تأثیر جمعیت اولیه بر عملکرد الگوریتم ژنتیک در طراحی بهینه ورق کامپوزیتی با گشودگی دایروی

تأثیر جمعیت اولیه بر عملکرد الگوریتم ژنتیک در طراحی بهینه ورق کامپوزیتی با گشودگی دایروی

دراین مقاله، یک ایده جدید برای تولید جمعیت اولیه به zwnj;نام جمعیت اولیه شبه zwnj;تصادفی مرزی، در الگوریتم ژنتیک برای یک مسئلۀ بهینه zwnj;سازی مقید ارائه می zwnj;شود. سعی می zwnj;شود در یک مسئلۀ بهینه zwnj;سازی، نحوه تولید جمعیت اولیه شبه zwnj;تصادفی تشریح و نتایج حاصل با نتایج اجرای ...

دریافت فایل

پروژه کامل الگوریتم ژنتیک

» :: پروژه کامل الگوریتم ژنتیک
--- خرید و دانلود محصول

-

1394/06/16

---

الگوریتم , الگوریتم ژنتیک , ژنتیک , کنترل هوشمند به روش الگوریتم ژنتیک , پروژه

---

لینک محصول

http://kavoshgar.zepo.ir/post/6981

مقاله-مکان یابی بهینه با الگوریتم ژنتیک

» :: مقاله-مکان یابی بهینه با الگوریتم ژنتیک
--- خرید و دانلود محصول

1394/06/01

---

---

لینک محصول

http://kavoshgar.zepo.ir/post/3347

دایرة المعارف ژنتیک گیل(یکی از کامل ترین مراجع ژنتیک) به زبان انگلیسی

» :: دایرة المعارف ژنتیک گیل(یکی از کامل ترین مراجع ژنتیک) به زبان انگلیسی
کتاب دایرة المعارف گیل به زبان انگلیسی

مرجع کامل ژنتیک دانشگاهی

فهماندن و معرفی ژنتیک و بیماری های ژنتیکی

به همراه تصاویر

در ۱۴۶۵صفحه

زبان انگلیسی

خرید و دانلود محصول

1394/08/16

---

کتاب , دانشگاهی , دایرة المعارف , ژنتیک , بیماری های ژنتیکی , انگلیسی

---

لینک محصول

http://kavoshgar.zepo.ir/post/18615

رنگ آمیزی گراف با الگوریتم ژنتیک ‎

» :: رنگ آمیزی گراف با الگوریتم ژنتیک ‎
مساله بهینه سازی رنگ آمیزی گراف تعیین حداقل تعداد رنگهای مورد نظر برای رنگ آمیزی گرافی معین است به گونه ای که هیچ دو راس مجاور هم رنگ نباشند و این عدد مورد نظر را عدد کروماتیک گراف می گوئیم . مساله تصمیم گیری رنگ آمیزی گراف ان است که برای یک عدد صحیح m تعیین کنیم که آیا رنگ آمیزی وجود دارد که حداکثر از این m رنگ استفاده کرده و هیچ دو راس مجاوری هم رنگ نباشند. تا امروز برای حالتهای تصمیم گیری و بهینه سازی فوق الگوریتمی از مرتبه چند جمله ای پیدا نشده است . در اینجا سعی شده با استفاده از الگوریتم ژنتیک راه حل های بهینه ای را برای این مسئله ارائه دهیم.

فهرست :

