• مهندسی کامپیوتر
    • سیستم عامل
    • طراحی الگوریتم
    • ساختمان داده
    • پایگاه داده
    • مهندسی نرم افزار
    • گرافیک کامپیوتری
    • بازی سازی
    • پردازش تصویر
    • طراحی وب
    • رمزنگاری
  • هوش مصنوعی
    • الگوریتم های یادگیری ماشین
    • شبکه های عصبی مصنوعی
    • الگوریتم های فرا ابتکاری
    • هوش مصنوعی
    • داده کاوی
  • شبکه های کامپیوتری
    • شبکه های حسگر بی سیم
    • شبکه های خودرویی
    • شبکه های موردی
    • شبکه های کامپیوتری
  • تحقیق و پژوهش
    • عمومی
    • تکنولوژی
    • زبان های برنامه نویسی
    • مشاهیر و اشخاص
    • اینترنت اشیاء
    • واقعیت مجازی
    • ارز دیجیتال
    • کسب و کار
    • علوم
  • رشته های مهندسی
    • مهندسی برق
    • مهندسی عمران
    • مهندسی معماری
  • قالب پاورپوینت پایانامه
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین
  • آموزش برنامه نویسی
  • آموزش الگوریتم
  • آموزش شبکه
  • آموزش عمومی

ورود

رمز عبور را فراموش کرده اید؟

هنوز عضو نشده اید؟ عضویت در سایت
  • درباره ما
  • تماس با ما
  • سفارش تدریس آنلاین
پی استور
0

ورود و ثبت نام

مقالات آموزشی
  • مهندسی کامپیوتر
    • سیستم عامل
    • طراحی الگوریتم
    • ساختمان داده
    • پایگاه داده
    • مهندسی نرم افزار
    • گرافیک کامپیوتری
    • بازی سازی
    • پردازش تصویر
    • طراحی وب
    • رمزنگاری
  • هوش مصنوعی
    • الگوریتم های یادگیری ماشین
    • شبکه های عصبی مصنوعی
    • الگوریتم های فرا ابتکاری
    • هوش مصنوعی
    • داده کاوی
  • شبکه های کامپیوتری
    • شبکه های حسگر بی سیم
    • شبکه های خودرویی
    • شبکه های موردی
    • شبکه های کامپیوتری
  • تحقیق و پژوهش
    • عمومی
    • تکنولوژی
    • زبان های برنامه نویسی
    • مشاهیر و اشخاص
    • اینترنت اشیاء
    • واقعیت مجازی
    • ارز دیجیتال
    • کسب و کار
    • علوم
  • رشته های مهندسی
    • مهندسی برق
    • مهندسی عمران
    • مهندسی معماری
  • قالب پاورپوینت پایانامه
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین

کد الگوریتم ژنتیک در پایتون Python

خانهفروشگاهالگوریتم های بهینه سازی هوشمندکد الگوریتم ژنتیک در پایتون Python
https://dl.programstore.ir/files/Uploades/Previews/python/GA-in-python.mp4

در این پست سورس کد الگوریتم ژنتیک GA در پایتون Python قرار گرفته شده است. این سورس کد به زبان پایتون Python برای الگوریتم ژنتیک نوشته شده است. این سورس کد بر اساس 12 توابع تست الگوریتم GA را اجرا می کند. برای اینکه بتوانید مسئله الگوریتم ژنتیک را واضح و کامل درک کنید مقاله ای کامل با عنوان  الگوریتم ژنتیک در همین سایت آماده کرده ایم که می توانید مطالعه کنید.  در ادامه مختصری از الگوریتم برای درک کد الگوریتم GA در پایتون بیان می شود.

cropped-fav2.png

برنامه‌نویس: تیم برنامه نویسی پی استور

متشکل از اساتید و فارغ التحصیلان رشته های فنی - مهندسی

تیم برنامه نویسی پی استور یکی از اولین گروه های تشکیل شده در مجموعه آموزشی پی استور می باشد. این تیم از اساتید مجرب و فارغ التحصیلان رشته های فنی و مهندسی تشکیل شده که در زمینه های مختلف برنامه نویسی و تهیه سورس کد فعال هستند.

