه‌های متاخر حاصل تلاش مهندسان طراح جهت بهینه‌سازی طراحی‌های قبلی بوده اند. اما دقت کنید که بهینه‌سازی یک اتومبیل تنها یک "اتومبیل بهتر" را نتیجه می‌دهد.
   اما آیا می‌توان گفت اختراع هواپیما نتیجه همین تلاش بوده است؟ یا فرضا می‌توان گفت فضا پیماها حاصل بهینه‌سازی طرح اولیه هواپیماها بوده‌اند؟
   پاسخ اینست که گرچه اختراع هواپیما قطعا تحت تاثیر دستاورهای صنعت اتومبیل بوده است اما به‌هیچ وجه نمی‌توان گفت که هواپیما صرفا حاصل بهینه‌سازی اتومبیل و یا فضا پیما حاصل بهینه‌سازی هواپیماست. در طبیعت هم عینا همین روند حکم‌فرماست. گونه‌های متکامل‌تری وجود دارند که نمی‌توان گفت صرفا حاصل تکامل تدریجی گونه قبلی هستند.
   در این میان آنچه شاید بتواند تا حدودی ما را در فهم این مساله یاری کند مفهومیست به نام : تصادف یا جهش.
     به عبارتی طرح هواپیما نسبت به طرح اتومبیل یک جهش بود و نه یک حرکت تدریجی. در طبیعت نیز به همین گونه‌است. در هر نسل جدید بعضی از خصوصیات به صورتی کاملا تصادفی تغییر می‌یابند سپس بر اثر تکامل تدریجی که پیشتر توضیح دادیم در صورتی که این خصوصیت تصادفی شرایط طبیعت را ارضا کند حفظ می‌شود در غیر این‌صورت به شکل اتوماتیک از چرخه طبیعت حذف می‌گردد.
 در واقع می‌توان تکامل طبیعی را به این‌صورت خلاصه کرد: جست‌وجوی کورکورانه(تصادف یا Blind Search)+ بقای قوی‌تر.
   حال ببینیم که رابطه تکامل طبیعی با روش‌های هوش مصنوعی چیست .هدف اصلی روش‌های هوشمند به کار گرفته شده در هوش مصنوعی یافتن پاسخ بهینه مسائل مهندسی ست. بعنوان مثال اینکه چگونه یک موتور را طراحی کنیم تا بهترین بازدهی را داشته باشد یا چگونه بازوهای یک ربات را محرک کنیم تا کوتاه‌ترین مسیر را تا مقصد طی کند(دقت کنید که در صورت وجود مانع یافتن کوتاه‌ترین مسیر دیگر به سادگی کشیدن یک خط راست بین مبدا و مقصد نیست) همگی مسائل بهینه‌سازی هستند.
   روش‌های کلاسیک ریاضیات دارای دو اشکال اساسی هستند. اغلب این روش‌ها نقطه بهینه محلی(Local Optima) را بعنوان نقطه بهینه کلی در نظر می‌گیرند و نیز هر یک از این روش‌ها تنها برای مساله خاصی کاربرد دارند. این دو نکته را با مثال‌های ساده‌ای روشن می‌کنیم.

مقاله بازآرائی بهینه شبکه های توزیع به روش الگوریتم ژنتیک جهت کاهش تلفات

اختصاصی از یارا فایل مقاله بازآرائی بهینه شبکه های توزیع به روش الگوریتم ژنتیک جهت کاهش تلفات دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:10

فهرست مطالب:

چکیده:
1. مقدمه
2. الگوریتم ژنتیک:
3. مفاهیم اساسی الگوریتم ژنتیک
4. مراحل اجرای الگوریتم ژنتیک
5. اعمال الگوریتم ژنتیک به مساله بهینه سازی
6. تعیین تابع ارزیاب
7. تولید جمعیت جدید و شرط توقف الگوریتم و رسیدن به جواب
8. نتایج عددی و مقایسه
شکل 1- چگونگی انجام عمل تکثیر
شکل 2: فلوچارت مراحل اجرای الگوریتم ژنتیک
شکل4- نمایش کروموزوم مربوط به شکل (3)
شکل 7: منحنی تغییرات تلفات توان بر حسب احتمال جهش
جدول 1- چگونگی انجام عمل جهش
جدول 2: اطلاعات خطوط و بار شکل 6
جدول 3: نتایج حاصل از اعمال نرم افزار بر روی شکل 5
جدول4: نتایج حاصله از اعمال نرم افزار بر روی شکل 6
مراجع و منابع

