|
[QUOTE=zahrazohre;20276]سلام هرکسی مقاله خاصی مد نظرش هست به من بگه براش میفرستم
اما عنوان رو خووب بگید لطفا[/QU سلام من یه مقاله درباره حل مسئله k-sat با استفاده از الگوریتم ژنتیک به همراه کدنویسیش میخوام خواهش میکنم خیلی فوریه ایمیل mrymbnei23@gmail.com |
ممنون از مقاله ها
سلام دوستان
با اینکه بحث بسیار علمی است، ولی برای فردی مثل من که در این زمینه فعالیت تخصصی نمی کنم هم بسیار جذاب است. واقعا به شما دانشمندان ایرانی افتخار می کنیم. خدا حفظتون کنه. سپاس |
سلام
من پایان نامه کارشناسیم موضوعش الگوریتم ژنتیک کسی چیزی اماده نداره بدم به استاد تموم شه بره پیشاپیش ممنونم |
نقل قول:
ممنون میشم اگر چند مقاله درمورد الگوریتم ژنتیک در هوش مصنوعی برام بفرستین. |
درخواست مقاله
سلام
ممنون میشم که چند مقاله در مورد الگوریتم ژنتیک در هوش مصنوعی کامپیوتر برام ارسال کنید... |
چکیده مقاله:
الگوریتم ژنتیک یک نوع قدرتمند کد از الگوریتم های جستجو و جو است و جزء محبوب ترین پرکاربردترین الگوریتم های تکامل محسوب می شود. لذا از آن جایی که این نوع از الگوریتم ها بر پایه تکامکل زیستی هستند روش های به کار گرفته در آن ها تقلیدی از مفاهیم ارثی جهش و انتخاب هستند. در این مقاله با در نظر گرفتن این که مسئله رنگ آمیزی یکی از قدیمی ترین و مشهورترین مسائل در تئوری گراف است امروزه کاربردهای بسیاری به خود تخصیص داده است، مسئله رنگ آمیزی گراف بررسی می شود. مسئله رنگ آمیزی به عنوان یک مسئله NP-Hard برای گراف های اختیاری و دل خواه شناخته شده است. در حالی که برای دسته ی خاصی از گراف ها از جمله گراف های کامل به صورت چند جمله ای قابل حل است. حتی اگر این جمله بدین معنی باشدف امید کمی برای پیدا کردن یک الگوریتم زمان چند جمله ای برای گراف های اختیاری وجود دارد اما لزوما حاکی از آن نیست، طراحی الگوریتم هایی که در عدل موفق عمل کنند غیر ممکن است. کارهای زیادی به منظور توسعه الگوریتم های کارامد برای مسئله رنگ آمیزی گراف انجام شده است از جمله می توان بخش مهمی از این کارها را به طراحی هوشمند و اکتشافی اختصاص داد. لذا در این مقاله یک الگوریتم ژنتیک برای مسئله رنگ آمیزی گراف با هدف دستیابی به جوابی بهینه ارائه شده است. رای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد: https://www.civilica.com/Paper-AISST01-AISST01_121.html کد COI مقاله: AISST01_121 |
مسئله فروشنده دوره‌گرد (به انگلیسی: Travelling salesman problem ، به‌اختصار: TSP )
http://upload.wikimedia.org/wikipedi...x-Salesman.PNG اگر فروشنده دوره‌گرد از نقطه A شروع کند و فواصل بین نقاط مشخص باشد، کوتاه‌تربن مسیر که از تمام نقاط یکبار بازدید می‌کند و به A بازمی‌گردد کدام است؟ ........ مسئله فروشنده دوره گرد TSP یکی از مسائل مهم در زمره تئوری پیچیدگی محاسباتی الگوریتم ها می باشد که در گروه NP-Hard قرار می گیرد این مسئله اولین بار توسط دو دانشمند به نام های 1- هامیلتون ایرلندی و 2- کیرکمن بریتانیایی مطرح شد . معمولا بحث در خصوص این تئوری در مطالب اولیه دروس ریاضیات دانشجویان ریاضی ارائه می شود و در دروسی نظیر تئوری گراف می توانید مطالب مشابه را نیز بدست آورید . طرح مسئله تعدادی شهر داریم و هزینه (مسافت) مسافرت به هر یک از آنها مشخص است به دنبال کم هزینه ترین مسیر هستیم بطوریکه از همه شهرها فقط یکبار عیور کنیم و مجددا به محل شروع بازگردیم پیچیدگی محاسباتی الگوریتم فروشنده دوره گرد این الگوریتم بطور مستقیم در مرتبه زمانی(!O(n حل می شود اما اگر به روش برنامه نویسی پویا برای حل آن استفاده کنیم مرتبه زمانی آن (O(n^2*2^n خواهد شد که جز مرتبه های نمایی است. باید توجه داشت علی رغم آنکه مرتبه نمایی مذکور زمان بسیار بدی است اما همچنان بسیار بهتر از مرتبه فاکتوریل می باشد . .............. شبه کد الگوریتم فوق بصورت زیر است که در آن تعداد زیر مجموعه های یک مجموعه n عضوی 2 به توان n می باشد و for اول یک ضریب n را نیز حاصل می شود که به ازای تمام شهرهای غیر مبدا می باشد و حاصل (n*(2^n را پدید می آورد بنابراین برای جستجوی کمترین مقدار نیاز به یک عملیات خطی از مرتبه n داریم که در زمان فوق نیز ضرب می شود و در نهایت زمان (n^2)*(2^n) را برای این الگوریتم حاصل می کند كد: C({1},1) = 0 for (S=2 to n ) for All Subsets S subset of {1,2,3,...} of size S and containing 1 C(S,1) = & for All J member of S , J<>1 C ( S , J ) = min { C ( S - { J } , i ) + D i,J : i member of S , i <> J } return min j C ( {1 . . . n}, J ) + D J,1 ............. اين مسئله ، مسئله‌ای مشهور است که ابتدا در سده ۱۸ مسائل مربوط به آن توسط ویلیام همیلتون و توماس کرکمن مطرح شد و سپس در دهه ۱۹۳۰ شکل عمومی آن به وسیله ریاضیدانانی مثل کارل منگر از دانشگاه هاروارد و هاسلر ویتنی از دانشگاه پرینستون مورد مطالعه قرار گرفت. شرح مسئله بدین شکل است: تعدادی شهر داریم و هزینه رفتن مستقیم از یکی به دیگری را می‌دانیم. مطلوب است کم‌هزینه‌ترین مسیری که از یک شهر شروع شود و از تمامی شهرها دقیقاٌ یکبار عبور کند و به شهر شروع بازگردد. تعداد کل راه‌حل‌ها برابر است با برای n>۲ که n تعداد شهرها است. در واقع این عدد برابر است با تعداد دورهای همیلتونی در یک گراف کامل با n رأس. مسئله‌های مرتبط مسئله معادل در نظریه گراف به این صورت است که یک گراف وزن‌دار کامل داریم که می‌خواهیم کم‌وزن‌ترین دور همیلتونی را پیدا کنیم. مسئله تنگراه فروشنده دوره‌گرد (به انگلیسی: Bottleneck traveling salesman problem، به‌اختصار: bottleneck TSP ) مسئله‌ای بسیار کاربردی است که در یک گراف وزن‌دار کم‌وزن‌ترین دور همیلتونی را می‌خواهد که شامل سنگین‌ترین یال باشد. تعمیم‌یافته مسئله فروشنده دوره‌گرد دارای ایالت‌هایی است که هر کدام حداقل یک شهر دارند و فروشنده باید از هر ایالت دقیقاٌ از یک شهر عبور کند. این مسئله به « مسئله سیاست‌مدار مسافر» نیز شهرت دارد. الگوریتم‌ها مسئله فروشنده دوره‌گرد جزء مسائل NP-hard است. راه‌های معمول مقابله با چنین مسائلی عبارتند از: طراحی الگوریتم‌هایی برای پیدا کردن جواب‌های دقیق که استفاده از آنها فقط برای مسائل با اندازه کوچک صورت میگیرد. استفاده از الگوریتم‌های مکاشفه‌ای که جواب‌هایی به‌دست می‌دهد که احتمالاٌ درست هستند. پیدا کردن زیرمسئله‌هایی از مسئله یعنی تقسیم مسئله