پاورپوینت آموزش و پیاده‌سازی روش و الگوریتم‌های ژنتیک (pptx) 23 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 23 اسلاید
قسمتی از متن PowerPoint (.pptx) :
آموزش و پیاده‌سازی روش و الگوریتم‌های ژنتیک، شبکه عصبی مصنوعی، فازی و پردازش تصویر در نرم‌افزار متلب مرداد94
به نام خدا
نرم افزار متلب
MATLAB نرم افزاری برای انجام کارهای ریاضی، آماری، مهندسی و....می باشد.
MATLAB=MATrix Laboratory(آزمایشگاه ماتریسی)
در اوايل دهه 1970 توسط Cleve Moler, به وجود آمد.
در اوايل دهه 1980 با زبان C بازنويسي شد.
در 1984 شركت Mathwork تأسيس شد.
بعضی قابلیت های MATLAB
تعریف و استفاده از متغیرها
محاسبات ماتریسی
نوشتن M-file (Script نویسی)
دستورات حلقه و شرط
دستورات ورودی-خروجی
ساخت و احضار توابع
رسم نمودار
الگوریتم ژنتیک در متلب
امروزه یکی از مهم‌ترین زمینه‌های تحقیق و پژوهش، توسعۀ روش‌های جستجو بر مبنای اصول تکامل طبیعی می‌باشد. در محاسبات تکاملی به صورت انتزاعی از مفاهیم اساسی تکامل طبیعی در راستای جستجو برای یافتن راه حلّ بهینه برای مسائل مختلف الهام گرفته شده است. در همین راستا مطالبی که در این فصل پیش روی شما پژوهندۀ گرامی قرار خواهد گرفت مفاهیمی دربارۀ علم کامپیوتر و علم ژنتیک مانند: الگوریتم و انواع آن، جستجو، هیوریستیک، تاریخچه الگوریتم ژنتیک و علم ژنتیک، ژن، کروموزوم، ارث بری و... می باشد و یا به بیانی خلاصه‌تر می‌توان گفت: در این فصل به بیان مقدّمات خواهیم پرداخت.
تاریخچۀ علم ژنتیک
اوّلین کسی که توانست قوانین حاکم بر انتقال صفات ارثی را شناسایی کند، کشیشی اتریشی به نام «گریگور مندل» بود که در سال ۱۸۶۵ این قوانین را که حاصل آزمایشاتش روی گیاه نخودفرنگی بود، ارائه کرد. وی با ترکیب نژادهای گوناگون، نتایجی در مورد اثر متقابل خصوصیات به دست آورد. به عنوان مثال وقتی که گیاهان بلند را با گیاهان کوتاه ترکیب می‌کرد، بدون توجّه به اینکه کدامیک، گرده را اهداء کرده، فرزندان همه بلند می‌شدند. «مندل» نتیجه گرفت که خاصیت گیاه بلند (یا همان ژن که بعدها شناخته شد) پیروز شده و خاصیت گیاه کوتاه کنار گذاشته شده است. اما متأسفانه جامعۀ علمی آن دوران به دیدگاه‌ها و کشفیات او اهمیّت چندانی نداد و نتایج کارهای «مندل» به دست فراموشی سپرده شد. در سال ۱۹۰۰ میلادی کشف مجدّدِ قوانین ارائه شده از سوی «مندل»، توسط «درویس»، «شرماک» و «کورنز» باعث شد که نظریات او مورد توجه و قبول قرار گرفته و «مندل» به عنوان پدر علم ژنتیک شناخته شود.
الگوریتم های ژنتیک
روش متداول پیاده سازی الگوریتم ژنتیک بدین ترتیب است که:
مجموعه ای از فرضیه ها که population نامیده میشود تولید وبطور متناوب با فرضیه های جدیدی جایگزین میگردد.
در هر بار تکرارتمامی فرضیه ها با استفاده از یک تابع تناسب یا Fitness مورد ارزیابی قرار داده میشوند. آنگاه تعدادی از بهترین فرضیه ها با استفاده از یک تابع احتمال انتخاب شده و جمعیت جدید را تشکیل میدهند.
تعدادی از این فرضیه های انتخاب شده به همان صورت مورد استفاده واقع شده و مابقی با استفاده از اپراتورهای ژنتیکی نظیر Crossover و Mutationبرای تولید فرزندان بکار میروند.
پارامترهای ژنتیک
یک الگوریتم GA دارای پارامترهای زیر است:
GA(Fitness,Fitness_threshold,p,r,m)
: Fitnessتابعی برای ارزیابی یک فرضیه که مقداری عددی به هر فرضیه نسبت میدهد
: Fitness_threshold مقدار آستانه که شرط پایان را معین میکند
: p تعداد فرضیه هائی که باید در جمعیت در نظر گرفته شوند
:r در صدی از جمعیت که در هر مرحله توسط الگوریتم crossover جایگزین میشوند
:m نرخ mutation
جعبه‌ابزار الگوريتم ژنتيك در نرم افزار MATLAB
ساختار جعبه ابزار الگوريتم ژنتيك
>>gatool
پردازش تصویر در متلب
پردازش تصوير ديجيتال دانش جديدي است كه سابقه آن به پس از اختراع رایانه‌های ديجيتال بازمی‌گردد. بااین‌حال اين علم نوپا در چند دهه اخير از هر دو جنبه نظري و عملي پیشرفت‌های چشمگيري داشته است. سرعت اين پيشرفت به‌اندازه‌ای بوده است كه هم‌اکنون و پس‌ازاین مدت نسبتاً كوتاه ، به‌راحتی می‌توان رد پاي پردازش تصوير ديجيتال را در بسياري از علوم و صنايع مشاهده نمود . علاقه بهروش‌های پردازش تصوير ديجيتال از دو محدوده كاربردي اصلي نشأت می‌گیرد كه آن محدوده‌ها عبارت‌اند از : بهبود اطلاعات تصويري به‌منظور تعبير انساني و پردازش داده‌های صحنه براي ادراك ماشيني مستقل.
