دانلود فایل پژوهش: دانلود پروژه رشته ریاضی در مورد مسیریابی خودرو با پنجره های زمانی – قسمت دوم

دانلود پایان نامه

-1-1 الگوریتم ژنتیک
اولین الگوریتمی که از یک تکامل طبیعی به عنوان استراتژی مرکزی برای حل مسئله ها بهره گیری می کند. در سال 1950 انتشار پیدا نمود، مانند فراسو و باکس در سال 1996، فرجل روش را پیشنهاد داد که برنامه ریزی تکوینی نامیده گردید. با پی گیری آن در سال 1973، روچنبرگ مدل را معرفی نمود که آن را راهکارهای تکامل و تکوین نامید. خود الگوریتم ژنتیک یا ، توسط هالند در سال 1975 پیشنهاد گردید. تمام این پیشنهادات بر طبق تولید و زایش انتخاب و تکامل طبیعی نظریه داروین در سال 1859 بودند. از آن به بعدد محبوب شده می باشد، زیرا می تواند برای یافتن راه حل های خوب برای مسئله های پیچیده ریاضی مشارکت کنند مانند مسئله های و دیگر مسئله های سخت در مقدار منطقی زمان.
اصل با جایگزینی های مجموعه جهانی در این کار بهره گیری شدند، همچنانکه در کد ساختگی الگوریتم 1 نشان داده شده می باشد.
الگوریتم 1: ساده که برای تولید سریع یک حداقل محلی بهره گیری می گردد.

نکته مهم : برای بهره گیری از متن کامل پژوهش یا مقاله می توانید فایل ارجینال آن را از پایین صفحه دانلود کنید. سایت ما حاوی تعداد بسیار زیادی مقاله و پژوهش دانشگاهی در رشته های مختلف می باشد که می توانید آن ها را به رایگان دانلود کنید
Function GA: individual
Begin
Timelni:= now;
Start-ninitial- population:/ using stochastic PFIH
While(now-timelni<Timelimit)do
begin
Indiduals-evaluation;
selection;
crossover;
Elitism;
Mutation;
Update-population;
end;
retur(best-individual-current-generational;
end
ارائه و نمایش منحصر به فرد بسیار ساده می باشد، هر مشتری دارای یک شناساگر معادله ای استثنایی می باشد، به طوریکه تعداد مشتری هااست. کروموزوم بعنوان رشته هایی از معادله ها توصیف می گردد که بیانگر یک مسیر برای خودرو می باشد، در نتیجه روشی که بیانگر یک راه حل کامل می باشد و بسیاری از مسیرهای دیگر، مجموعه ای از کروموزومها می باشند. انبار مرکزی در این تصویرگری تصور نشده می باشد، زیرا تمام مسیرهای لازم در آن شروع و خاتمه می یابد.
3-1-1-1: مجموعه اولیه
یک روش سریع و ساده تجربی در توزیع خودروها برای تمام مشتریان، این می باشد که برای بدست آوردن تولید و اصل آن بتوان زمان مورد نیاز برای بدست آوردن حداقل مورد محلی را کاهش داد.
به این دلیل روش تجربی و آزمایشی پیشنهاد شده توسط سولمون ، روش الحاقی رو به جلو نامیده گردید، که به صورت متفاوت توسط بسیاری از محققان با این هدف بهره گیری گردید. برای توصیف کلی روش را نگاه کنید. در کار ارائه شده، ای با عنوان تصادفی بکار رفته می باشد. در اصل معادل (1-3) ، اولین مشتری را در هر مسیر جدید توصیف می کند، چنانکه مشتریان بعدی که یکی یکی انتخاب می شوند، هزینه را کاهش می دهند، و نهایتاً اصل تعیین شدنی می باشد. در موقتی پیشنهادی، یک انتخاب کلی تصادفی برای تعیین اولین مشتری که در هر مسیر جدید قرار داده می گردد، بهره گیری می گردد. که این برای تولید اشخاص مجزا در ایجاد اولین ضروری می باشد. بعد از این که اولین مشتری بصورت تصادفی انتخاب گردید، دومی، با حداقل هزینه وارد می گردد، و مکان هر مشتری توجیه شده در ساختار مسیر ارزیابی می گردد. ( مسیرهای جدید تنها اگر مشتریان توجیه شده جدید وارد می شوند، ایجاد می گردد.)

