الگوریتم ژنتیک یکی از تکنیکهای بهینه سازی هستش که در هر مرحله به global optimum نزدیک میشه.شما تو هر فرایند بهینه سازی یه تابع هدف و یک یا چند تا قید داریم که بهینه سازی برای ارضا تابع هدف در چهار چوب قیودت پیش میره.دوستان عزیز سلام.
اگر اطلاعاتی راجب الگوریتم ژنتیک و ارتباط آن با رشته عمران برای من توضیح دهید.
با تشکر
دوستان عزیز سلام.
اگر اطلاعاتی راجب الگوریتم ژنتیک و ارتباط آن با رشته عمران برای من توضیح دهید.
با تشکر
سلام .
با تشکر از شما
من تازه شروع کرم به یادگیری این الگوریتم کلا اطلاعات کلی راجب به آن ها میخوام.آیا شما مقاله ی فارسی راجب این موضوع البته مریوط به عمران باشه دارید؟
با تشکر
الگوریتم ژنتیک یکی از تکنیکهای بهینه سازی هستش که در هر مرحله به global optimum نزدیک میشه.شما تو هر فرایند بهینه سازی یه تابع هدف و یک یا چند تا قید داریم که بهینه سازی برای ارضا تابع هدف در چهار چوب قیودت پیش میره.
ایده اصلی الگوریتم ژنتیک از ایده بقای نسل برتر که توسط داروین بنا شده توسط پروفسور holland بنا شده.
نمیدونم چه قد از الگوریتم ژنتیک میدونین،و واسه چه کاری میخاین(مطمنا واسه بهینه سازی ولی چی رو میخاین بهینه کنین؟) اگه بخاین میتونم توضیحات کاملتری رو در مورد ساختار الگوریتم و اعمال cross over و mutation بهتون بدم.اگرم مقالهی خاصی مد نظرتونه بگین واستون پیداش کنم
ضمنا نرم افزار matlab جعبه ابزار الگوریتم ژنتیک رو داره(البته فک نکنم زیاد قدرتمند باشه) که میتونین با تایپ دستور gatool فراخونیش کنین.اگرم میخاین خیلی حرفه ای تر تو کارتون پیش برین،منطق فازی وسیستمهای عصبی فوق العادست
ممنون از توضیحا تتون ولی بعید میدونم شما بتونین یا toolbox متلب براحتی یه خرپا رو بهینه سازی کنینبراي الگوريتم ژنتيك، به فارسی، زيربخش آخر از بخش 8 كتاب "شگردهاي عددي" رو ميتونيد بخونيد. موقعي كه من اون كتاب رو نوشتم، هنوز شركت MathWorks جعبهابزار الگوريتم ژنتيك رو ارائه نداده بود، واسه همين برنامهها رو خودم نوشتم. برنامههاي كتاب رو ميتونيد از لينك زير دانلود كنيد.http://mmnrecipes.blogspot.com
احتمالاً اولين كتاب فارسي در مورد الگوريتم ژنتيك همين است كه من نوشته[FONT="][/FONT]ام (سال 1381). آن موقع شركت MathWorks هنوز Toolbox براي الگوريتم ژنتيك نداده بود، براي همين برنامههاي الگوريتم ژنتيك آن كتاب را خودم نوشتم، و مطمئناً سادهتر از آني هست كه شركت MathWorks داده؛ اين طبيعي است، چون يك نفر كجا و يك تيم كجا؟ اما در هر صورت مفاهيم آن را داخل كتاب توضيح دادم و برنامههايش هم قبل از اينكه كتاب رو چاپ كنم حداقل براي 20 تا پروژة ليسانس و فوق ليسانس تست شده. مفاهيمش خيلي ساده هست. البته بعضيها يك سري مفاهيم پيچيده رو به هر مبحثي اضافه ميكنن؛ من اين كار رو نكردم. فقط بايد متلب بلد باشيد، كه اون رو هم در بخش اول كتاب به طور خلاصه گفتم.
راستی مثالهای کتاب مال مهندسی مکانیک هستش.
