کاربرد برنامه نویسی ژنتیک در تبیین روابط ساختاری جریان غیرخطی در محیط متخلخل

اختصاصی از فایل هلپ کاربرد برنامه نویسی ژنتیک در تبیین روابط ساختاری جریان غیرخطی در محیط متخلخل دانلود با لینک مستقیم و پر سرعت .

• مقاله با عنوان: کاربرد برنامه نویسی ژنتیک در تبیین روابط ساختاری جریان غیرخطی در محیط متخلخل  

• نویسندگان: جواد روحانی ، سید محمود حسینی ، محمدرضا اکبرزاده توتونچی  

• محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95  

• فرمت فایل: PDF و شامل 9 صفحه می باشد.

چکیــــده:

در ساخت سازه های آبی استفاده از مصالح درشت دانه به دلیل خصوصیات هیدرولیکی ویژه آنها و هماهنگی با محیط زیست روز به روز در حال افزایش است. در این محیط ها بر خلاف محیط های متخلخل ریزدانه که قانون دارسی در آن معتبر است، به دلیل بزرگی اندازه منافذ و بروز سرعت های بالا در جریان، نمی توان از قانون دارسی جهت برآورد پارامترهای مختلف جریان استفاده نمود. به همین منظور از روابط غیر دارسی که بیان کننده ارتباط غیر خطی بین سرعت و گرادیان هیدرولیکی هستند، استفاده می شود. روابط ساختاری موجود در زمینه تبیین جریان غیر خطی به صورت یک رابطه دو جمله ای و یا رابطه توانی می باشند که گرادیان هیدرولیکی را به سرعت جریان مرتبط می سازند. به صورت تاریخی، هم دیدگاه های تحلیلی و هم آماری در تبیین این روابط ساختاری استفاده شده اند. در دیدگاهای تحلیلی سعی بر این بوده است که با اعمال قوانین بقا رفتار جریان غیر خطی در محیط متخلخل و معادلات ساختاری تبیین شوند. در مطالعات آماری از اطلاعات آزمایشگاهی استفاده شده و سعی بر این بوده است که با برازش روابط ساختاری بر مجموعه اطلاعات گرادیان هیدرولیکی در برابر سرعت از جریان آب در مصالح مختلف، عملکرد روابط ساختاری بررسی و مقایسه شوند. هر دو این دیدگاه ها به صورت کلی موید برتری رابطه دو جمله ای تحت عنوان رابطه فورشهایمر می باشند. هدف از تحقیق حاضر استفاده از برنامه نویسی ژنتیک در تولید روابط ساختاری فورشهایمر و توانیو مقایسه آن ها می باشد. در این راستا از اطلاعات آزمایشگاهی مربوط به جریان در 23 مصالح درشت دانه مختلف استفاده می شود. نشان داده می شود که معیارهای مطرح در برنامه نویسی ژنتیک بیانگر برتری رابطه ساختاری فورشهایمر بر توانیمی باشند. در فرآیند برنامه نویسی ژنتیک ارائه شده ضرایب رابطه فورشهایمر نیز با دقت بالا تعیین می شوند.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

دانلود پایان نامه الگوریتم ژنتیک

اختصاصی از فایل هلپ دانلود پایان نامه الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

الگوریتم ژنتیک (Genetic Algorithm - GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکامل است که از تکنیک‌های زیست‌شناسی فرگشتی مانند وراثت و جهش استفاده می‌کند.

در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند. الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای تصادف هستند. مختصراً گفته می‌شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسأله‌ای که باید حل شود ورودی است و راه‌حل‌ها طبق یک الگو کد گذاری می‌شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.

کلاً این الگوریتم‌ها از بخش های زیر تشکیل می‌شوند: تابع برازش، نمایش، انتخاب، تغییر.

