پایان نامه الگوریتم ژنتیک در زبان برنامه نویسی c++

اختصاصی از سورنا فایل پایان نامه الگوریتم ژنتیک در زبان برنامه نویسی c++ دانلود با لینک مستقیم و پر سرعت .

 دانلود پایان نامه رشه کامپیوتر گرایش نرم افزار

عنوان : پایان نامه الگوریتم ژنتیک در زبان برنامه نویسی c++

با فرمت ورد  word  ( دانلود متن کامل پایان نامه  )

این پایان نامه را تقدیم می کنم به خانواده ام که در طول تحصیل و در همه مشکلات پیش آمده، مرا کمک کردند.

فهرست مطالب عنوانصفحهچکیده1مقدمه2الگوریتم ژنتیک5تعریف خروجی(نمایش)8عملگرهای مجموعه ژن10شئ جمعیت13توابع شئ و مقیاس گذاری مناسب14نمایش الگوریتم ژنتیک درc++15توانایی عملگرها17چگونگی تعریف عملگرها18چگونگی تعریف کلاس مجموعه ژن22سلسله مراتب کلاس ها23   1. سلسله مراتب کلاس GALib – گرافیکی23   2. سلسله مراتب کلاس GALib – مراتب24رابط برنامه نویسی25نام پارامترها و گزینه های خط فرمان26رفع خطا28توابع اعداد تصادفی29GAGeneticAlgorithm31GADemeGA42GAIncrementalGA44GASimpleGA47GASteadyStateGA50Terminators52Replacement Schemes54GAGenome55GA1DArrayGenome<T>62GA1DArrayAlleleGenome<T>65GA2DArrayGenome<T>67GA2DArrayAlleleGenome<T>70GA3DArrayGenome<T>72GA3DArrayAlleleGenome<T>76GA1DBinaryStringGenome78GA2DBinaryStringGenome81GA3DBinaryStringGenome85GABin2DecGenome88GAListGenome<T>91GARealGenome92GAStringGenome94GATreeGenome<T>96GAEvalData97GABin2DecPhenotype98GAAlleleSet<T>100GAAlleleSetArray<T>103GAParameter and GAParameterList104GAStatistics108GAPopulation113GAScalingScheme123GASelectionScheme127GAArray<T>130GABinaryString132نتیجه گیری135مراجع136

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 :

1. تعریف خروجی های که نشان داده میشوند
2. تعریف عملگر های ژنتیکی
3. 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 نمونة 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 نمونة 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:

1. حالت ساده
2. حالت ساکن یا ثابت یا یکنواخت
3. 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.

متن کامل را می توانید دانلود نمائید چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

 

پایان نامه کارشناسی رشته کامپیوتر با عنوان کاربردهای الگوریتم ژنتیک با فرمت WORD

اختصاصی از سورنا فایل پایان نامه کارشناسی رشته کامپیوتر با عنوان کاربردهای الگوریتم ژنتیک با فرمت WORD دانلود با لینک مستقیم و پر سرعت .

فهرست مطالب

عنوان                                                                                                                          صفحه

----------------------------------------------------------------------

فصل اول -  مقدمه .....................................................

1-1-    مقدمه  

فصل دوم -  مقدمه ای بر الگوریتم ژنتیک...............................................

• مقدمه
• پیشینه
• اصطلاحات زیستی
• تشریح کلی الگوریتم ژنتیک
• حل مسأله با استفاده از الگوریتم ژنتیک
• 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)

• 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...........

• مقدمه
• احتراق
  • روش محاسبه ترکیبات تعادلی با استفاده از ثابت تعادل
  • روش محاسبه دمای آدیاباتیک شعله
  • انتخاب سیستم شیمیایی
  • تأثیر دمای هوا و میزان هوای اضافی بر تولید محصولات
• بهینه سازی
  • روش های حل مسائل بهینه سازی
  • روش تابع پنالتی
  • الگوریتم حل تابع پنالتی

• برنامه ی کامپیوتری و مراحل آن
• تشکیل تابع هدف
• تشکیل مدل مسئله بهینه سازی
• روش حل

فصل چهارم - توضیحاتی در رابطه با gatool نرم افزار مطلب................

• gatool
• تنظیم گزینه ها برای الگوریتم ژنتیک
• Plot Options
• Population Options
• Fitness Scaling Options
• Selection Options
• Reproduction Options
• Mutation Options
• Crossover Options
• Migration Options
• Output Function Options
• Stopping Criteria Options
• Hybrid Function Options
• Vectorize Options

فصل پنجم – نتایج..................................

• نتایج حاصل از تابع پنالتی و الگوریتم ژنتیک
• نتیجه گیری

فهرست مراجع......................

