اعملگرهای پیشرفته GA
تا کنون با عملگرهای ژنتیکی سادهای همچون انتخاب، ادغام و جهش آشنا شدیم. در این بخش قصد داریم با در نظر گرفتن عملگرها و پدیدههای طبیعی، قدرت الگوریتمهای ژنتیکی را افزایش دهیم. برای این منظور، ابتدا عملگرهای سطح پایینی[1] همچون غالب و مغلوب[2]، وارونگی[3]، مرتبسازی مجدد[4]، دوگانی[5] و چندگاني، تراكم و اشتراك مورد بحث و بررسی قرار خواهند گرفت. سپس، عملگرهای سطح بالایی مثل نیچ[6] و گونهپروری[7] نیز مورد بررسی قرار میگیرند.
+ نوشته شده در چهارشنبه دوازدهم مهر ۱۳۹۱ ساعت 10:39 توسط مدیر وبلاگ
|
الگوریتم ژنتیک، الگوریتم های ژنتیک، الگوریتم بهینه سازی اجتماع مورچگان، الگوریتم بهینه سازی کولونی مورچگان، الگوریتم بهینه سازی هجوم ذرات، الگوریتم بهینه سازی اجتماع ذرات، الگوریتم تبرید تدریجی، الگوریتم شبیه سازی تبرید فلزات، الگوریتم بهینه سازی زنبور عسل، بهینه سازی، پیچیدگی محاسباتی، هوش مصنوعی، جستجوی ناآگاهانه، جستجوی عمومی، جستجوی عمقی، جستجوی سطحی، جستجوی مکاشفه ای، جستجوی حریصانه، الگوریتم تپه نوردی، الگوریتم جستجوی تابو، جستجوی جامع، بهینه سازی تحلیلی، روش غیرمرکب سرازیری نلدر مید، ادغام، جهش، نسل، همگرایی، الگوریتم ژنتیک پیوسته، الگوریتم ژنتیک گسسته، بهینه سازی چندمنظوره، بهینه سازی پارتو، ژنتیک مرکب، مسائل جایگشت، غالب و مغلوب، نیچ، متاژنتیک، نژادمانه، رخ مانه، ژنتیک موازی، مسئله فروشنده دوره گرد، طراحی خط سیر روبات، طراحی حرکت رادارگریز، ساخت مدل های معکوس دینامیکی خطی و غیر خطی، مسائل زمان بندی، بهنیه سازی شبکه های عصبی مصنوعی، حل معادلات دیفرانسیل جزئی غیرخطی مرتبه بالا، تابع شایستگی، تابع آزمون، متلب، فرترن، ++C، C