فصل اول

1-1- مقدمه

1-2- به دنبال تکامل

1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک

1-4- درباره علم ژنتیک

1-5- تاریخچۀ علم ژنتیک

1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین

1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی

1-8- الگوریتم

1-8-1- الگوریتم‌های جستجوی ناآگاهانه

1-8-1-الف- جستجوی لیست

1-8-1-ب- جستجوی درختی

1-8-1-پ- جستجوی گراف

1-8-2- الگوریتم‌های جستجوی آگاهانه

1-8-2-الف- جستجوی خصمانه

1-9- مسائل NP-Hard

1-10- هیوریستیک

1-10-1- انواع الگوریتم‌های هیوریستیک

فصل دوم

2-1- مقدمه

2-2- الگوریتم ژنتیک

2-3- مکانیزم الگوریتم ژنتیک

2-4- عملگرهای الگوریتم ژنتیک

2-4-1- کدگذاری

2-4-2- ارزیابی

2-4-3- ترکیب

2-4-4- جهش

2-4-5- رمزگشایی

2-5- چارت الگوریتم به همراه شبه کد آن

2-5-1- شبه کد و توضیح آن

2-5-2- چارت الگوریتم ژنتیک

2-6- تابع هدف

2-7- روش‌های کد کردن

2-7-1- کدینگ باینری

2-7-2- کدینگ جایگشتی

2-7-3- کد گذاری مقدار

2-7-4- کدینگ درخت

2-8- نمایش رشته‌ها

2-9- انواع روش‌های تشکیل رشته

2-10- باز گرداندن رشته‌ها به مجموعه متغیرها

2-10-1- تعداد بیت‌های متناظر با هر متغیر

2-11- جمعیت

2-11-1- ایجادجمعیت اولیه

2-11-2- اندازه جمعیت

2-12- محاسبه برازندگی (تابع ارزش

2-13- انواع روش‌های انتخاب

2-13-1- انتخاب چرخ رولت

2-13-2- انتخاب حالت پایدار

2-13-3- انتخاب نخبه گرایی

2-13-4- انتخاب رقابتی

2-13-5- انتخاب قطع سر

2-13-6- انتخاب قطعی بریندل

2-13-7- انتخاب جایگزینی نسلی اصلاح شده

2-13-8- انتخاب مسابقه

2-13-9- انتخاب مسابقه تصادفی

2-14- انواع روش‌های ترکیب

2-14-1- جابه‌جایی دودوئی

2-14-2- جابه‌جایی حقیقی

2-14-3- ترکیب تک‌نقطه‌ای

2-14-4- ترکیب دو نقطه‌ای

2-14-5- ترکیب n نقطه‌ای

2-14-6- ترکیب یکنواخت

2-14-7- ترکیب حسابی

2-14-8- ترتیب

2-14-9- چرخه

2-14-10- محدّب

2-14-11- بخش_نگاشته

2-15- احتمال ترکیب

2-16- تحلیل مکانیزم جابجایی

2-17- جهش

2-17-1- جهش باینری

2-17-2- جهش حقیقی

2-17-3- وارونه سازی بیت

2-17-4- تغییر ترتیب قرارگیری

2-17-5- وارون سازی

2-17-6- تغییر مقدار

2-18- محک اختتام اجرای الگوریتم ژنتیک

2-19- انواع الگوریتم‌های ژنتیکی

2-19-1- الگوریتم ژنتیکی سری

2-19-2- الگوریتم ژنتیکی موازی

2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی

2-21- نقاط قوّت الگوریتم‌های ژنتیک

2-22- محدودیت‌های GAها

2-23- استراتژی برخورد با محدودیت‌ها

2-23-1- استراتژی اصلاح عملگرهای ژنتیک

2-23-2- استراتژی رَدّی

2-23-3- استراتژی اصلاحی

2-23-4- استراتژی جریمه‌ای

2-24- بهبود الگوریتم ژنتیک

2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک

فصل سوم

3-1- مقدمه

3-2- حلّ معمای هشت وزیر

3-2-1- جمعیت آغازین

3-2-2- تابع برازندگی

3-2-3- آمیزش

3-2-4- جهش ژنتیکی

3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد

3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک

3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP

3-3-3- نتیجه گیری

3-4- حلّ مسأله معمای سودوکو

3-4-1- حل مسأله

3-4-2- تعیین کروموزم

3-4-3- ساختن جمعیت آغازین یا نسل اول

3-4-4- ساختن تابع از ارزش

3-4-5- ترکیب نمونه‌ها و ساختن جواب جدید

3-4-6- ارزشیابی مجموعه جواب

3-4-7- ساختن نسل بعد

3-5- مرتب سازی به کمک GA

3-5-1- صورت مسأله

3-5-2- جمعیت آغازین

3-5-3- تابع برازندگی

3-5-4- انتخاب

3-5-5- ترکیب

3-5-6- جهش

فهرست منابع و مراجع

پیوست

واژه‌نامه   

دانلود با لینک مستقیم

دانلود پایان نامه الگوریتم ژنتیک

دانلود مقاله ژنتیک

اختصاصی از فایل هلپ دانلود مقاله ژنتیک دانلود با لینک مستقیم و پر سرعت .

اطلاعات اولیه

علم ژنتیک یکی از شاخه‌های علوم زیستی است. بوسیله قوانین و مفاهیم موجود در این علم می‌توانیم به تشابه یا عدم تشابه دو موجود نسبت به یکدیگر پی ببریم و بدانیم که چطور و چرا چنین تشابه و یا عدم تشابه در داخل یک جامعه گیاهی و یا جامعه جانوری ، بوجود آمده است. علم ژنتیک علم انتقال اطلاعات بیولوژیکی از یک سلول به سلول دیگر ، از والد به نوزاد و بنابراین از یک نسل به نسل بعد است. ژنتیک با چگونگی این انتقالات که مبنای اختلالات و تشابهات موجود در ارگانیسم‌هاست، سروکار دارد. علم ژنتیک در مورد سرشت فیزیکی و شیمیایی این اطلاعات نیز صحبت می‌کند.