به مسئله‌های کوچکتر تا بشود از الگوریتم‌های مکاشفه‌ای بهتر و دقیق‌تری ارائه کرد. الگوریتم‌های دقیق سرراست ترین راه حل امتحان کردن تمامی جایگشت‌های ممکن برای پیدا کردن ارزان‌ترین مسیر است که چون تعداد جایگشت‌ها !n است، این راه حل غیرعملی می‌شود. با استفاده از برنامه‌نویسی پویا مسئله می‌تواند با مرتبه زمانی n22n حل شود. راه‌های دیگر استفاده از الگوریتم‌های انشعاب و تحدید برای ۴۰ تا ۶۰ شهر، استفاده از برنامه‌نویسی خطی برای کوچکتر از ۲۰۰ شهر و استفاده از روش برش-صفحه برای اندازه‌های بزرگ است. الگوریتم‌های مکاشفه‌ای الگوریتم‌های تقریبی متنوعی وجود دارند که خیلی سریع جواب‌های درست را با احتمال بالا به‌دست می‌دهند که می‌توان آنها را به صورت زیر دسته‌بندی کرد: مکاشفه‌ای سازنده بهبود تکراری مبادله دوبه‌دو مکاشفه‌ای k-opt مکاشفه‌ای V-opt بهبود تصادفی |
http://upload.wikimedia.org/wikipedi...apsack.svg.png
نقل قول:
مسئله کوله پشتی چیست؟ فرض کنید که جهانگردی می خواهد کوله پشتی خود را با انتخاب حالتهای ممکن از بین وسائل گوناگونی که بیشترین راحتی را برایش فراهم می سازند پر کند. این مسئله می تواند با شماره گذاری این وسائل از 1 تا n و تعریف برداری از متغیرهای دودویی(Binary) (j = 1,2,…n) بصورت ریاضی فرمول بندی شود. به این معنی که: اگر شیء j ام انتخاب شود در غیر اینصورت وقتی میزان راحتی باشد که وسیله j ا م فراهم می آورد و وزن آن و c اندازه کوله پشتی باشد. مسئله ما انتخاب برداری از بین بردارهای دودویی x است،که محدودیت را بر آورده کند. بطوریکه تابع هدف ماکزیمم مقدار خود را بگیرد. به عنوان نمونه ای از مسائلی که می توانند بصورت مساله کوله پشتی فرمول بندی شوند، مسئله زیر را در نظر بگیرید: فرض کنید که شما مایل به سرمایه گذاری همه یا قسمتی ازسرمایه تان باشید. اگر مبلغی که برای سرمایه گذاری در نظر گرفتید c دلار باشد و n مورد برای سرمایه گذاری ممکن باشد ، اجازه دهیدکه سود حاصل از سرمایه گذاری j ام و مقدار دلارهایی باشد که آن سرمایه گذاری لازم دارد . بدین ترتیب جواب بهینه مسئله کوله پشتی که تعریف کردیم به ما این امکان را می دهدکه بهترین حالت ممکن را از بین حالتهای مختلف سرمایه گذاری انتخاب کنیم. در این رابطه باید روشی برای حل این مسئله پیدا کرد . یک روش ابتدایی که در نگاه اول توجه ما را به خود جلب می کند ، عبارت از برنامه نویسی برای کامپیوتر به منظور امتحان کردن تمامی بردارهای دودویی ممکن x است، تا از بین بردارهایی که محدودیت مسئله را ارضاء می کنند بهترین را انتخاب کند. متاسفانه تعداد چنین بردارهایی است.بطوریکه یک کامپیوتر فرضی که می تواند یک بیلیون بردار را در یک ثانیه امتحان کند؛برای n = 60 بیش از 30 سال وقت لازم دارد و بیش از 60 سال برای n = 61 و دهها قرن برای n = 65 والی اخر. در ادامه لینک دانلود این برنامه قرار داده شده است: دانلود کد حل مسئله کوله پشتی توسط الگوریتم ژنتیک (35.5 KB) |
| زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۱۲:۲۲ بعد از ظهر ميباشد. |
Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2025, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.