در این جا ، برابر 0/7 می باشد، ( به صورت تجربی توسط سولمون محاسبه گردید . و نیز 1/0 می باشد، و فاصله مشتری تا انبار مرکزی می باشد، و محدودیت پنجره های زمانی بالاتر برای بدست آوردن مشتری ، و زاویه قطبی (مداری) مشتری از انبار مرکزی می باشد.
3-1-1-2: انتخاب
در طول این مرحله جفتهایی از اشخاص برای تناقض (تقاطع) انتخاب می شوند.
راههای زیادی در متن برای انتخاب ها پیشنهاد شده می باشد، دو نوع بسیار محبوب آنها انتخاب حرکت چرخها و انتخاب تورنمت می باشد. در روش انتخاب حرکت چرخ، احتمال شرکت در یک مجموعه متقاطع هست که مستقیماً برای تناسبات مربوط به آن نسبی می باشد، این روش بسیار حساس به تابع ارزیابی می باشد، و اغلب به کنترل های اضافی نیاز دارد. برای مثال، معیار سنجی تناسب.
در این مقاله یک روش انتخابی تورنمت – راه در بهره گیری می گردد، در یک تورنمت – راه مجموعه و افراد بصورت تصادفی انتخاب می شوند، سپس اشخاصی که بیشترین تناسب را دارند، برنده می باشند. این فرایند تکرار می گردد تا زمانیکه تعداد اشخاص انتخابی مورد نیاز برای مرحله متقاطع و کار بدست آیند. دو مجموعه برای گروه انتخاب می شوند که تنها یک منشاء و نسل جدید را تولید می کند.
3-1-1-3: تناسبات:
عملکرد تناسب ها برای ارزیابی اشخاص، اغلب مربوط به عملکردهای موضوعی می باشد، که نیاز به شناسایی ندارند. برعکس کردن فاصله کلی طی شده برای نشان دادن تناسب اشخاص بهره گیری می گردد.
معادله (2-3) تناسب
3-1-1-4: مجموع (تقاطع)
در پیشنهادی، فضای پژوهش به محدوده محتمل محدود می گردد. پس هر شخصی احتمال قرار گرفتن در آن را دارد. در نتیجه توجه و هشدار در مجموعه و همین گونه اپراتورهای تغییر دهنده ضروری می باشد که این به خاطر مبادله ساده بین دو مشتری می باشد که می تواند محدودیت های زمانی و ظرفیت را نقض کند. پس یک راهکار جدید تقاطع و مجموعه باری شناسایی ویژگی های زیر پیشنهاد گردید:
 برای به ارث بردن ( مالک شدن) هر مسیر از والدین به صورت مساوی؛
 برای جلوگیری از مبادله بیش از حد مشتری در طول مجموعه، افزایش هزینه عملکرد؛
 برای جلوگیری از اشخاص جدید با تعداد خودروهای بیشتر از والدین آنها.
 برای جلوگیری از مسافتهای بالا هنگامی که تصدیق و تنظیم مالک شدن ضروری می باشد.
به مقصود دستیابی به این اهداف، اپراتور تقاطع و تغییر در الگوریتم 2 توصیف شده که به صورت زیر نوشته می گردد.
Algorithm 2. Crossover algorithm
Function Crossover;
Begin
/First Step: entire routes from parants are inhered by the offspring/
/one by one route are randomly selected from each parent by turn
Repeat
/ From parent 2 in turn /
Copy Random Route from parent 1 to the offspring;
/ until C(no more inherited route is feasible)
/ There are no more entire routes from parents individuals possible in the offspring/

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

/  second step: insert unrouted customer, if possible , in to inherited routs.
Insert unrouted customers in Current Routes;
/ Thirdstep: Create new routes for remainders customers/
Insert Remainder Customer in new routes using stichastid PFTH; end;/  end function;

مرحله اول: به صورت

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

الگوریتم یک انتخاب مسیر به صورت تصادفی از هر شخص در گروه مادر ایجاد می کند. بعد از این که تمام راههای محتمل در نسل وارد شدند، وارد کردن مشتریان باقی مانده در مسیرهای موجود آزمایش می شوند (مرحله دوم) .
اگر بعضی از مشتریان بدون مسیر باقی ماندند، هیچ گزینه ای باقی نمی ماند غیر از وارد کردن آنها در متحرکهای خالی در مسیرهای جدید. در این مرحله PFCH محتمل دوباره اعمال می گردد. (شکل 1) .
(3-1-1-5 نخبه سالاری) به مقصود تضمین اینکه GA هیچگاه در راه حل کیفی دوباره اصلاح نمی گردد، راهکار نخبه سالاری انتخاب می گردد. این روش از بهترین فرد از گروه اخیر برای گروه بعدی تشکیل شده می باشد. به هر حال برای، قادر سازی دگرگونی و جهش در اشخاص انتخابی قبلی، دو کپی از این اشخاص انجام می گردد. هدف اولین کپی، تغییرات، در حالیکه دومی، برای چرخه ارزیابی، انتخاب و تناقض همان گونه که در شکل 20 نشان داده شده می باشد، دست نخورده باقی می ماند.
3-1-1-6 تغییر و دگرگونی
کل 8 اپراتور متفاوت که در مرحله تغییر GA پیشنهادی بهره گیری شدند، فرآیند تغییر برای وارد کردن ویژگیهای جدید در مجموعه و جمعیت کنونی ضروری می باشد. با در نظر گرفتن تغییر، پژوهش GA به یک محدوده کوچک از فضای پژوهش کلی متحمل محدود می گردد. در کار ارائه شده، بعضی از اپراتورهای بسیار خاص برای سرعت بخشی به ارزیابی اشخاص، مانند مثال زیر ایجاد می شوند.
تغییر – 1 : ( مهاجرت تصادفی مشتری): این اپراتور یک متحرک تصادفی و نیز یک مشتری را به صورت تصادفی انتخاب می کند. مهاجرت این مشتری به خود روی پر دیگر، جهت انجام تحقیقات امتحان گردید. چنانچه قرار دادن مشتری که به صورت مستقل از یک هزینه تابعی جدید، مورد قبول واقع شده باشد، به یک مسیر محتمل منتهی می گردد.

این نوشته در ریاضی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.

دیدگاهتان را بنویسید