پایان نامه بررسی الگوریتم ژنتیک در TSP و NP-HARD

تاريخچه بيولوژيکي
ایدة اصلی استفاده از الگوریتم ژنتیک 
ساختار الگوريتم‏هاي ژنتيكي
عملگرهاي الگوریتم  ژنتيك  
عملگر انتخاب  (Selection ) 
شکل 1 - نحوه ارزیابی شایستگی در چرخ رولت
عملگر آميزش (Crossover) 
تلفیق تک نقطه ای (Single Point Crossover) 
شکل 2 - یک نمونه تلفیق (آمیزش)  
روش ادغام دو نقطه ای (Two-point CrossOver)
شکل 3 - (روش ادغام دو نقطه ای) 
تلفیق نقطه ای (Multipoint Crossover )
تلفیق جامع (Uniform Crossover)
عملگر جهش (Mutation ) 
شکل 4 - یک کروموزوم قیب و بعد اعمال عملگر جهش 
روند كلي الگوريتم‏هاي ژنتيكي
شکل 5 - کد برنامه مجازي الگوريتم ژنتيک ساده و فلوچارت آن 
روند کلي بهينه سازي و حل مسائل در الگوريتم ژنتيک 
شکل 6 - نحوه ارزیابی تابع شایستگی در چرخ رولت 
شرط پايان الگوريتم 
نسل اول
انتخاب
تلفیق(Crossover) 
جهش(Mutation) 
مسائل NP-Hard
حلّ معماي هشت وزیر 
شکل 7 – چینش 8 مهره وزیر در صفحه شطرنج بدون تهدید یکدیگر 
شکل 8 - چینش 8 مهره وزیر در صفحه در تیر رس یکدیگر
جمعیت آغازین  
شکل 9 - چینش 8 مهره وزیر در صفحه در تیر رس یکدیگر 
شکل 10 - چینش 8 مهره وزیر در صفحه در تیر رس یکدیگر 
شکل 11 - چینش 8 مهره وزیر در صفحه در تیر رس یکدیگر 
شکل 12 - چینش 8 مهره وزیر در صفحه در تیر رس یکدیگر 
تابع برازندگی
شکل 13- چگونگی برازش هشت مهره وزیر در  صفحه شطرنج 
آمیزش 
جهش ژنتیکی 
حل مسأله TSP به وسیله الگوریتم ژنتیک 
مقایسه روشهاي مختلف الگوریتم و ژنتیک براي TSP  
نتیجه گیري 
فهرست منابع و مراجع

---

جهت دانلود اینجا کلیک کنید