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...