الگوریتم ژنتیک

الگوریتم ژنتیک روشی برای بهینه سازی با جستجوی وسیع است و کارکرد آن بر اصول انتخاب طبیعی حاکم بر ژنتیک طبیعی استوار است. ایده این الگوریتم از نظریه تکامل داروین الهام گرفته شده است. اگرچه این الگوریتم روشی برای جستجوی تصادفی است، ویژگی های خاص آن موجب می شود که نتوان آن را یک جستجوی تصادفی ساده قلمداد کرد. در این الگوریتم اطلاعات تاریخی از چگونگی تکامل، به شکلی کارا استخراج شده و در روند جستجو استفاده می شود. الگوریتم ژنتیک روشی قدرتمند بوده و بر روی دسته وسیعی از مسائل به‌خوبی عمل می کند.

الگوریتم ژنتیک واقعی که بر اساس ایده ی تکامل بیولوژیکی در طبیعت عمل می نمایند، بر روی جمعیتی از راه حل های بالقوه یا کروموزوم ها که هر یک می توانند به‌عنوان پاسخی از مسئله تلقی شوند، با اعمال عملگرهای ژنتیکی به جستجوی راه حل نهایی می پردازند. در الگوریتم ژنتیکی، بسیاری از مکانیزم هایی که در زیست شناسی وجود دارد، نظیر انتخاب ژن برتر، ترکیب ژن ها، جهش ژن ها، مهاجرت افراد جمعیت، محلی بودن گونه ها و … شبیه سازی می شوند. در این الگوریتم ها، جستجو بر روی مجموعه هایی از راه حل ها به‌صورت موازی انجام می شود، درحالی‌که در روش های سنتی جستجو به‌صورت ترتیبی است.

کد الگوریتم ژنتیک GA در پایتون Python

نحوه کار الگوریتم

در آغاز الگوریتم، تعدادی از افراد به‌عنوان جمعیت اولیه و معمولاً به‌صورت تصادفی ساخته‌شده و معیاری از کیفیت به نام تابع هدف یا برازندگی برای تک تک آن ها ارزیابی می شود. اگر شرط رسیدن به جواب برقرار نباشد (به جواب بهینه نرسیده باشیم)، نسل بعدی با انتخاب والدین بر اساس میزان برازندگی آن ها تولید می شود. در هر نسل، بهترین های آن نسل انتخاب می شوند و پس از زادوولد، مجموعه جدیدی از فرزندان را تولید می کنند.

کروموزوم های موجود در جمعیت بر اساس مقدار برازندگی به‌عنوان والد انتخاب می شوند. سپس تولید مثل، بین جفت کروموزوم ها انجام می گیرد تا فرزندان ایجاد شوند و فرزندان با احتمالی ثابت دچار جهش می شوند. سپس میزان برازندگی فرزندان جدید محاسبه‌شده و جمعیت جدید، از جایگزینی فرزندان با والدین ایجاد می شود و جمعیت ایجادشده جدید به‌عنوان نسل بعدی شناخته می‌شود و فرایند تکرار می شود.

در این فرایند، افراد مناسب تر با احتمال بیشتری در نسل های بعد باقی خواهند ماند و این فرایند تا برقرار شدن شرط خاتمه تکرار می شود. الگوریتم زمانی پایان خواهد یافت که بهبودی بر روی جواب ها صورت نگیرد و یا اینکه تعداد مشخصی نسل تولید شود.

GA in python 2

کد ژنتیک با پایتون

سورس کد الگوریتم GA در پایتون شامل توابعی است که اسکریپت GA.py در واقع کد اصلی برنامه می باشد و بقیه فراخوانی ها از آنجا انجام می شود. توابع تست برای این الگوریتم 12 تابع می باشد که از معروف ترین آنها در زیر تعدادی را مشاهده می کنید.

  • تابع  SPHERE
  • تابع ACKLEY
  • تابع SUM SQUARES
  •  تابع ROSENBROCK
  • تابع SUM OF DIFFERENT POWERS
  • تابع ZAKHAROV
  • تابع Rastrigin

توابع تست برای ارزیابی الگوریتم های بهینه سازی بکار می روند که در این سایت برای توضیحات بیشتر در مورد توابع تست الگوریتم های بهینه سازی مقاله ای آماده کردیم. توابع زیادی برای تست عملکرد الگوریتم های بهینه سازی وجود دارد که در اینجا ما به این 7 تابع اکتفا کرده ایم ولی در سورس کد با 12 نوع تابع مختلف (همانند مقاله) ارزیابی شده است.

