فرمت:word(قابل ویرایش)
تعداد صفحات:140
فهرست مطالب :
عنوان صفحه
چکیده 1
مقدمه 2
الگوریتم ژنتیک 5
تعریف خروجی(نمایش) 8
عملگرهای مجموعه ژن 10
شئ جمعیت 13
توابع شئ و مقیاس گذاری مناسب 14
نمایش الگوریتم ژنتیک درc++ 15
توانایی عملگرها 17
چگونگی تعریف عملگرها 18
چگونگی تعریف کلاس مجموعه ژن 22
سلسله مراتب کلاس ها 23
1. سلسله مراتب کلاس GALib – گرافیکی 23
2. سلسله مراتب کلاس GALib – مراتب 24
رابط برنامه نویسی 25
نام پارامترها و گزینه های خط فرمان 26
رفع خطا 28
توابع اعداد تصادفی 29
GAGeneticAlgorithm 31
GADemeGA 42
GAIncrementalGA 44
GASimpleGA 47
GASteadyStateGA 50
Terminators 52
Replacement Schemes 54
GAGenome 55
GA1DArrayGenome<T> 62
GA1DArrayAlleleGenome<T> 65
GA2DArrayGenome<T> 67
GA2DArrayAlleleGenome<T> 70
GA3DArrayGenome<T> 72
GA3DArrayAlleleGenome<T> 76
GA1DBinaryStringGenome 78
GA2DBinaryStringGenome 81
GA3DBinaryStringGenome 85
GABin2DecGenome 88
GAListGenome<T> 91
GARealGenome 92
GAStringGenome 94
GATreeGenome<T> 96
GAEvalData 97
GABin2DecPhenotype 98
GAAlleleSet<T> 100
GAAlleleSetArray<T> 103
GAParameter and GAParameterList 104
GAStatistics 108
GAPopulation 113
GAScalingScheme 123
GASelectionScheme 127
GAArray<T> 130
GABinaryString 132
نتیجه گیری 135
مراجع 136
چکیده
علم ژنتیک، علمی است که به تازگی وارد علوم کامپیوتر شده و با استفاده از اجزا مورد نیاز ژنتیک و شبیه سازی آن در کامپیوتر، انسان را قادر می سازد تا بعضی از مسائل مختلف و پیچیده ای که در اوایل حل نشدنی بودند، را حل کند.
این مستند، یک کتابخانه از اشیا الگوریتم ژنتیک به زبان c++ می باشد. این کتابخانه شامل ابزاریست که برای بهبود هر برنامه ای به زبان c++ و هر خروجی و هر عملگر ژنتیکی، استفاده می شوند. در اینجا، با پیاده سازی الگوریتم ژنتیک، رابط برنامه نویسی آن و اشکالی برای راهنمایی، آشنا خواهید شد.
مقدمه
این مستند محتویات کتابخانه الگوریتم ژنتیک را رمز بندی می کند و بعضی از فلسفه های طراحی را که در پشت پیاده سازی هستند، نمایش می دهد. بعضی از مثال های کد منبع در آخر صفحه مشخص شده تا ساختار اصلی برنامه، توانایی های عملگرها، تطابق عملگرها با نیاز کاربر و مشتقاتی از کلاس های جدید مجموعه ژن را نمایش بدهند. وقتی که شما از یک کتابخانه استفاده می کنید به صورت ابتدایی با دو نوع کلاس کار می کنید الگوریتم مجموعه ژن و الگوریتم ژنتیک. هر نمونه ای از مجموعه ژن یک راه حل برای مسئله شما نشان می دهد. شی الگوریتم ژنتیک توضیح می دهد که چگونه سیر تکامل باید طی شود. الگوریتم ژنتیک از یک تابع عضو شی ای که توسط شما تعریف شده است استفاده می کند تا معین کند چگونه هر مجموعه ژن برای زنده ماندن مناسب است؟
الگوریتم ژنتیک از عملگر های مجموعه ژن ( که در داخل مجموعه هستند) و استراتژی های انتخاب/ جایگزینی ( که در داخل الگوریتم ساخته می شود ) برای تولید یک مجموعه ژن جدید مجزا ، استفاده می کند.
سه چیز برای حل مسئله با استفاده از الگوریتم ژنتیک وجود دارد :
تعریف خروجی های که نشان داده میشوند
تعریف عملگر های ژنتیکی
تعریف تابع عضو شی را
GALIB (کتابخانه الگوریتمهای ژنتیک ) به شما در دومورد اول به وسیله مهیا کردن مثال های زیاد وتکه برنامه هایی که شما می توانید ، خروجی ها و عملگر های خود را بسازید کمک می کند . در خیلی از موارد شما می توانید از ساختار خروجی ها و عملگر ها با کمی یا هیچ اصلاحی استفاده کنید . تابع عضو شی کاملا به شما مربوط می شود .
