فهرست عناوین کتاب
پیش‌گفتار
فصل 1: مقدمه‌ای بر بهینه‌سازی
1 1-1 . مقدمه
1-2 - نظریه‌ی پیچیدگی محاسباتی
1-3 - مسائل محاسباتی
3-1- نمونه‌های مسئله
1-3-2- نمایش نمونه‌های مسئله
1-4- مسائل تصمیم‌گیری
1-5- مسائل تابعی
1-6- محاسبه‌ی اندازه‌ی یک نمونه
1-7- مدل‌های ماشین و معیارهای پیچیدگی
1-8- معیارهای پیچیدگی
1-8-1- پیچیدگی زمانی
1-9- بهترین حالت، بدترین حالت و حالت متوسط پیچیدگی
1-10- کران بالا و پایین پیچیدگی مسائل
1-11- کلاس‌های پیچیدگی
1-11-1- تعیین کلاس‌های پیچیدگی
1-11-2- کلاس‌های پیچیدگی مهم
1-12- ساده‌سازی
1-13- بررسی ناکارآمد بودن از لحاظ زمانی
1-14- مسائل حل نشده‌ی مهم
1-14-1- مسئله‌ی P در مقابل NP
1-14-2- وجود مسائلی در NP که نه جزء P هستند و نه جزء NP-Complete
1-15- روش‌هایی برای حل مسائل NP-Complete
1-16- روشهای جستجوی هوش مصنوعی
1-17- انواع مسائل در هوش مصنوعی
1-17-1- جستجوی ناآگاهانه
1-17-1-1- الگوهای جستجوی عمومی
1-17-1-2- جستجوی عمقی
1-17-1-3- جستجوی عمقی محدود شده
1-17-1-4- جستجوی سطحی
1-17-1-5- جستجوی عمقی تکرار شونده
1-17-1-6- جستجوی دو طرفه
1-17-1-7- جستجوی هزینه‌ی یکنواخت
1-17-2- روش های جستجوی آگاهانه
1-17-3- روش های جستجوی مکاشفه‌ای
1-17-3-8- جستجوی اول بهترین
1-17-3-9- حل مسئله‌ی N- وزیر با استفاده از روش اول بهترین
1-17-3-10- جستجوی حریصانه
1-17-3-11- جستجوی
1-17-3-12- الگوریتم تپه نوردی
1-17-3-13- الگوریتم تپه‌نوردی تعمیم یافته
1-17-3-14- الگوریتم جستجوی تابو
1-18- بهینه‌سازی
1-18-1- یافتن بهترین راه‌حل
1-18-2- بهینه‌سازی چیست؟
1-18-3- مقایسه‌ی ریشه‌یابی با بهینه‌سازی
1-18-4- انواع بهینه‌سازی
1-19- الگوریتم‌های جستجوگر حداقل
1-19-1- جستجوی جامع
1-19-2- بهینه‌سازی تحلیلی
1-19-3- روش غیرمرکب سرازیری نلدر- مید
1-19-4- بهینه‌سازی مبتنی بر کمینه‌سازی خط
1-20- روشهای بهینه‌سازی طبیعی
1-21- بهینه‌سازی زیستی: انتخاب طبیعی
1-22- الگوریتم ژنتیک
کتاب‌نامه
تمرین
فصل 2: الگوریتم ژنتیک گسسته
2- 1- انتخاب طبیعی بر روی کامپیوتر.