چکیده:
در این مقاله الگوریتم ژنتیک جهت حل یک مساله بهینه سازی بکار برده شده است. منظور از بهینه‌سازی انتخاب بهترین ساختار از یک شبکه توزیع جهت کمینه کردن تلفات می باشد. الگوریتم ژنتیک یکی از روشهای پرقدرت در یافتن بهینه مطلق می باشد. نرم افزاری به زبان C برای الگوریتم پیشنهادی تهیه شده است و نتیجه عددی آن برای دو شبکه نمونه آورده شده است.

1. مقدمه
تغییر ساختار در شبکه‌های توزیع جهت کاهش تلفات در واقع حل یک مساله بهینه‌سازی می‌باشد. روش بکارگرفته شده در این مقاله جهت حل این مساله بهینه‌سازی استفاده از روش الگوریتم ژنتیک می‌باشد.
روش الگوریتم ژنتیک به دلیل اینکه کلیه جوابهای ممکن را تولید و سپس از میان آنها بهترین گزینه را انتخاب می‌کند. لذا از اطمینان بیشتری برای رسیدن به بهینه مطلق برخوردار می‌باشد.
در یک شبکه توزیع با گستردگی فراوان تنوع بار (اعم از صنعتی، خانگی یا تجاری) و همچنین تغییرات بار بدلیل تنوع فصول، ساعات کار و پیک مصرف و سایر عوامل دیگر و ثایت بودن ساختار شبکه، موجب افزایش تلفات در سیستم می‌شود. در چنین شرایطی لازم است با اعمال یک آرایش بهینه روی شبکه با باز و بسته کردن کلیدهای موجود به بهینه‌ساختن تلفات امیدوار بود. [1]
برای تجدید آرایش روی شبکه‌های توزیع روشهای مختلفی پیشنهاد شده است که می‌توان آنها را به روش‌های خاص و عام تقسیم‌بندی نمود.
الف: روشهای خاص:
در روشهای خاص برای حل مساله الگوریتم خاصی پیشنهاد می‌شود که با استفاده از این آلگوریتم ابتدا یک پاسخ محاسبه شده و از روی آن پاسخ و با توجه به الگوریتم مربوطه پاسخ بعدی تا رسیدن به نقطه بهینه با رعایت قیود مساله ادامه می‌یابد. روشهای خاص به دو روش SEM و SSOM تقسم بندی می گردند.

دانلود مقاله مبنای تکنیک های ژنتیک

اختصاصی از یارا فایل دانلود مقاله مبنای تکنیک های ژنتیک دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:54

فهرست مطالب:

ساختار DNA

علت ایجاد شیار

فرم DNA

دسته بندی DNA

توالی های DNA

فامیل های ژنی پراکنده

رشته فامیل های ژنی پشت سر هم

توالی های فعال فاقد کد

توالی هایی که وظیفه آن ها معلوم نیست

DNA سانترامری با تکرار زیاد

VNTR

توالی های جابجا شده

DNA‌فاصله دهنده

ساختمان فوق العاده کروموزوم

مدل نوکلئوزدم

کروموزوم های غول پیکر

کروموزوم های پلی تن

کروموزوم بطری شکل

حکم مرکزی در ژنتیک مولکولی

بخش دوم

فن آوری ژنتیکی

موجودات آزمایشگاهی

محیط کشت مگس سرکه

سیکل زندگی مگس سرکه

اهمیت مگس سرکه در تحقیقات

گلوگاه تحقیقات بیوتکنولوژی

تکنیک های تجربه ژنتیکی

پلاسید

ویژگی های یک پلاسید ایده آل مصنوعی

تهیه پلاسید مصنوعی

کشف مولکول های بخصوص DNA و RNA و پروئین

کاوشگری یک DNA بخصوص

کاوشگری یک RNA  مخصوص

کاوشگری یک پروئین بخصوص

روش Genesoft

تکنیک microarray

نقشه ژنتیکی مقدمه دستکاری ژنتیکی

نقشه یابی با نشانگرهای مولکولی

استفاده از RFLP در نقشه یابی

استفاده از چند شکلی VNTRS ها در نقشه یابی

نقشه یابی پیوستگی با نوترکیبی در انسان

بررسی ژن های پیوسته

نقشه یابی کروموزوم x

روش های محاسبه نقشه ژن ها

نقشه یابی با درگه گیری در Mapping by in situ hybridization

نقشه یابی ژن های انسان با استفاده از دورگ سلول های شماتیکی انسان-جوندگان

الکتروفورز با ژل زمینه متحرک (PFGE )

انتساب ژن ها به کروموزوم

نقشه یابی کروموزوم

نوترکیبی و اصلاح نژاد

موارد استفاده از ادغام پروتو پلاسم

تهیه پروپلاسم

مزایای ادغام پروتوپلاسم

محدودیت ادغام پروتوپلاسم

مهندسی ژنتیک

آنزیم های مورد نیاز مهندسی ژنتیک

دستگاههای مورد نیاز مهندسی ژنتیک

جفت شدن باکتریایی

انتقال F در طی جفت شدن

عامل R

نوترکیبی بین ژن های نشانگر بعد از انتقال

ژنتیک باکتریوفاژها

فاژهای اتصال دهنده عمومی

ولیزژنی

باکتریوفاژ

کاسمید

ژن Cryiv

پلاسید PBR-322

بخش های PBR-322 پلاسید PAT

پلاسید PUG

اتصال فاژها

نقشه یابی کروموزومی

مروری بر انتقال ژن باکتریایی

کاربرد های مهندسی ژنتیک

بکرزائی : (PARTHENOGENSIS )

تولید سلول های پایه

ژن درمانی

تعداد ژن های انسان

فن آوری DNA در علوم زیستی

تولید واکسن های ویروسی

ژن درمانی

پزشکی قانونی

تولید پروئین هورمون ها و داروها

همانند سازی ژنتیکی انسان (کلوسینگ)

تکنیک های ژنومیکس و پرتئومیکس

بانک زیستی

مهندسی ژنتیک گیاهان زراعی : (  بیو تکنولوژی سبز )

مهندسی ژنتیک و محیط زیست

حفاظت از حیات وحش بوسیله ژنتیک

مهندسی ژنتیک و تنوع زیستی

RNAi

 چکیده:

