این فایل حاوی مطالعه الگوریتم ژنتیک می باشد که به صورت فرمت PowerPoint در 72 اسلاید در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.
فهرست
مزایای الگوریتم ژنتیک
معایب الگوریتم ژنتیک
ساختار الگوریتم ژنتیک
مفاهیم الگوریتم ژنتیک
مراجل اجرای الگوریتم ژنتیک
فلوچارت حل مسایل الگوریتم ژنتیک
حل الگوریتم ژنتیک در 12 گام
تصویر محیط برنامه
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه26
موتاسیون
جهش و تغییرات ژنتیک
در هر یک از فعالیتهای سلولی نظیر فرایندهای همانند سازی (Replication ) رو نویسی (Trancecription) ترجمه ( Translation) ترکیب مجدد یا نو ترکیبی ( Recombination) کروموزومها و بروز و ظهور اطلاعات ژنتیکی ( Gene-expression ) احتمال خطا و اشتباه وجود دارد.
درست است که سطح دقت در این فرایندها به گونه ای باورنکردنی بالا و بسیار بالا است , اما با وجود این , احتمال پیوند خوردن خطا در میلیونها و میلیاردها اتصال همیشه وجود دارد
ساختمان ملکول DNA دو زنجیره ای به گونه ای است که بازهای جفت شده در مرکز مفتول و اسیدهای فسفریک در سطح خارجی آن قرار دارند.
این وضعیت سبب می شود که ملکول DNA خاصیت اسیدی پیدا کرده و بتواند با پروتوئینهای بازی ویژه ای نظیر هیستونها یا پروتامین ترکیب شده و نوکلئوپروتوئین را بسازد.
این نوکلئوپروتئین بصورت غلافی سرتاسر ملکول DNA را پوشانیده و آنرا دربرگرفته و حفاظی بدور ملکول بوجود آورده است .اما تمهیدات حفاظتی به همین جا ختم نمی گردد الیاف نوکلئوپروتوئین یا کروموزوم دهها و صدها و هزارها با به روی خود تا می شوند تا هم این ملکول عظیم و سخت پیچیده شوند در درون سلول بسیار کوچک جای بگیرد و هم حفاظت از اطلاعات اساسی حیات در بالاترین سطح بازدهی تحقق پذیرد.
هر قدر موجود پیچیده تر و پیشرفته باشد این تمهیدات حفاظتی شدیدتر است
در بسیاری از موجودات یوکاریوتیک تک سلولی یا چند سلولی بعد از تمامی این تجهیزات و تمهیدات حفاظتی , الیاف نکلئوپروتئین در عمیق ترین بخش سلول در مناسبترین جایگاه یعنی در هسته و هستک جای گرفته اند .
با همه این پیش بینی ها و شگردهای بسیار ظریف و دقیق ماده ژنتیک هنوز هم آسیب پذیر است و دچار سانحه و ضایعه می گردد.
ضایعاتی که ممکن است هم از درون و هم از برون نشآت بگیرند.عوامل خارجی از نوع فیزیکی نظیر تشعشات اتمی وکیهانی , اشعه ماورای بنفش و غیره و یا از نوع شیمیائی همچون ازت و گاز خردل , رنگهای اکریدین ,بنزو پرین و بسیاری از ترکیبات شیمیائی نظیر اینها هر کدام بشیوه خاصی قادر به ایجاد ضایعه در ماده ژنتیک هستند .علاوه بر تمام این پیش بینی های حفاظتی , در کنار فرآیندهای اصلی حیات نظیر همانند سازی , رونویسی و ... سیستمهائی در درون موجود به وجود آمده اند که کارشان شناسائی و آگاهی فوری و سریع از خطاهای داخلی , یا اثرات عوامل خارجی و اقدام فوری و مناسب برای جبران خطا و یا مقابله یا تهدیدات و ترمیم ( Repair ) و تعمیر ضایعات و آسیبهای حاصله است .
اما علی رغم این تمهیدات ظریف و دقیق و گسترده در سطح ماکرو ومیکرو , ساختار ژنتیکی و به تبع آن فینوتیپی موجودات زنده طی میلیونها سال دستخوش تغییرات زیادی شده است .