در صورتی که شما خروجی ها ، عملگرها و موارد شی را داشته باشید ، می توانید هر کدام از الگوریتم های ژنتیک را برای پیدا کردن راه حل بهتر و مناسبتر برای مسئله تان به کار بگیرید. موقعی که شما از الگوریتم ژنتیک برای حل یک مشکل بهینه استفاده می کنید، باید قادر باشید که یک راه حل برای مسئله در یک ساختمان داده ارائه بدهید . الگوریتم ژنتیک یک جمعیت از راه حل هایی که بر طبق نمونه ساختمان دادهایی که به وجود آورده اید، ایجاد می کند . بعد الگوریتم ژنتیک بر روی این جمعیت عمل می کند تا بهترین راه حل را ازآن استخراج کند.در GALIB کتابخانه الگوریتم ژنتیک به نمونه ساختمان داده GAGENOME گفته می شود (بعضی ها به آن کروموزوم نیز می گویند ). این کتابخانه شامل چهار نوع از این مجموعه هاست GALISTGENOME ( لیست پیوندی مجموعه ژن)GATREEGAGENOME (درخت مجموعه ژن) GAARRYGENOME( آرایه مجموعه ژن) GABINARYSTRINGGENOME(رشته دودویی مجموعه ژن). این کلاس ها از کروموزوم یا کلاس GAGENOME اصلی و یک کلاس ساختمان داده ای که بوسیله نامشان مشخص شده اند، مشتق شده اند.
برای مثال لیست پیوندی مجموعه ژن از کلاس GALIST و همچنین کلاس مجموعه ژن GAGENOME مشتق شده است. از ساختمان داد ه ای که با تعریفات مسئله شما همخوانی دارد، استفاده کنید. برای مثال ، اگر شما سعی می کنید که یک تابعی را بهینه سازی کنید که به پنج عدد حقیقی وابسته است ، پس به عنوان مجموعه ژن خود از یک آرایه یک بعدی با پنج عنصر اعشاری استفاده کنید.
الگوریتم های ژنتیک مختلف زیادی وجود دارند. GALIB (کتابخانه الگوریتم ژنتیک) شامل سه نوع اصلی می باشد:
حالت ساده
حالت ساکن یا ثابت یا یکنواخت
حالت افزایش
این الگوریتم ها در طریق های که مجموعه های جدید مجاز را ایجاد می کند ومجموعه های قدیمی را درزمان سیرتکامل جایگزین می کنند ، با یکدیگر تفاوت دارند.
GALIB دو مکانیسم اولیه برای گسترش قابلیت های ساخت شی را مهیا می کند اول از همه (و مهمتر از همه از نظر برنامه نویسی C++ ) شما می توانید کلاس های خودتان را درست کنید و تابع های عضو جدیدی را تعریف کنید . اگر شما احتیاج دارید که فقط تنظیمات کمی را بر روی رفتار کلاس GALIB اعمال کنید ، در بیشتر موارد می توانید یک تابع تعریف کنید و به کلاس GALIB بگویید که از آن به عنوان پیش فرض استفاده کند .
الگوریتم های ژنتیک اگر به درستی پیاده سازی شوند، قابلیت هر دو مورد پویش( پیدا کردن وسیع)و کاوش (پیداکردن محلی )در فضای SEARCH را، دارند. نوع رفتار یا عملکردی را که شما می بینید، بستگی به این دارد که چگونه عملگرها کار می کنند و همچنین بستگی به شکل یا فرم فضای SEARCH شما دارد.
علم ژنتیک در اواخر قرن نوزدهم با آزمایشات مندل در نخودفرنگی شروع گردید. با اینکه پیشرفت آن در اوائل کند بود، ولی در اوائل قرن بیستم، جایگاه مهم خود را پیدا کرد. آزمایشات متعددی که در این قرن ابتدا در مگس سرکه و ذرت و سپس در میکروارگانیسمها انجام گرفت، طیف این دانش را بحدی وسیع نمود که امروزه در بیشتر شاخههای علوم از سطح مولکولی گرفته تا محاسبات پیچیده ریاضی مورد بررسی قرار میگیرد. با کمک مهندسی ژنتیک انتقال صفات بین گونهها و جنسها امکانپذیر شده و این شاخه جدید ژنتیک گرهگشای بسیاری از مسائل پزشکی و کشاورزی گردیده است. مربوط به منبع شماره 1
مقدمه
دلربا و فریبنده، تسخیر کننده و سحرآمیز،گوناگون و متنوع، پیچیده و مبهم، اما زیباست، اشکال مختلف حیات، در روی کره خاکی ما. به همان دلربایی و فریبندگی، به همان تسخیرکنندگی و سحرآمیزی، به همان گوناگونی و تنوع،به همان پیچیدگی و ابهام و نیز به همان زیبایی است، علم ژنتیک. هیچ یک از رشتههای مختلف علوم، برای فهم و درک موجودات زنده، اساسی تر از علم ژنتیک نیست و لذا برای من و شما جویندگان دانش ژن (واحدی که ساختمان و اعمال تمام اورگانیسمهای زنده را تعیین میکند و ما نیز محصول اعمال ژنهایمان هستیم)، یکی از پرجاذبهترین جنبههای علمآموزی، آموختن پتانسیل همین ژنهاست، در کمکی که میتوانند به ما برای بهترفهمیدن خودمان بکند. از ص41 منبع شماره
تاریخچه ژنتیک
اصطلاحات ژنتیک
کاریوتیپ :
ایدیوگرام :
پلوئید:
میوز Meiosis :
مراحل میوز :
مفهوم جدایی : (Segregation)
گامتوژنز (Gametogenesis):
اسپرماتوژنز (Spermatogenesis):
میتوز (Mitosis):
مراحل میتوز
1. اینترفاز:
2. پرفاز:
3. متافاز:
4. آنافاز:
5. تیلوفاز:
6. تقسیم یا سیتوکینز
اهمیت ژنتیکی میتوز:
دوره سلولی یا سکل سلولی (The Cel cCycle):
اصول مندلی
شامل 156 صفحه فایل word