الگوریتم ژنتیک و الگوریتم هیورستیک

مقدمه ای بر بهینه سازی

الگوریتم های مینیمم یابنده

هیورستیک

انواع الگوریتم های هیورستیک

الگوریتم ژنتیک

فضای جستجو

مفاهیم پایه ای در الگوریتم ژنتیک

کد گذاری دودویی

کدگذاری جهشی

کدگذاری ارزشی

کدگذاری درختی

جمعیت ژنتیکی

تاریع برازندگی

عملگر ترکیب یا جابجایی

ترکیب چند نقطه ای

ترکیب یکنواخت

ترکیب نگاشت جزئی

ترکیب مرتب شده

ترکیب چرخشی

عملگر جهش

روش وارون سازی

روش ژن جزئی

روش درجی

روش درهم آمیخته

روش چرخ رولت

روش رتبه بندی

عملگر ترمیم

نخبه کشی

مراحل اجرای الگوریتم ژنتیک

همگرایی در الگوریتم ژنتیک

روش برش کروموزوم

نحوه جهش ژنتیک

خرید و دانلود محصول

1395/04/22

---

الگوریتم ژنتیک , الگوریتم های مینیمم یابنده , الگوریتم هیورستیک , تاریع برازندگی , ترکیب چرخشی , ترکیب چند نقطه ای , ترکیب نگاشت جزئی , جمعیت ژنتیکی , روش برش کروموزوم , روش ژن جزئی , روش وارون سازی , عملگر ترکیب یا جابجایی , کد گذاری دودویی , کدگذاری ارزشی , مراحل اجر

---

لینک محصول

http://kavoshgar.zepo.ir/post/61557

علوم تربیتی 10. جدول زمانی دوره تحصیلی دانشگاه با الگوریتم ژنتیک

» :: علوم تربیتی 10. جدول زمانی دوره تحصیلی دانشگاه با الگوریتم ژنتیک

جدول زمانی دوره تحصیلی دانشگاه با الگوریتم ژنتیک

چکیده

این مقاله به شرح فعالیت های الگوریتم ژنتیکی هیبریدی در ارتباط با نمونه های واقعی مسئله جدول زمانی دوره اموزش دانشگاهی می پردازد. ما جدول زمانی آزمایشی را در محیط کاملا محدود مد نظر قرار می دهیم، که در ارتباط با آن تعریف رسمی داده می شود. تکنیک های ارائه راه حل متناسب با مسئله به همراه اپراتورهای ژنتیک مربوطه و الگوریتم جستجوی محلی تعریف می گردد. روش مطرح شده در این مقاله با موفقیت برای جدول زمانی در نهادهای پژوهشی مورد استفاده قرار گرفته و دارای قابلیت ایجاد جدول زمانی برای نمونه های مرتبط به مسائل پیچیده تر می باشد.

خرید و دانلود محصول

1394/12/20

---

الگوریتم ژنتیک , دانشگاه , دوره تحصیلی , الگوریتم ژنتیکی هیبریدی , جدول زمانی دوره اموزش دانشگاهی , University Course Timetabling , Genetic Algorithm , Laboratory Excercises Case Study , مقاله انگلیسی علوم تربیتی با ترجمه فارسی , مقاله انگلیسی علوم تربیتی با ترجمه , مقاله انگلیسی علوم تربیتی

---

لینک محصول

http://kavoshgar.zepo.ir/post/44240

» :: آموزش حل مسأله کوله پشتی با الگوریتم ژنتیک

آموزش حل مسأله کوله پشتی با الگوریتم ژنتیک

توضیحات

مسأله کوله پشتی یا Knapsack Problem یکی از مسائل معروف در ریاضیات کاربردی و تحقیق

الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و

الگوریتم تکاملی است، که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم

در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت “الگوریتم تکاملی” به

ذهن می رسد، الگوریتم ژنتیک است. تا کنون محصولات متنوعی برای آموزش مباحث تئوری و عملی الگوریتم

های ژنتیک، بر روی فرادرس ارائه شده اند. در این پست قصد داریم محصول جدیدی را که مربوط به حل مسأله

کوله پشتی یا Knapsack Problem با استفاده از الگوریتم ژنتیک است، به حضور مخاطبین محترم ، معرفی کنیم.