همچنین لازم به ذکر است که برای اجرای الگوریتم بهینه سازی روی مسئله مورد نظر تابع هزینه یا Cost Function آن تغییر خواهد کرد و بقیه الگوریتم دست نخورده باقی می ماند بنابراین برای اجرای الگوریتم GA در پایتون برای بهینه سازی مسئله خودتان تابع هزینه خود را بر اساس پارامترهای مسئله خود تعریف کنید.

قسمت هایی از سورس کد الگوریتم ژنتیک در پایتون

iters=500
lb=-100
ub=100
dim=30
popSize=50
cp = 1 #crossover Probability
mp = 0.01 #Mutation Probability
keep = 2; # elitism parameter: how many of the best individuals to keep from one generation to the next
    
     
if not isinstance(lb, list):
   lb = [lb] * dim
if not isinstance(ub, list):
   ub = [ub] * dim
        
bestIndividual=numpy.zeros(dim)    
scores=numpy.random.uniform(0.0, 1.0, popSize) 
bestScore=float("inf")
    
ga = numpy.zeros((popSize, dim))
for i in range(dim):
    ga[:, i]=numpy.random.uniform(0,1,popSize) * (ub[i] - lb[i]) + lb[i]
convergence_curve=numpy.zeros(iters)
    
    
    
for l in range(iters):

        #crossover
  ga = crossoverPopulaton(ga, scores, popSize, cp, keep)
           
        #mutation
  mutatePopulaton(ga, popSize, mp, keep, lb, ub)
           
  ga = clearDups(ga, lb, ub)
       
  scores = calculateCost(ga, popSize, lb, ub)
            
  bestScore = min(scores)
        
        #Sort from best to worst
  ga, scores = sortPopulation(ga, scores)

ویدیو معرفی محصول

Your browser does not support the video tag.

***  توجه  ***

قبل از اجرای سورس کد الگوریتم در محیط پایتون حتماً از نصب پکیج های مورد استفاده در این سورس کد در Python خود مطمئن شوید پکیج های استفاده شده در این سورس کد numpy و matplotlib می باشد که اولی پکیج مربوط به استفاده از آرایه ها و ماتریس ها در پایتون و دومی مربوط به عملیات های نموداری و Plot گرفتن می باشد. پیشنهاد ما نصب اسپایدر (Spyder (Python 3.7 می باشد که هم پایتون و پکیج های مختلف و هم IDE های مختلفی را همراه با امکان آپدیتشان نصب می کند.


درباره محصول

سورس کد الگوریتم ژنتیک GA در پایتون Python عنوان محصولی است که در این پست به آن پرداخته شده است. محصول در پایتون و با IDE اسپایدر (Spyder (Python 3.7 نوشته شده و بصورت کامل توسط گروه پشتیبانی پی استور تست و اجرا شده است. محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید.

گارنتی 7 روزه بازگشت هزینه

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این محصول توسط پی استور تضمین شده و در صورت عدم رضایت از محصول، به انتخاب شما:

  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا 80 درصد مبلغ پرداختی به حساب بانکی شما عودت داده می‌شود.

مباحث مرتبط با سورس کد الگوریتم ژنتیک

پاورپوینت الگوریتم ژنتیک GA
پاورپوینت الگوریتم ژنتیک GA
آموزش نحوه پیاده سازی حل مسئله فروشنده دوره گرد با الگوریتم ژنتیک در پایتون
فیلم آموزشی حل مسئله فروشنده دوره گرد با الگوریتم ژنتیک در پایتون
حل مسئله TSP با الگوریتم ژنتیک GA در متلب
حل مسئله TSP با الگوریتم ژنتیک GA در متلب
فروشنده دوره گرد با ژنتیک و حل آن در متلب به صورت گرافیکی و کامل
فروشنده دوره گرد با ژنتیک و حل آن در متلب به صورت گرافیکی
حل مسئله 8 وزیر با الگوریتم ژنتیک در سی شارپ #C
حل مسئله 8 وزیر با الگوریتم ژنتیک در سی شارپ
مسئله هشت وزیر با الگوریتم ژنتیک GA در متلب
مسئله هشت وزیر با الگوریتم ژنتیک GA در متلب
آموزش شبکه عصبی با الگوریتم ژنتیک GA در متلب
آموزش شبکه عصبی با الگوریتم ژنتیک GA در متلب
پیاده سازی الگوریتم ژنتیک واقعی یا پیوسته در متلب
پیاده سازی الگوریتم ژنتیک واقعی یا پیوسته در متلب