تکنیکهای فنی ژنتیکی بعد از شناسایی کامل DNA از سال 1953 آغاز شد بعد با کشف حکم مرکزی در سال 1958 توسط فرانسیس کریک اتفاق اتفاد. ژنتیک وارد مسیری تازه شد که هدف آن درک پنج الگوی رفتاری سلولی رشد تقسیم تمایز، حرکت و میانکش است.
میزان پیشرفت در این زمینه باعث بهت و حیرت و حتی خوپش بین ترین دانشمندان باشد بطور روزانه کشفیات بدست آمده از آزمایشگاههای تحقیقاتی خبر از شناسایی ژن های جدید عامل بیماری ها یا محصولات بیوتکنولوژی نوید بخش می دهند اکثر کشفیات مهم ژنتیکی با استفاده از ساده ترین موجودات ( ویرو ها ، باکتری ها) بدست آمده اند اگر چه امروزه یافته های جدید در مورد گیاهان و پستانداران نیز ارائه شده است. اگر چه باکتری ها و باکتریوفاژ ها هنوز هم پیچیده هستند اما نسبت به سلولهای جانوری و گیاهی سیستم ساده تری دارند، با استفاده از این سیستم های ساده بود که دانشمندان توانستند DNA را بعنوان مولکول حاوی اطلاعات ژنتیکی یک سلول معرفی کنند.
DNA در سال 1869 توسط میکشن در اسپرم ماهی شناسایی شد ولی عملکرد و اهمیت آن در سلول به عنوان مسئول صفات توارثتا قرن اخیر نا شناخته ماند ساختار فیزیکوشیمیایی DNA توسط واتسون و کریک بدست آمد .
با فاصله زمانی کوتاه بعد ازشناسایی DNA ساختار DNA شناخته شد که به عنوان ماکرو مولکول حد واسط مهم در نستز آنزیمها و سایر پروتئین ها عمل می کند.
بدنبال این کشفیات شاخه جدید بنام ژنتیک مولکولی در اواخر دهه 1950 و اوایل دهه 1960 بوجود آمد که مفاهیم جدید را معرفی کرد موفقیت های اولیه و تجمع مقدار انبوه اطلاعات دانشمندان را قادر ساخت تا تکنیک های قوی و روش های منطقی را برای موضوعات گوناگون ژنتیک مولکولی و عملکرد عصب، عضله- عملکرد آنتی بیوتیک... ) ارائه دهند.
اعتقاد به یک شکل ذاتی فرآیند های زیستی یک فاکتور مهم در زمینه رشد سریع شاخه ژنتیک مولکولی بر دانشمندان معتقد هستند که ساختار اصول بیولوژیکی که فعالیت ارگانیسم های ساده را هدایت می کند در مورد سلول های پیچیده نیز صادق هستند و فقط در یک سری جزئیات تفاوت دارند که این نظریه با یک سری نتایج آزمایشگاهی بدست آمده نیز مورد تائید قرار گرفت.
ساختار DNA:
ساختمان DNA پلی است که از تعداد زیادی نوکلئوتید ساخته شده فرق نوکلوئید ها در بازنیتروژن داراست دانشمندی به نام Charaff با امکانات ساده مقدار G,A . C,T را در موجودات مختلف استخراج کرد و مقدار نسبی آن را حساب کرد و نتایجی گرفت. دیدار همه DNA های دو رشته ای  و همواره  است.
خانم فرانکلین و ویل کین DNA را استخراج کرده و از طریق اشعه x‌متوجه شدند DNA دو رشته ای است اما سرانجام Watson و crick   در سال 1953 مدل DNA را ارائه دادند و گفتند که مولکول DNA مولکولی دو رشته ای است و مارپیچ Doulde Helix علت مارپیچ DNA است و جفت نوکلئوید ها با هم زاویه دارند.
اندازه زاویه هر جفت را 36 محاسبه کردند و اثبات کردند که در هر 10 نوکلئوتید وجود دارد طول هر DNA A 34 درجه هر چفت باز nm 0.34 در نتیجه زاویه های وپیچ ها دارای شیار بزرگ و کوچک است به آن قسمتی از DNA است که اگر ازبیرون به آن بنگریم جفت نوکلئوتیدها را می بینیم این شیارها محل اتصال هستند این شیار به وسیله پروتئین هایی به آنها متصلند نقش مهمی در میان ژن ها دارند.
علت ایجاد شیار:
نیروهای موجود در DNA از نوع هیدروژنی ، هیدروفوب DNA به فرمهای B,Z,A وجود دارد. فرم A در سلول وجود ندارد و از آبگیری B- DNA بدست می آیند در یک A- DNA در هر دور بجای 10 تانوکلئوتید وجود دارد و قطری بجای 23A-20A درجه است مثل B- DNA راست گرد زاویه حدود 34 است در اینجا هم شیار بزرگ و کوچک وجود دارد.
ما در سلول هیرید RNA- DNA را مشابه A- DNA داریم.
فرم B- DNA همان فرم است که واتسون و کریک شرح دادند و فرم شایع DNA در سلول است اما فرم 2 در مناطقی از DNA تشکیل می شود که G-C فراوان دارند خیلی باریک است قطر 18A است و در هر دو جفت نوکلئوتید دارند و تنها DNA چپ گرد است و فقط شیار کوچک دارد و طرف دیگر صاف است در طول هر دو 45A است.
فرم های D,E,C هم فقط در شرایط آزمایشگاه ساخته شده اند.