در عملیات است، که به نام Backpack Problem نیز شناخته می شود. این مسأله دارای نسخه های مختلفی است

و حالات پیچیده تر آن، در حل مسائل روزمره و صنعتی، کاربردهای فراوانی دارد. گذشته از اهمیت عملی این

مسأله، نسخه های استانداردی نیز برای این مسأله تعریف شده اند که برای ارزیابی عملکرد الگوریتم های بهینه

سازی، مورد استفاده قرار می گیرد. در این فیلم آموزشی با استفاده از الگوریتم ژنتیک به حل مسأله کوله پشتی

باینری پرداخته شده است.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:

• مروری بر مسأله کوله پشتی (Knapsack Problem)
• ارائه مدل ریاضی مسأله کوله پشتی باینری
• پیاده سازی مسأله کوله پشتی در قالب یک مسأله بهینه سازی باینری
• حل مسأله توسط الگوریتم ژنتیک باینری
• جمع بندی و نتیجه گیری های نهایی




اطلاعات تکمیلی




نام آموزش	آموزش حل مسأله کوله پشتی با الگوریتم ژنتیک – (رایگان)
ناشر	فرادرس
مدرس	دکتر سیدمصطفی کلامی هریس
کد آموزش	MVRGA9011F
مدت زمان	۴۶ دقیقه
زبان	فارسی
نوع آموزش	آموزش ویدئویی (کیفیت HD - مورد تایید فنی فرادرس)
حجم دانلود	۱۰۸ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)

خرید و دانلود محصول

1395/03/30

---

آموزش , دروس دانشگاهس , آموزش کوله پشتی , درس کوله پشتی , آموزش درس کوله پشتی , آموزش حل مسأله کوله پشتی با الگوریتم ژنتیک , حل مسئله کوله پشتی

---

لینک محصول

http://kavoshgar.zepo.ir/post/58753

پزشکی 50. ژنتیک مولکولی HD: با توجه به اندازه

» :: پزشکی 50. ژنتیک مولکولی HD: با توجه به اندازه

ژنتیک مولکولی HD: با توجه به اندازه

چکیده

بیماری هانتینگتون (HD) یک بیماری بازسازی سلولهای عصبی دیرهنگام با توازث اتوزومال غالب می باشد. شیوع این بیماری میان افراد اروپایی تبار حدود 1100000 می باشد. نشانه های بالینی HD شامل احتلالات حرکتی (موتور)، احتلالات رفتاری و کاهش شناختی می باشد. پاتولوژی این بیماری به حوزه مغز محدود می گردد و نشانه نوروپاتولوژیکی قالب و از بین رفتن انتخابی نورونها در استریاتوم می باشد. ژن انسانی HD (IT-15) روی کروموزوم 4p16.3 قرار گرفته و شامل 67 گزون پوشاننده 180kb از DNA می باشد. جهش مرتبط با این بیماری، گسترش مسیر تکرار CAG پلی مورفیک در اولین اگزون ژن HD می باشد. در واقع، HD به گروهی از بیماریها مربوط است که در آن جهش سببی، گسترش مسیر تکرارهای CAG در زنهای متناظر می باشد. مجموعا 9 شرط مرتبط تا به حال شرح داده شده که بطور جمعی به "بیماریهای پلی گلوتامین" اتلاق می گردند. در بیماری HD کروموزومها ی نرمال دارای 6 تا 35 تکرار CAG و کروموزومهای جهش یافته دارای 36 تا 250 واحد تکرار می باشند. بین سن شروع و طول تکرار CAG گسترده شده همبستگی معکوس قوی وجود دارد. تشخیص مولکولی مستقیم این بیماری از سال 1993 انجام شده است، با این حال جهت جلوگیری از نتایج منفی ممکن یک نتیجه تست مولکولی، پروتکلهای مشاوره ژنتیک و قواعد اخلاقی باید دنبال گردند.

