سایت دانلود

تحقیق ها مقاله ها و پایان نامه ها
ریاضی

پروژه رشته ریاضی در مورد مسیریابی خودرو با پنجره های زمانی – قسمت دوم

-1-1 الگوریتم ژنتیک
اولین الگوریتمی که از یک تکامل طبیعی به عنوان استراتژی مرکزی برای حل مسئله ها استفاده می کند. در سال 1950 انتشار یافت، مانند فراسو و باکس در سال 1996، فرجل روش را پیشنهاد داد که برنامه ریزی تکوینی نامیده شد. با پی گیری آن در سال 1973، روچنبرگ مدل را معرفی کرد که آن را راهکارهای تکامل و تکوین نامید. خود الگوریتم ژنتیک یا ، توسط هالند در سال 1975 پیشنهاد شد. تمام این پیشنهادات بر طبق تولید و زایش انتخاب و تکامل طبیعی نظریه داروین در سال 1859 بودند. از آن به بعدد محبوب شده است، 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 استفاده شدند، همچنانکه در کد ساختگی الگوریتم 1 نشان داده شده است.
الگوریتم 1: ساده که برای تولید سریع یک حداقل محلی استفاده می شود.

نکته مهم : برای استفاده از متن کامل تحقیق یا مقاله می توانید فایل ارجینال آن را از پایین صفحه   کنید. سایت ما حاوی تعداد بسیار زیادی مقاله و تحقیق دانشگاهی در رشته های مختلف است که می توانید آن ها را به رایگان   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 است، هر مشتری دارای یک شناساگر معادله ای استثنایی می باشد، به طوریکه تعداد مشتری هااست. کروموزوم بعنوان رشته هایی از معادله ها توصیف می شود که بیانگر یک مسیر برای خودرو می باشد، در نتیجه روشی که بیانگر یک راه حل کامل است و بسیاری از مسیرهای دیگر، مجموعه ای از کروموزومها می باشند. انبار مرکزی در این تصویرگری تصور نشده است، 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 است 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 شد، که به صورت متفاوت توسط بسیاری از محققان با این هدف استفاده گردید. برای توصیف کلی روش را نگاه کنید. در کار ارائه شده، ای با عنوان تصادفی بکار رفته است. 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 است. در موقتی پیشنهادی، یک انتخاب کلی تصادفی برای تعیین اولین مشتری که در هر مسیر جدید قرار داده می شود، استفاده می گردد. که این برای تولید اشخاص مجزا در ایجاد اولین ضروری می باشد. بعد از این که اولین مشتری بصورت تصادفی انتخاب شد، دومی، با حداقل هزینه وارد می شود، و مکان هر مشتری توجیه شده در ساختار مسیر ارزیابی می شود. ( مسیرهای جدید تنها اگر مشتریان توجیه شده جدید وارد می شوند، ایجاد می شود.)

در این جا ، برابر 0/7 است، ( به صورت تجربی توسط سولمون محاسبه شد . و نیز 1/0 می باشد، و فاصله مشتری تا انبار مرکزی است، 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 است، دو نوع بسیار محبوب آنها انتخاب حرکت چرخها و انتخاب تورنمت می باشد. در روش انتخاب حرکت چرخ، احتمال شرکت در یک مجموعه متقاطع وجود دارد که مستقیماً برای تناسبات مربوط به آن نسبی است، 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 استفاده می شود، 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 شود 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 استفاده می شود.
معادله (2-3) تناسب
3-1-1-4: مجموع (تقاطع)
در پیشنهادی، فضای تحقیق به محدوده محتمل محدود می شود. بنابراین هر شخصی احتمال قرار گرفتن در آن را دارد. در نتیجه توجه و هشدار در مجموعه و همین طور اپراتورهای تغییر دهنده ضروری است که این به خاطر مبادله ساده بین دو مشتری است که می تواند محدودیت های زمانی و ظرفیت را نقض کند. بنابراین یک راهکار جدید تقاطع و مجموعه باری شناسایی ویژگی های زیر پیشنهاد شد:
 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 است.
به منظور دستیابی به این اهداف، اپراتور تقاطع و تغییر در الگوریتم 2 توصیف شده که به صورت زیر نوشته می شود.
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/
/  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
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 منظور تضمین اینکه GA هرگز در راه حل کیفی دوباره اصلاح نمی شود، راهکار نخبه سالاری انتخاب می گردد. این روش از بهترین فرد از گروه اخیر برای گروه بعدی تشکیل شده است. به هر حال برای، قادر سازی دگرگونی و جهش در اشخاص انتخابی قبلی، دو کپی از این اشخاص انجام می شود. هدف اولین کپی، تغییرات، در حالیکه دومی، برای چرخه ارزیابی، انتخاب و تناقض همان طور که در شکل 20 نشان داده شده است، دست نخورده باقی می ماند.
3-1-1-6 تغییر و دگرگونی
کل 8 اپراتور متفاوت که در مرحله تغییر GA پیشنهادی استفاده شدند، فرآیند تغییر برای وارد کردن ویژگیهای جدید در مجموعه و جمعیت کنونی ضروری است. با در نظر گرفتن تغییر، تحقیق GA به یک محدوده کوچک از فضای تحقیق کلی متحمل محدود می شود. 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 شود.
تغییر 2 : (آوردن بهترین مشتری): این اپراتور یک خودرو را به صورت تصادفی انتخاب می کند و برای مشتریان از دیگر خودروها که نشانگر حداقل افزایش مسیر طی شده می باشد، جستجو می کند(شکل 4 را نگاه کنید.)
تغییر- 3 : (وارد کردن دو باره با استفاده از (PFIH) تصادفی ): این اپراتور از روش های انتخاب تصادفی (PFIH) استفاده می کند، همانطور که در بخش جمعیت اولیه توصیف شده است. (شکل 5 را نگاه کنید)
تغییر- 4 : (مبادله مشابه مشتری): این اپراتور یک مسیر را به صورت تصادفی انتخاب می کند و به دنبال یک مشتری پنجره زمانی مشابه از دیگر خودروها برای سعی بر یک تبادل می گردد. پنجره زمانی مشابه به عنوان تفاوت حداقل بین زمان اخیر دو مشتری متفاوت یعنی ، در نظر گرفته می شود، جایی که i و j دو مشتری می باشند. (شکل 6 را نگاه کنید.)

برای دیدن قسمت های دیگر این تحقیق لطفا" از منوی جستجوی سایت که در قسمت بالا قرار دارد استفاده کنید. یا از منوی سایت، فایل های دسته بندی رشته مورد نظر خود را ببینید.

لینک متن کامل با فرمت ورد

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *