توضیحات

پروژه الگوریتم های ژنتیک

فهرست پروژه:

الگوریتم ژنتیک

ایده کلی

فضای فرضیه

ویژگی ها

Parallelization of Genetic Programming

کاربردها

زیر شاخه های EA

الگوریتم های ژنتیک

پارامترهای GA

الگوریتم

نحوه ایجاد جمعیت جدید

نمایش فرضیه ها

مثال: نمایش قوانین If-then rules

نمایش فرضیه ها: ملاحظات

اپراتورهای ژنتیکی Crossover

Single-point crossover

روشهای دیگر Crossover

اپراتورهای ژنتیکی Mutation

Crossover OR mutation?

تابع تناسب

انتخاب فرضیه ها

نحوه جستجو در فضای فرضیه

Crowding

راه حل رفع مشکل Crowding

چرا GA کار میکند؟

ارزیابی جمعیت و قضیه Schema

قضیه Schema

Schema Theorem

خلاصه

تفاوت GA با سایر روشهای جستجو

مثالی از کاربرد الگوریتم ژنتیک

مقدمه

چینش کنونی حروف فارسی بر روی صفحه‌کلید

مساله

الگوریتم ژنتیک

جمعیت

تابع تناسب

عملگرهای ژنتیکی

کارایی

بهترین چینش

مدلهای تکامل

Lamarckian evolution

Baldwin Effect

اجرای موازی الگوریتم های ژنتیک

Evolving Neural Networks

مراجع

Genetic Programming

نمایش برنامه ها

اپراتور crossoverبرای GP

مثال

مثال : طراحی فیلتر