واژگان کلیدی: بیماری هانتینگتون- پلی گلوتامین- تخریب سلولهلی عصبی- تکرار CAG

خرید و دانلود محصول

1394/09/16

---

بیماری هانتینگتون , پلی گلوتامین , تخریب سلولهلی عصبی , تکرار CAG , ژنتیک مولکولی HD , HD , مقاله انگلیسی پزشکی با ترجمه فارسی , مقاله انگلیسی پزشکی با ترجمه , مقاله انگلیسی پزشکی , Molecular genetics , Huntingtons Disease , When size does matter

---

لینک محصول

http://kavoshgar.zepo.ir/post/26034

انتخاب بهینه ویژگی ها با کمک الگوریتم ژنتیک (feauture selection with ga ) همراه مقاله شبیه سازی شده

» :: انتخاب بهینه ویژگی ها با کمک الگوریتم ژنتیک (feauture selection with ga ) همراه مقاله شبیه سازی شده

با استفاده از با استفاده از الگوریتم ژنتیک ویژگی های تصویر استخراج می گردد بر روی مدل صنعتی پیاده شده است و می توان به راحتی بر روی مدل های دیگر پیاده سازی نمود.

عالی برای پروژه درس الگوریتم بهینه سازی و پردازش داده مقطع ارشد هوش مصنوعی و...

به راحتی میتوان مدل را به مدل دلخواه تغییر داد.(شبیه سازی در سیمولینک متلب انجام شده است)

جواب و خروجی های تست شده است و نگران صحت برنامه نباشید و در صورت اشکال با شماره های زیر تماس بگیرید.)

برای هماهنگی بیشتر و سوال می توانید با شماره های زیر و یا ایمیل با نویسنده برنامه در ارتباط باشید.

محمدرضاکیانی

09132399969

09338075778

[e-mail]

WWW.MATLABNEVISAN.IR

خرید و دانلود محصول

1394/10/29

---

matlab , project , ga , feauture selection , genetic algorithm , simulink , پروژه متلب , پایان نامه

---

لینک محصول

http://kavoshgar.zepo.ir/post/35048

دریافت دمو

صنایع 15. ترکیب الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات برای یافتن اندازه و مکان بهینۀ تولید پراکنده در سیستم‌های توزیع

» :: صنایع 15. ترکیب الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات برای یافتن اندازه و مکان بهینۀ تولید پراکنده در سیستم‌های توزیع

ترکیب الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات برای یافتن اندازه و مکان بهینۀ تولید پراکنده در سیستم‌های توزیع

چکیده

منابع تولید پراکنده (DG) به علت تقاضای روبروی رشد انرژی دارای اهمیت زیادی در سیستم‌های توزیع می‌گردند. مکان‌ها و توانمندی‌های منابع تولید پراکنده تاثیر عمیقی در تلفات سیستم در شبکه توزیع داشته‌اند. در این مقاله، یک ترکیب نوینی از الگوریتم ژنتیک (GA)/ بهینه‌سازی ازدحام ذرات (PSO) برای جایابی و یافتن اندازه بهینه تولید پراکنده در سیستم‌های توزیع معرفی می‌شود. هدف این است که تلفات توان شبکه کمینه شده، تنظیم ولتاژ بهتری صورت گرفته و پایداری ولتاژ در چارچوب قیود عملکردی و امنیتی سیستم در سیستم‌های توزیع شعاعی حاصل شود. یک تحلیل تشریحی روی سیستم‌های 33 و 39 باس انجام شده است تا کارائی روش ارائه شده نشان داده شود.

کلیدواژه: منابع تولید پراکنده، الگوریتم ژنتیک، گمارش، بهینه‌سازی ازدحام ذرات، اتلاف

خرید و دانلود محصول

1394/10/02

---

اتلاف , بهینه‌سازی ازدحام ذرات , گمارش , الگوریتم ژنتیک , منابع تولید پراکنده , سیستم‌های توزیع , ترکیب الگوریتم ژنتیک , الگوریتم بهینه‌سازی ازدحام ذرات , مقاله انگلیسی مهندسی صنایع با ترجمه فارسی , مقاله انگلیسی مهندسی صنایع با ترجمه , مقاله انگلیسی مهندسی صنایع , combination , genetic algorithm , particle swarm optimization , optimal DG location , distribution systems

---

لینک محصول

http://kavoshgar.zepo.ir/post/29705