مرجع
برعکس، قویترین شبیهسازی الگوریتم ژنتیک، که من تا حالا دیدم همینی هست که شرکت MathWorks تهیه کرده و در نرمافزار متلب قرار داده.
شبکه[FONT="][/FONT]های عصبی يك روش شناسائي سيستمها است، منطق فازی يك نوع نگرش به مسائل است، و الگوریتم ژنتیک يك روش بهگزيني است. اين سه مقوله منطقاً هيچ ارتباطي به هم ندارند، تا بخواهيد با هم مقايسه كنيد. هركدام براي كاريست. براي نمونه اگر قرار باشد مدل نوسانات ارزش يك زوج[FONT="][/FONT]ارز، مانند GBP/JPY، را در بازار فاركس مدل كنيد، مي[FONT="][/FONT]توانيد يك شبكة عصبي براي آن طراحي كنيد. در شبكة پيش[FONT="][/FONT]گفته مي[FONT="][/FONT]توانيد از ديدگاه منطق فازي هم استفاده كنيد. براي يافتن پارامترهاي چنين شبكه[FONT="][/FONT]اي، مي[FONT="][/FONT]توانيد يك تابع ارزش تعريف كرده و با استفاده از روشهاي بهگزيني مقدار كمينه يا بيشينة اين تابع ارزش را بيابيد. با ابن كار پارامترهاي سيستم به دست مي[FONT="][/FONT]آيد و در حقيقت، سيستم شناسايي مي[FONT="][/FONT]شود. براي يافتن كمينه يا بيشينة تابع ارزش پيش[FONT="][/FONT]گفته مي[FONT="][/FONT]توانيد از الگوريتم ژنتيك استفاده كنيد.در اين نمونه، مي[FONT="][/FONT]بينيد كه از هر سه مقوله[FONT="][/FONT]اي كه بيان كرده بوديد، استفاده شد، اما لزومي ندارد كه از هر سه استفاده كنيد. در ضمن هيچ كدام از آنها را نمي[FONT="][/FONT]توانيد به جاي ديگري استفاده كنيد.
پي[FONT="][/FONT]نوشت: من بيش از 10 تا پروژة شبكه[FONT="][/FONT]هاي عصبي، بيش از 5 تا پروژة منطق فازي، و بيش از 30 تا پروژة الگوريتم ژنتيك در مقطع ليسانس و فوق ليسانس انجام داده[FONT="][/FONT]ام.
مرجع
ممنون از توضیحا تتون ولی بعید میدونم شما بتونین یا toolbox متلب براحتی یه خرپا رو بهینه سازی کنین
شما بیان یه خرپای 3 دهانه و4طبقه رو(اندازه دهانه ها برابر و5 متر واندازه طبقات برابر و3 متر) رو با متلب بهینه سازی کنین(topology and sizing optmization)لطف میکنید یه نمونه از این مسائل بهینهسازی خرپا رو که فکر میکنید نشه با جعبهابزار الگوریتم ژنتیک متلب حل کرد، رو اینجا بیان کنید، تا تست کنم؟ البته اگه به نظرم مسألهای خیلی وقتگیر نبود، هر وقت که وقت آزاد داشتم، امتحان میکنم.
شما بیان یه خرپای 3 دهانه و4طبقه رو(اندازه دهانه ها برابر و5 متر واندازه طبقات برابر و3 متر) رو با متلب بهینه سازی کنین(topology and sizing optmization)
کلهم واسه راحتی فرض کنین از 4 نوع سطح مقطع استفاده کنید(به دلخواه خودتون یا مثلا15.28 20.6 26.4 32.8)
تابع هدف:
کمترین وزن
قیود:
نسبت تنش موجود به تنش مجاز کمتر از یک
نسبت دریفت(جابجایی هر گره منهای گره پایینی تقسیم بر ارتفاع طبقه))به 005. کوچکتر از یک
مخلص کلام یعنی بیاد بهترین مکان واسه بادبند ها رو با بهترین size المانها پیدا کنه؟
اگه شما تونستید با toolbox اینکار رو بکنین دست راستم واسه شما
در ضمن الان یه 2 ماهی میشه دارم برنامه های که شما نوشتید رو بسط میدم چون اینجور مسایل اولا متغیرهاش discrete هستن ثانیا باید برنامه انالیز خرپا رو هم نوشت
لطف میکنید یه نمونه از این مسائل بهینهسازی خرپا رو که فکر میکنید نشه با جعبهابزار الگوریتم ژنتیک متلب حل کرد، رو اینجا بیان کنید، تا تست کنم؟ البته اگه به نظرم مسألهای خیلی وقتگیر نبود، هر وقت که وقت آزاد داشتم، امتحان میکنم.