سورس کدهای آماده الگوریتم های مشابه در پایتون

کد الگوریتم گرگ خاکستری در پایتون Python
کد الگوریتم گرگ خاکستری در پایتون Python
کد الگوریتم وال در پایتون Python
سورس کد الگوریتم وال در پایتون Python
کد الگوریتم PSO در پایتون Python
کد الگوریتم PSO در پایتون Python
کد الگوریتم شعله پروانه در پایتون (شمع و پروانه) Python
کد الگوریتم شمع و پروانه در پایتون
الگوریتم جستجوی فاخته CS در پایتون
سورس کد الگوریتم جستجوی فاخته CS در پایتون
الگوریتم بهینه ساز خفاش BA در پایتون Python
سورس کد الگوریتم خفاش BA در پایتون Python
الگوریتم کرم شب تاب FA در پایتون Python
سورس کد الگوریتم کرم شب تاب FA در پایتون Python
الگوریتم پیروزی JAYA در پایتون Python
سورس کد الگوریتم پیروزی JAYA در پایتون Python
امتیاز
5.00 از 2 رأی
5.00 2 رای
49,000 تومان
تاریخ انتشار: 4 آذر 1398
تاریخ بروزرسانی: 16 مهر 1399
حجم فایل: 5.1 کیلوبایت
فرمت فایل py. در قالب پایتون
نسخه: 1.0
هماهنگی با: (Spyder (Python 3.8 و بالاتر
دانلود شده توسط: 491 نفر

تاکنون 491 نفر این محصول را تهیه کرده اند و 2 نظر برای آن ثبت شده است.

نظرات و دیدگاه ها
  • هادی
    8 مرداد 1401
    امتیاز 5 از 5
    پاسخ

    ایول دمتون گرم ???

  • مدیریت و پشتیبانی
    4 آذر 1398
    امتیاز 5 از 5
    پاسخ

    نظرات و پیشنهادات خود را با ما در میان بگذارید.

قوانین ثبت دیدگاه

  • لطفاً دیدگاه های خود را فارسی تایپ کنید.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • سوالات تخصصی خودتان را از طریق تیکت پشتیبانی مطرح کنید.

لغو پاسخ

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

دسته‌بندی موضوعی: الگوریتم های بهینه سازی هوشمند

قیمت 49,000 تومان

افزودن به علاقه مندی ها
امتیاز
5.00 از 2 رأی
5.00 2 رای
49,000 تومان

تاریخ انتشار: 4 آذر 1398
تاریخ بروزرسانی: 16 مهر 1399
حجم فایل: 5.1 کیلوبایت
فرمت فایل py. در قالب پایتون
نسخه: 1.0
هماهنگی با: (Spyder (Python 3.8 و بالاتر
دانلود شده توسط: 491 نفر

2 بازخورد (مشاهده نظرات)

قیمت: 49,000 تومان

تماس با ما
  • دفتر پشتیبانی: 04144225175 (ساعت کاری 8:00 الی 16:00)
  • آی دی تلگرام: programerPstore
درباره پی استور

تیم توسعه پی استور با هدف ارائه مطالب مفید علمی در گرایش های مختلف پروژه های علمی مختلف را جمع آوری می کند و در قالب یک محصول تست شده و قابل اجرا همراه با توضیحات و نحوه اجرا، انتشار می دهد. امید است با عنایت الهی و کوشش اساتید و دانشجویان همراهمان بتوانیم قدم کوچکی در تولید محتوای علمی کشور داشته باشیم.

مجوز های اخذ شده
اینماد نشان ملی   پروانه نشر دیجیتال
  • حساب کاربری من
  • سوالات متداول
  • راهنمای خرید و دانلود
پی استور
  • همکاری با ما
  • قوانین و مقررات
  • حریم خصوصی
تمامی حقوق برای پی استور محفوظ است.
keyboard_arrow_up