2-2- مؤلفه‌های یک الگوریتم ژنتیک دودویی
2-2-2- انتخاب متغیرها و تابع هزینه
2-2-3- کدگذاری و کدگشایی متغیر
2-2-4- انتخاب طبیعی براي نسل بعد
2-2-5- انتخاب والدين
2-2-6- ادغام
2-2-7- جهش
2-2-8- نسل بعدی
2-2-9- همگرایی
2-3- بهینه‌سازی یک تابع ساده
سخن آخر
کتاب‌نامه
تمرین
فصل 3: الگوریتم ژنتیک پیوسته
3-1- مقدمه
3-2- مولفه‌های یک الگوریتم ژنتیک پیوسته
3-2-2- متغیرها و تابع هزینه برای مثال ارائه شده در فصل
3-2-3- دقت، قیدها و کدگذاری متغیرها
3-2-4- جمعیت اولیه
3-2-5- انتخاب طبیعی
3-2-6- جفت‌گیری
3-2-7- ادغام
3-2-8- جهش‌ها
3-2-9- نسل بعدی
3-2-10- همگرایی
3-3- سخن آخر
کتاب‌نامه
تمرین
فصل 4: کاربردهای پایه
4-1- مقدمه
4-2- خلاقیت الگوریتمی- هنر ژنتیکی
4-4- بازی حدس زدن یک کلمه
4-5- مکان‌یابی مناسب برای یک واحد اورژانس
4-6- طراحی آنتن آرایه‌ای
4-7- تکامل تدریجی اسب‌‌ها
4-8- خلاصه
کتاب‌نامه
فصل 5: افزودن اندکی پیچیدگی
5-1- مقدمه
5-2- کار با توابع پرهزینه
5-3- بهینه‌سازی چند منظوره
5-3-2- مجموع توابع هزینه‌ی وزن‌دهی شده
5-3-3- بهینه‌سازی پارتو
5-4- GA مرکب
5-5- کدهای گری
5-6- روشهای دیگر کدگذاری کروموزوم
5-7- اندازه‌ی ژن
5-8- همگرایی
5-9- ادغام‌های دیگر برای GAهای دودویی
5-10- جمعیت
5-11- جهش
5-12- مسائل جایگشت
5-13- انتخاب مشخصه‌های ژنتیک
5-14- GA پیوسته در مقابل GA گسسته
5-15- الگوریتم‌های ژنتیک آشفته
5-16- عملگرهای پیشرفته
5-16-1- دوگانی، غالب و مغلوب
5-16-2- مالتی پلوئید یا چندگانی
5-16-3- وارونگی و مرتب‌سازی مجدد
5-16-4- نیچ و گونه‌پروری
5-16-4-1- نیچ و گونه‌پروری در مسائل چند قیدی
5-16-5- تراکم
5-16-6- اشتراک
5-16-7- نیچ و گونه‌پروری در مسائل تک‌قید
5-16-8- جلوگیری از ازدواج با محارم
5-17- الگوریتم‌های متاژنتیک
5-18- نگاشت نژادمانه به رخ‌مانه
5-19- الگوریتم‌های ژنتیک موازی
5-19-1- مزایای GA موازی
5-19-2- روش‌هایی برای GA موازی
5-19-3- افزایش سرعت پیش‌بینی شده
5-19-4- مثالی از یک GA موازی
5-19-5- چگونه GAهای موازی مورد استفاده قرار گیرند
کتاب‌نامه
تمرین
فصل 6: کاربردهای پیشرفته
6-1- مقدمه
6-2- مسئله‌ی فروشنده‌ی دوره‌گرد
6-3- بازگشت به مسئله‌ی مکان‌یابی برای یک واحد اورژانس
6-4- رمزگشایی یک پیغام محرمانه
6-5- طراحی خط سیر روبات
6-6- طراحی حرکت مخفی (رادارگریز)
6-7- ساخت مدل‌های معکوس دینامیکی- حالت خطی
6-8- ساخت مدل‌های معکوس دینامیکی- حالت غیرخطی
6-9- ترکیب GA با شبیه‌سازی- مدل‌سازی دستگاه اندازه‌گیری آلودگی هوا
6-10- مسائل زمان‌بندی
6-10-1- الگوریتم ژنتیک برای مسئله‌ی زمان‌بندی کارها بر روی ماشین‌ها
6-11- بهینه‌سازی شبکه‌های عصبی مصنوعی بوسیله‌ی ژنتیک
6-12- حل معادلات دیفرانسیل جزئی غیرخطی مرتبه بالا
کتاب‌نامه
فصل 7: مقدمه‌ای بر الگوریتم‌های تکامل‌پذیر
7-1- مقدمه
7-2- روش شبيه‌سازي تبريد تدريجي در يك نگاهي کلي
7-2-1- معیار متروپلیس
7-2-2- اجراي الگوريتم شبيه سازي تبريد تدريجي
7-2-3- شروط تعادل و توقف در شبيه سازي تبريد تدريجي
7-2-4- رابطه بين شبيه سازي تبريد تدريجي و حرارت فيزيكي
7-2-5- شبه‌کدي براي الگوريتم شبيه سازي تبريد تدريجي
7-2-6- برنامه سرد كردن در شبيه‌سازي تبريد تدريجي
7-2-7- تابع هزينه و همسايگي در شبيه‌سازي تبريد تدريجي