با تشکر از شما استاد گرامیپ.ن: من جز کار اصلیم، که لولهگذاری هست، این ترم 200 تا شاگرد هم دارم، واسه همین، متأسفانه، سرم خیلی شلوغه.
- جناب، همون طور که قبلاً گفته بودم، من اینقدر وقت ندارم که برنامة تحلیلش رو هم بنویسم، تحلیلش با شما.
- برای متغیرهای گسسته، کار خیلی ساده هست، کافیه که در هر جایی از روند بهگزینی که لازمه از تابع round استفاده کنید؛ من قبلاً این کار رو انجام دادم، و یک مقاله هم ازش چاپ کردم، ولی هرچی میگردم، پیداش نمیکنم، شاید توی محل کارم داشته باشم، اگه پیداش کردم، آپلود میکنم.
با تشکر از شما استاد گرامی
خوب برنامه انالیزش رو که نوشتم ولی یه مشکلی دارم (یعنی چن تا مشکل)
اولا تعداد جمعیت های هر نسل چجوری تعیین میشه؟
ثانیا هر کرموزم شامل دو قسمت هستش (قسمت اول topology bit که طولش باندازه تعداد دهانه ست ،عدد یک یعنی اون دهانه بادبند داره وصفر یعنی نداره.قسمت بعدی کروموزوم اندازه هر المان هستش یعنی sizing bits (پس یک سازه تک دهانه و دارای 5 المان اگر متغیر سایز رو 4 تا بگیریم دارای کروموزومی بطول11 میباشد)) حال مشکل در عملگر ادغام هست ایا یک عملگر ادغام تک نقطه ای کفایت میکنه ویا چون بهینه سازی شامل هم توپولوژی وهم اندازه المانها هستش
وبصورت همزمان انجام میشه(simultaneouly) یعنی هر جمعیت نسل شامل یک توپولوژی ویک اندازه المان هست ایا بهتر نیست عملگر ادغام دونقطه ای(یعنی یکیش حتما رو topology bits ودیگری حتما رو sizing bits) صورت بگیره؟
ودر نهایت cross over rate چقد باشه؟ بعد از run کردن برنامم(یعنی برنامه شما) میزان رشد زیاد جالب نیست به این دو تا شکل دقت کنین
با تشکر از وقتی که میزارین امیدوارم با راهنماییتون پایان نامه خوبی از آب در اد
با تشکر
ولی فایلو با چی باید بازش کرد؟
من تحقیقی راجب بتن سبک لیکا با طرح اختلاط های مختلف انجام داده ام و به نتایجی رسیده ام و میخواهم با الگوریتم ژنتیک بهینه ترین طرح انتخاب کنم امکان دارد مرا راهنمایی نمایید؟
با تشکر
در تکمیل فرمایشات جناب مسافر ،شما میتونین به کتب مهندسی سیستم(که یکی از واحد های اختیاری عمران فک کنم باشه)رجوع کنینمن تحقیقی راجب بتن سبک لیکا با طرح اختلاط های مختلف انجام داده ام و به نتایجی رسیده ام و میخواهم با الگوریتم ژنتیک بهینه ترین طرح انتخاب کنم امکان دارد مرا راهنمایی نمایید؟
با تشکر
با تشکر ولی:معمولاً اگه Microsoft Office روی کامپیوتر نصب باشه، باید با دبلکلیک باز بشه. فایل word اون نوشته رو هم آپلود کردم:
اندازة نسل اولیه در الگوریتم ژنتیک
میشه چن تا مقاله در موردبتن سبک واسم میل بزنی?من تحقیقی راجب بتن سبک لیکا با طرح اختلاط های مختلف انجام داده ام و به نتایجی رسیده ام و میخواهم با الگوریتم ژنتیک بهینه ترین طرح انتخاب کنم امکان دارد مرا راهنمایی نمایید؟
با تشکر
با تشکر ولی:
1-این فرمول از کجا بدست اومده p=1.65*2^.21L
طول هر کروموزومم بالای 100 تاست با این حساب باید بالای30000 جمعیت باشه
2-مقدار ضریب تابع پنالتی باید چند باشه؟
1 – Coello Coello, C. A. (2000). “Use of a self-adaptive penalty approach for engineering optimization problems.” Jr. of Computers in Industry Vol. 41, pp. 113–127
به این مقاله یه نگاهی بندازین؟(اگه ندارین بگین اپلود کنم)
با سلام خدمت شما دوستان عزيز
من حقيقتش خيلي دنبال يه همچين سايتي گشتم تا بتونم سوالم را به فارسي از يكي از شما عزيزان ماهر در الگوريتم ژنتيك بپرسم.