فهرست شکل

عنوان                                                                                                                             صفحه

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

عنوان                                                                                                                             صفحه

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................................

پایان نامه کارشناسی کامپیوتر-الگوریتم ژنتیک

اختصاصی از سورنا فایل پایان نامه کارشناسی کامپیوتر-الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word(قابل ویرایش)تعداد صفحات110   

فهرست مطالب
عنوان صفحه
----------------------------------------------------------------------
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
عنوان صفحه

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
عنوان صفحه

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................................

پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن

اختصاصی از سورنا فایل پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن دانلود با لینک مستقیم و پر سرعت .

پایان نامه الگوریتم ژنتیک و بهینه سازی چندین مسئله به آن

 

چکیده

در عصر حاضر در بسیاری از موارد ماشین‌ها جایگزین انسانها شده‌اند و بسیاری از کارهای فیزیکی که در گذشته توسط انسانها انجام می‌گرفت امروزه توسط ماشین‌ها صورت می‌گیرد. اگرچه قدرت کامپیوترها در ذخیره، بازیابی اطلاعات و اتوماسیون اداری، ... غیر قابل انکار است، اما همچنان مواردی وجود دارد که انسان ناچار است خودش کارها را انجام دهد. اما به طور کلی، موارد مرتبط با ماشین شامل سیستم‌هایی است که در آن به علت ارتباطات پیچیده بین اجزا، مغز انسان از درک ریاضی این ارتباطات قاصر است. مغز انسان به مرور زمان با مشاهده توالی رفتارهای سیستم و گاه آزمایش نتیجه‌ای که بر اثر دستکاری یکی از اجزای سیستم به دست می‌آید تا حدی می‌تواند  عادتهای سیستم را شناسایی کند. این روند یادگیری بر اثر مشاهده مثالهای متنوع از سیستم، به کسب تجربه منجر می‌شود. در چنین سیستم‌هایی مغز قادر به تجزیه و تحلیل داخلی سیستم نیست و تنها با توجه به رفتارهای خارجی، عملکرد داخلی سیستم را تخمین می‌زند و عکس‌العملهای آن را پیش‌بینی می‌کند.

 

1-1 مقدمه

توجه به کاربرد تکنیک‌های هوش مصنوعی و ابزارهای مدل‌سازی در حوزه کسب و کار به طور فزاینده‌ای در حال افزایش است. این پروژه شواهدی را مبتنی بر امکان استفاده اخلاقی از شبکه‌های عصبی و الگوریتم‌های ژنتیک که به منجر به تصمیم‌گیری‌های موفقیت‌آمیز در ارتباط با مسائل مرتبط با کسب و کار می‌شود ارائه می‌کند. برای این منظور لازم است که بررسی تطبیقی‌ای در رابطه با تلاشهای دیگر محققان در قالب ادبیات موضوع صورت گیرد. به همین دلیل، در تحقیق ما بر نقش محققان عملیاتی در حوزه کاربرد شبکه‌های عصبی و الگوریتم‌های ژنتیک تأکید شده است. 

 