7-3- الگوریتم بهينه‌سازي گروهي ذرات در يك نگاه كلي
7-3-1- حرکت دسته جمعي ذرات
7-3-2- بکارگیری PSO در آموزش شبکه‌های عصبی
7-4- الگوريتم بهينه سازي مورچگان
7-4-1- مطالعه رفتار حيوانات
7-4-2- اصول پايه مسيريابي مورچه‌ها به سوي غذا
7-4-3- بهينه سازي ساده کلوني مورچه
7-4-4- مراحل الگوريتم SACO
7-4-5- معايب الگوريتم SACO
7-5- بکارگيري الگوريتم ACO براي مسائل خوشه بندي داده‌ها
7-5-1- مراحل الگوريتم ACO براي خوشه بندي داده‌ها
7-5-1-1- چگونگي توليد راه حل ها
7-5-1-2- چگونگي محاسبه شايستگي
7-5-1-3- جستجوي محلي
7-5-2- الگوريتم ACO اصلاح شده براي دسته بندي داده‌ها
7-5-3- پياده سازي الگوريتم هاي دسته بندي بررسي شده
7-6- الگوریتم‌های فرهنگی
7-7- روشهای تکاملی
7-8- آینده‌ی الگوریتم‌های ژنتیک
کتاب‌نامه
تمرین
پیوست‌ها
پیوست الف: توابع آزمون
کتاب‌نامه
پیوست ب: کد متلب
برنامه‌ی 1: الگوریتم ژنتیک دودویی
برنامه‌ی 2: تبدیل کروموزوم‌های دودویی به کروموزوم‌های پیوسته
برنامه‌ی 3: الگوریتم ژنتیک پیوسته
برنامه‌ی 4: الگوریتم ژنتیک پارتو
برنامه‌ی 5: الگوریتم ژنتیک جایگشتی
برنامه‌ی 6: تابع هزینه‌ی مسئله‌ی فروشنده‌ی دوره‌گرد
برنامه‌ی 7: بهینه‌سازی هجوم ذرات
برنامه‌ی 8: بهینه‌سازی اجتماع مورچه‌ها
برنامه‌ی 9: توابع آزمون
پیوست پ: کد فرترن با کارایی بالا
پیاده‌سازی موازی الگوریتم ژنتیک پیوسته
پیوست ت: پیاده‌سازی الگوریتم ژنتیک با استفاده از متلب
ساختار داده‌ها
کروموزوم‌ها
رخ‌مانه‌ها
مقادیر تابع هدف
مقادیر شایستگی
چندین خرده جمعیت
توابع جعبه ابزار
جعبه ابزار واسط گرافیکی کاربر برای الگوریتم ژنتیک
الف. جمعیت
ب. مقایس گذاری شایستگی
پ. انتخاب
ت. تولید مثل
ث. جهش
ج. ادغام
چ. مهاجرت
ح. تابع مرکب
خ. معیار توقف
د. اجرا و شبیه‌سازی
اجرای الگوریتم
مسائل حل شده با استفاده از متلب
مسئله‌ی 1
مسئله‌ی 2
مسئله‌ی 3
مسئله‌ی 4
مسئله‌ی 5
مسئله‌ی 6
مسئله‌ی 7
مسئله‌ی 8
مسئله‌ی 9
مسئله‌ی 10
مسئله‌ی 11
مسئله‌ی 12
بهینه‌سازی با استفاده از الگوریتم ژنتیک در C/C++
پیوست ث: مقدمه
مسئله‌ی فروشنده‌ی دوره‌گرد
مسئله‌ی تطبیق کلمه
معمای غیر قابل حل زندانی
بیشینه‌سازی تابع
کمینه‌سازی یک تابع سینوسی دارای قید
شرح مسئله
بیشینه‌سازی تابع
حل معادله‌ی درجه دوم
واژه‌نامه
مطالب مشابه :
الگویتم ژنتیک برای حل مساله n- وزیر
الگویتم ژنتیک برای حل برای مسئله 8 وزیر در بدترین حالت هر وزیر با همه وزیر های
آموزش #c
می باشد نتیجه نهایی حل مسئله می بایست که نمای شهر از (8 وزیر) با الگوریتم ژنتیک vb
فهرست عناوین کتاب
، الگوریتم ژنتیک الگوریتم های 1-17-3-9- حل مسئله‌ی n- وزیر با استفاده از روش اول
پیاده سازی جدول سودوکو با الگوریتم ژنتیک
پیاده سازی جدول سودوکو با الگوریتم ژنتیک برای حل مسئله با الگوریتم ژنتیک 8 وزیر. خوشه
مسئله هشت وزیر
روشهای حل مسئله الگوریتم ژنتیک. برای مسئله ۸ وزیر در بدترین حالت هر وزیر با همه
الگوریتم های متاهیوریستیکی ...
در مسئله 8 وزیر هدف الگوریتم برای حل مساله 8 در الگوریتم sa حل شده است، با این
پروژه پایانی - دانشگاه پیام نور
بررسی حل مسئله n وزیر با روش های فرا کاربرد الگوریتم ژنتیک در داده
الگوریتم ژنتیک
الگوریتم ژنتیک نیز با در این مثال می خواهیم مسئله ی ۸ وزیر را بوسیله ی این الگوریتم حل
برچسب :
حل مسئله 8 وزیر با الگوریتم ژنتیک