الگوریتم های ژنتیکی برای پارتیشن بندی گراف و پارتیشن بندی گراف افزایشی

  صفحات انگلیسی : پی دی اف8 صفحات فارسی :13ورد     چکیده : پارتیشن بندی گراف به گروه های گره بزرگ با اندازه برابر یا به حداقل رساندن تعداد لبه های بین گروه های مختلف یک مسئله بی نهایت مهم در رایانش موازی می باشد . مقاله حاضر یک سری الگوریتم های ژنتیکی را برای پارتیشن بندی گراف بهینه فرعی همراه با اپراتور های متقاطع (Crossover) معرفی می کند که بهبود مرتبه های بزرگی برروی اپراتور های ژنتیکی سنتی در کیفیت و سرعت راه حل منجر می گردند . روش ما را می توان در راه حل های خوب بهبود بخشید که از قبل با استفاده از الگوریتم های دیگر یا قیاس های اکتشافی تئوریک در حداقل رسانی کل هزینه ارتباط یا هزینه بد ترین مورد ارتباط برای پردازشگر تکی کسب شده است . همچنین ما الگوریتم امان را برای مشکلات پارتیش بندی گراف افزایشی توسعه می دهیم که ساختار گراف یا ویژگی های سیستم در ان با زمان تغییر می کنند . 1 – مقدمه وظیفه تقسیم گره های گراف به گروه هایی با نام بخش ها در روشی که هر بخش دارای تعداد یکسان گره می باشد و اندازه برش کاهش می یابد یعنی تعداد لبه هایی هایی که گره ها را در ب ...

پاورپوینت با موضوع الگوریتم ژنتیکی

لینک دانلود و خرید پایین توضیحات دسته بندی : پاورپوینت نوع فایل : .ppt ( قابل ویرایش و آماده پرینت ) تعداد اسلاید : 12 اسلاید قسمتی از متن .ppt :         الگوریتم ژنتیکی تعریف الگوریتم ژنتیکی، رویه ای تکراری است که راه حل های انتخابیش را بصورت رشته ای از ژنها که کروموزوم نامیده می شوند، بازنمایی می کند. موفقیت آنها را با تابع fitness اندازه می گیرد. تابع fitness میزان نزدیکی به هدف را محاسبه می کند. در هر تکرار الگوریتم، (مانند سیستم های بیولوژیکی) راه حلهای انتخابی، برای تولید فرزند (که generation نامیده می شوند) ترکیب می شوند. والدین نسل بعدی، با توجه به fitness والدین و فرزندان نسل قبل، از بین آنها انتخاب می شوند. خود فرزندان نیز می توانند به عنوان راه حل انتخاب شوند. عملگرهای ژنتیکی، برای تولید فرزندان Reproduction: از طریق این عملگر، الگوریتمهای ژنتیکی، نسل جدیدی از راه حلهای بهبودیافته را با انتخاب والدینی که بالاترین fitness را دارند تولید می کنند. Crossover: با توجه به اینکه الگوریتمهای ژنتیکی  از رشته هایی از نمادهای باینری برای کرومو ...

پاورپوینت الگوریتم ژنتیکی

              نوع فایل: power point قابل ویرایش 12 اسلاید   قسمتی از اسلایدها: الگوریتم ژنتیکی، رویه ای تکراری است که راه حل های انتخابیش را بصورت رشته ای از ژنها که کروموزوم نامیده می شوند، بازنمایی می کند. موفقیت آنها را با تابع fitness اندازه می گیرد. تابع fitness میزان نزدیکی به هدف را محاسبه می کند. در هر تکرار الگوریتم، (مانند سیستم های بیولوژیکی) راه حلهای انتخابی، برای تولید فرزند (که generation نامیده می شوند) ترکیب می شوند. والدین نسل بعدی، با توجه به fitness والدین و فرزندان نسل قبل، از بین آنها انتخاب می شوند. خود فرزندان نیز می توانند به عنوان راه حل انتخاب شوند. Reproduction: از طریق این عملگر، الگوریتمهای ژنتیکی، نسل جدیدی از راه حلهای بهبودیافته را با انتخاب والدینی که بالاترین fitness را دارند تولید می کنند. Crossover: با توجه به اینکه الگوریتمهای ژنتیکی  از رشته هایی از نمادهای باینری برای کروموزومها استفاده می کنند، crossover به معنی انتخاب موقعیتی تصادفی در رشته و تعویض بخشهای چپ و راست این نقاط با رشته دیگر برا ...