برخی از این تغییرات چنان محدود و جزئی هستند که در همان سطح ژنوتیپ با قی می مانند و اگر چه از نسلی به نسل دیگر منتقل می گردند اما بروز خارجی یا فینوتیپی پیدا نمی کنند . گاهی هم ممکن است در جندین نسل بعد بروز و ظهور خارجی پیدا کنند .
حال آنکه پاره ای دیگر از این تغییرات سبب تغییر در برخی از صفات و ویژگیهای فینوتیپی در جهت تطابق بهتر با محیط و پیدایش انواع سویه ها و گونه های جدید در یک موجود شده و در مواردی هم در دراز مدت موجب بروز نوع یا گونه جدیدی می شوند. اما اکثر این تغییرات به قدری حساس و شدیداند که مفید به حال موجود نیستند و سبب تطابق بهتر آن با محیط زیست نشده و منجر به مرگش می شوند.
خلاصه
این مقاله، توسط ترکیب کردن فلوچارت ( نمودار گردش کار) براساس ابراز شبیه سازی با یک روش بهینه سازی ژنتیک قدرتمند، یک روش را برای بهینه سازی منبع نشان می دهد.روش ارائه شده، کمترین هزینه،و بیشترین بازده را ارائه میدهد، وبالاترین نسبت سودمندی را در عملکردهای ساخت و تولید فراهم می آورد. به منظور یکپارچگی بیشتر بهینه سازی منبع در طرح ریزی های ساخت،مدلهای شبیه سازی بهینه یافته (GA) الگوریتم های ژنتیکی گوناگون،عموماً با نرم افزارهای مدیریت پروژه بکار رفته شده ادغام می شوند. بنابراین، این مدلها از طریق نرم افزار زمان بندی فعال می شوند و طرح را بهینه می سازند.نتیجه، یک ساختار کاری تقلیل یافته سلسله مراتبی در رابطه با مدلهای همانندی سازی بهینه یافته GA است. آزمایشات گوناگون بهینه سازی با یک سیستم در دو مورد مطالعه، توانایی آن را برای بهینه ساختن منابع در محدوده محدودیتهای واقعی مدلهای همانند سازی آشکار کرد. این الگو برای کاربرد بسیارآسان است و می تواند در پروژه های بزرگ بکار رود. براساس این تحقیق، همانندسازی کامپیوتر وا لگوریتمهای ژنتیک ،می توانند یک ترکیب موثر برای بهبود دادن بازده و صرفه جویی در زمان وساخت و هزینه ها باشند.
مقاله مقایسه توانایی مدل شبکه های عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی ورشکستگی مطالعه موردی شرکت های پذیرفته شده در بورس اوراق بهادار تهران
پیش بینی ورشکستگی مدت هاست که به عنوان یکی از مهمترین موضوعات مهم در حوزه مدیریت مالی و شناخت فرصت های مطلوب سرمایه گذاری از فرصت های نامطلوب و جلوگیری از به هدر رفتن منابع مطرح است. لذا در این پژوهش سعی شده است تا با بهره گیری از مدل شبکه های عصبی و الگوریتم ژنتیک به مقایسه نتایج حاصل از پیش بینی ورشکستگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران پرداخته و همچنین از سوی دیگر با بکارگیری الگوریتم ژنتیک در توسعه تئوری ورشکستگی، راه های غلبه بر ضعف های روش های معمول پیش بینی ورشکستگی مورد بحث و بررسی قرار گیرد. نمونه مورد مطالعه در این پژوهش شامل 70 جفت شرکت ورشکسته و غیر ورشکسته طی بازه زمانی 1390-1380 است. با بررسی های انجام شده بروی اطلاعات مستخرج از صورت های مالی شرکتهای مورد نظر در نهایت 5 متغیر مالی بعنوان متغیرهای مستفل جهت استفاده در هر دو مدل شناسایی گردید. نتایج این پژوهش نشان داد که استفاده از الگوریتم ژنتیک در مقایسه با مدل شبکه های عصبی در پیش بینی ورشکستگی مالی بسیار موثر است بطوریکه این مدل توانست جهت پیش بینی صحیح ورشکستگی مالی شرکتها به ترتیب در دوسال قبل از سال مبنا، یکسال قبل از سال مبنا و سال مبنا به دقتی معادل 96/44 و 97/94 و 95/53 درصد دست یابد.