فهرست مطالب

عنوان    صفحه

فصل اول- کلیات پروژه

کلیات پروژه 1

1-2 مقدمه 2

فصل دوم- الگوریتم ژنتیک

2-1 فناوری شبکه عصبی 5

2-2 فناوری الگوریتم ژنتیک 9

2-3 مروری بر کاربردهای تجاری 10

2-4 بازاریابی 10

2-5 بانکداری و حوزه‌های مالی 13

2-6  پیش بینی 14

2-7 سایر حوزه‌های تجاری 15

2-8. الگوریتم ژنتیک 15

2-8-1. عملگرهای ژنتیک 17

2-8-1-1. عملگر تولید مثل 17

2-8-2. مؤلفه های ژنتیک 18

2-9. الگوریتم نلدر- مید 19

2-9-1. مرور اجمالی بر روش عملکرد الگوریتم نلدر- مید 21

2-10. ترکیب ژنتیک و نلدر- مید 21

2-11. جامعة آماری 22

2-12. نمونة آماری 22

2-13. داده‌ها و اطلاعات 23

2-14. ابزار جمع‌آوری داده 23

2-15. داده‌های خام 24

فصل سوم- بررسی چندین مسئله در الگوریتم ژنتیک

3-1 طراحی آزمایشات و ارائه مدلی از متغیرهای مستقل 26

3-2 معرفی عوامل مؤثر 26

3-3 رطوبت تفاله 26

3-4 دمای خشک کن 27

3-5  درصد آهک اضافه شده 27

3-6 معرفی متغیر پاسخ 27

3-7 الگوریتم های پیشنهادی 27

3-8 الگوریتم ترکیبی شبیه سازی تبرید و ژنتیک (GA-SA) 28

3-9 الگوریتم شبیه سازی تبرید( SA): 30

3-10 جزئیات ساختار الگوریتم های پیشنهادی 30

نمایش حل ها 30

3-11 دمای اولیه 31

3-12 جستجوی همسایگی 31

فصل چهارم- بهینه سازی مسائل مختلف

4-1. مرور ادبیات مسئله: 33

4-2. شرح مسئله تسطیح منابع در حالت چند پروژه‌ای 37

4-3. مدلسازی مسئله 39

4-4. مدلسازی مسئله در حالت تک پروژه‌ای: 39

4-5  مدلسازی مسئله در حالت چند پروژه‌ای، هنگامی که چند نوع منبع داریم 41

4-6  بیان روش حل به کمک الگوریتم ژنتیک 42

4-7  کد کردن مسئله 43

4-8 تولید جامعه اولیه 43

4-9  تعیین مکانیسم نمونه‌گیری: 44

4-10. انتخاب عملگر ژنتیکی مناسب 46

4-11 تعیین معیار توقف 48

4-12  بررسی نتایج حاصل از مسئله 48

4-14  بررسی نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی 51

4-15. بیان مسئله و شرح اهمیت پژوهش 52

4-16 بهینه‌سازی 53

4-17. انواع روش‌های بهینه‌سازی 54

4-17-1. کلاسیک‌ها 54

4-17-2. روش‌های ابتکاری 54

4-17-3. روش تحقیق 55

فصل پنجم- نتیجه گیری

5-1  نتیجه‌گیری 57

منابع 60

 

فهرست اشکال

عنوان     صفحه

شکل 2-1 مدل پایه‌ای نورون 6

شکل2-2 ساختمان یک شبکه عصبی مصنوعی 7

شکل 2-3: فلوچارت الگوریتم ژنتیک 20

شکل 2-4: فلوچارت الگوریتم نلدر- مید (منبع: اقتباس مؤلف‌ها از الگوریتم نلدر- مید) 23

جدول 4-1. مقایسه حل توسط نرم‌افزار Lingo و الگوریتم ژنتیک در حالت سه پروژه‌ای 49

جدول 4-2 50

جدول 4-3. مقایسه حل توسط نرم افزار Lingo و الگوریتم ژنتیک در حالت پنج پروژه‌ای 51

جدول4-4. مقایسه نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی 52

 

فهرست جداول

عنوان   صفحه

جدول 4-1. مقایسه حل توسط نرم‌افزار Lingo و الگوریتم ژنتیک در حالت سه پروژه‌ای 49

جدول 4-2 50

جدول 4-3. مقایسه حل توسط نرم افزار Lingo و الگوریتم ژنتیک در حالت پنج پروژه‌ای 51

جدول4-4. مقایسه نتایج حاصل از حل مسئله در حالت چند پروژه‌ای و چند منبعی 52

 

منابع

پارکر جونز، چارلز(1380)، مدیریت سبد سهام(مدیریت سبد سرمایه‌گذاری)، ترجمة محمد شاه علیزاده، چ1، تهران: انتشارات جامعة دانشگاهی.

تلنگی، احمد(1377)، طراحی مدل ریاضی برای انتخاب پرتفولیوی بهینه با استفاده از منطق برنامه‌ریزی فازی، تهران: پایان‌نامة کارشناسی ارشد، دانشگاه تهران.

 و...

پروپزال کارشناسی ارشد رشته علوم دامی گرایش ژنتیک و اصلاح نژاد دام

اختصاصی از سورنا فایل پروپزال کارشناسی ارشد رشته علوم دامی گرایش ژنتیک و اصلاح نژاد دام دانلود با لینک مستقیم و پر سرعت .

موضوع :

عنوان فارسی

بررسی ضرایب اقتصادی برخی صفات گوسفند نژاد قزل در منطقه لیقوان

عنوان انگلیسی

Estimation of economic values for some traits of Ghezel sheep breed in Lighvan

  فهرست مطالب:                                                                                                  صفحه

الف) چکیده........................................................................................................... 3

ب) بیان مسئله..................................................................................................... 4

ج) سئوالات تحقیق.............................................................................................5

د) فرضیات تحقیق.............................................................................................. 5

ه) بررسی منابع.................................................................................................... 6

و) مواد و روش ها (روش تحقیق)......................................................................7

ز) نتایج مورد انتظار........................................................................................... 10

ح) معیار ارزیابی موفقیت................................................................................... 10

ی) منابع و ماخذ.............................................................................................   11

ک) واژه نامه.......................................................................................................

فرمت فایل: word

صفحات:17صفحه

 زبان : فارسی