تاریخچه ژنتیک

علم زیست شناسی ، هرچند به صورت توصیفی از قدیمی‌ترین علومی بوده که بشر به آن توجه داشته است. اما از حدود یک قرن پیش این علم وارد مرحله جدیدی شد که بعدا آن را ژنتیک نامیده‌اند و این امر انقلابی در علم زیست شناسی بوجود آورد. در قرن هجدهم ، عده‌ای از پژوهشگران بر آن شدند که نحوه انتقال صفات ارثی را از نسلی به نسل دیگر بررسی کنند. ولی به دو دلیل مهم که یکی عدم انتخاب صفات مناسب و دیگری نداشتن اطلاعات کافی در زمینه ریاضیات بود، به نتیجه‌ای نرسیدند.

دانلود با لینک مستقیم

دانلود مقاله ژنتیک

دانلود پروژه الگوریتم ژنتیک

اختصاصی از فایل هلپ دانلود پروژه الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

1-1- مقدمه

به طور کلی انتخاب و طراحی بهینه در بسیاری از مسائل علمی و فنی باعث تولید بهترین محصول یا جواب ممکن در یک شرایط خاص می شود. برای مثال تولید محصولات مناسب در حوزه های مختلف فنی و مهندسی وابسته به طراحی دقیق و بهینه ی شکل، اندازه و قطعات محصول است. در نتیجه هر مسئله ی مهندسی ممکن است داری چندین جواب مختلف باشد که بعضی از آنها ممکن و بعضی غیر ممکن است . وظیفه ی طراحان پیدا کردن بهترین جواب ممکن از میان جواب های مختلف است. مجموعه ی جواب های ممکن فضای طراحی را شکل می دهند که باید در این فضا به جستجوی بهترین یا بهینه ترین جواب پرداخت.

از آنجایی که نتیجه ی کار با توجه به نوع انتخاب این متدها و روش ها حاصل می شود لذا به اهمیت موضوع انتخاب بهینه ( Optimum ) و بهینه سازی در همه ی مسائل پی می بریم پس:

(( هدف ما این است که در فضای جواب های ممکن به دنبال بهترین جواب بگردیم. ))

روش های جدید بهینه سازی که امروزه در حل بسیاری از مسائل مختلف مورد استفاده قرار می گیرد عبارتند از:

1. Simulated Annealing

2. Ant colony

3. Random Cost

4. Evolution strategy

5. Genetic Algorithm

6. Celluar Automata

در این پایان نامه به بررسی و استفاده از روش Genetic Algorithm می پردازیم.

دانلود با لینک مستقیم

دانلود پروژه الگوریتم ژنتیک

مقاله درباره مهندسی ژنتیک

اختصاصی از فایل هلپ مقاله درباره مهندسی ژنتیک دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 

تعداد صفحه:44

فهرست و توضیحات:

مقدمه

بیان مسأله

اهمیت موضوع

اهداف پژوهش

اهداف کاربردی

اهداف نهایی

سؤالات پژوهش

فواید بیوتکنولوژی

در چند سال اخیر توانسته ایم آنچه را که تنها در فکر می گذشت  به فعل در آوریم . به طور نمونه  دانشمندان یاد گرفته اند که چگونه  با تغییر ژنتیکی بعضی گیاهان مقاومت آنها را در برابر برخی علفکش ها افزایش دهند یا با استفاده از بیوتکنولوژی توانسته اند واکسن های مطمئن  و کارآ تری را  علیه بیماری های ویروسی و باکتریایی نظیر هاری کاذب، اسهال و تب برفکی بسازند. بیوتکنولوژی امروزه توانسته است بر روی ژن موجودات زنده کار کند و در جهت هدف های پیش بینی شده تغییراتی را ایجاد کند  که از این منظر عبارت از دخالت مستقیم در محتوای اطلاعات وراثتی سلول های زنده و توفیق در تولید گونه های جدید و بهتر است.

روش های جدید بیوتکنولوژی در علم کشاورزی شامل کشت سلولی،  کشت بافت و پروتوپلاست گیاهی ، هیبرید سلول های سوماتی،  دستکاری و انتقال جنین و DNA نوترکیب در شناسایی  تبیین ماهیت  انتقال و کنترل ژن استبیوتکنولوژی‌، روش‌های‌ جدید بهینه ‌سازی‌ گیاهان‌ به‌ طور مقرون‌ به‌صرفه‌ و از طرق‌ مختلف‌ را ممکن‌ ساخته‌ است ،‌ که‌ برای‌ نمونه‌ می‌توان‌ به‌افزایش‌ مقاومت‌ در مقابل‌ خطرات‌ و بیماری‌ها، راه‌های‌ جدید مبارزه‌ باعلف‌های‌ هرز، مقاومت‌ بیشتر در مقابل‌ فشارهای‌ جوی‌ و محیطی‌ ازجمله‌ خشکسالی‌، سرما و نمک‌ و مواد شیمیایی‌ (مثل‌ آلومینیم‌)، استفاده ‌بهتر از مواد مغذی‌ مثل‌ نیتروژن‌، بهبود کیفی‌ فرآورده‌ها از طریق‌ ایجادتغییراتی‌ در ویژگی‌های‌ موادی‌ مثل‌ اسیدهای‌ چرب‌، اسیدهای‌ آمینه‌،طعم‌، مزه‌ و قابلیت‌ حفظ کیفیت‌ به‌ هنگام‌ ذخیره‌سازی‌ و بهبود