من رو يه پروژه كار ميكنم كه يه تابع 6 متغيري دارم و هدف حداقل سازي اين تابع است.اما مشكل و مسئله عمده من اينه كه 4-5 قيد هم براي الگوريتم ژنتيك دارم(مسئله constrained GA) در زماني كه ميخواستم اين كار را به عنوان پايان نامه ارائه بدم اومدم از death penalty استفاده كردم اما جوابهاي خوبي نگرفتم ولي يه چيزي دادم رفت حالا ميخوام مقاله بدمو دنبال روش درست هستم.
تا حالا تعداد زيادي مقاله گرفتم و خوندم و راجع به انواع روشها اطلاعات گرفتم ( اعم از روشهاي تابع جريمه و يا روشهاي molti objective ga و...) اما هنوز به چيزي نرسيدم . دنبال چند تا كد matlab هستم كه بطور عملي توابع مقيد را بهينه سازي كنه. ايا كسي ميتونه راهنمايي به من بده؟ايا كسي با روش
NSGAII (non-dominated sorting GA ) اشنايي داره؟
نمیدونم شما از ضرایب پنالتی استفاده کردین یا نه. ولی اگه شما جریمه تونو در یک ضریبی (مثلا 50)ضریب کنین بعد با fitnessجمع بزنیین تابع fitness تغییر میکنه ؛ضرایب مختلف رو امتحان کنین تا بهترین نتیجه(نزدیک ترین جواب به global optimum) بدست بیاد.این روش ساده ترین راهه،بنظر من بهترین روش استفاده از self adaptive penalty هستش.ميشه لطفا لينكي از كتاب مورد نظر يا كدهاي متلب بزاريد؟در ضمن يه سوال دارم در روش تابع پنالتي چه جوري بايد مقادير تابع پنالتي را نرمال كرد؟ منظورم اينه كه مقدار تابع هدف من حدود 200-300 هست و مقادير قيد(پنالتي) 2-3 و در صورت جمع اينا در fitness function در عمل اتفاق خاصي نمي افته
با سلامبا سلام خدمت شما
اقا من مقاله اين روش self-adapting را گرفتم اما چند تا مشكل اساسي دارم . يكي اينكه نحوه تعامل p2(w1 و w2 ) با جامعه اصلي p1 براي من نا مفهومه يعني دقيقا كجا جامعه اول تكامل پيدا ميكنه و كجا جامعه دوم؟ اين Gmax1 و Gmax2 چي هستن؟و مهمتر از همه چه جوري وقتي fitness-average تنها براي نقاط مجازfeasible محاسبه ميشه اونوقت باعث تكامل در p2 ميشه؟ قاعدتا fitness- average در هر نسل ثابته كه؟
ميشه لطفا يه كد مطلب از اين روش بذاريد ببينم چه جوريه يا شماره تماس بديد تا سوالاتمو از اين روش بپرسم؟
با تشكر