پانزده کاربرد الگوریتم های ژنتیک – بخش اول

هدف از این پست آشنا کردن مخاطبین محترم وبسایت محاسبات تکاملی با کاربرد های مختلف الگوریتم های ژنتیک می باشد. بدین منظور 15 کاربرد عمده از این الگوریتم ها را در سه پست مجزا خدمتتان تقدیم خواهیم کرد. در این پست، بخش اول از این کاربردها را می بینیم. البته توجه شود که این کاربردها منحصر به الگوریتم ژنتیک (GA) نمی باشند و به سادگی قابل تعمیم به هر الگوریتم بهینه سازی تکاملی می باشند (این لینک (+) را ببینید). به همین منظور و برای درک بهتر موضوع، در ادامه هر کاربرد، موردی از استفاده مشابه از الگوریتم رقابت استعماری به همراه عنوان مقاله علمی منتشر شده، به عنوان یک مثال عملی خواهیم آورد.  لازم به ذکر است که این نوشتار به کوشش سرکار خانم زینب سجادی- دانشجوی کارشناسی ارشد ریاضیات مالی دانشکده ریاضی و علوم کامپیوتر دانشگاه شیخ بهایی اصفهان تهیه شده و جهت استفاده علاقه مندان در اختیار وبسایت محاسبات تکاملی قرار گرفته است. شما را به مطالعه لیست این کاربردها در ادامه مطلب دعوت می کنیم.

یکی از کاربردهای الگوریتم ژنتیک، استفاده از آن، در طراحی خودرو است. به کارگیری این الگوریتم در طراحی مواد ترکیبی و طراحی اشکال ایرودینامیکی، جهت استفاده در ماشین های مسابقه و همچنین استفاده ی از آن، در ابزار تنظیم کننده ی حمل و نقل (شامل هوانوردی)، می تواند بهترین ترکیب از مواد و بهترین مهندسی را برای تولید وسایل نقلیه ای سریع تر، ایمن تر و با مصرف سوخت بهینه تر در اختیار طراحان این وسایل قرار دهد.

بنابراین فرایندهای مورد بررسی در این حیطه می توانند به جای صرف سال ها وقت در آزمایشگاه ها و کار با پلیمرها، تونل های بادی و اشکال چوبی (چوب های مناطق گرمسیری)، با مدل سازی های کامپیوتری توسط جستجوهای الگوریتم ژنتیک، به طور سریع تر و کاراتری انجام شوند. با این روش جستجو در جواب های ممکن، مهندسان طراح، با دامنه ای از جواب ها روبرو هستند که می توانند جوابی مطلوب و رضایت بخش را مدّ نظر قرار دهند.به عنوان مثالی از کاربرد روشهای محاسبات تکاملی در این حوزه، می توانید مقالات زیر را که استفاده الگوریتم رقابت استعماری را در موارد نزدیک به کاربرد مطرح شده نشان می دهند، مطالعه نمایید.

• A. Biabangard-Oskouyi, E. Atashpaz-Gargari, N. Soltani and C. Lucas, “Application of Imperialist Competitive Algorithm for Material Properties Characterization from Sharp Indentation Test”, International Journal of Engineering Simulation (IJES)
• A. Kaveh and S. Talatahari, “Imperialist competitive algorithm for engineering design problems”, Asian journal of civil engineering (building and housing) Vol. 11, No. 6 (2010), Pages 675-697
• Behzad Abdi, Hamid Mozafari, Amran Ayob, “Using Imperialist Competitive Algorithm to Find the Optimum Shape Design of Internally Pressurized Torispherical Dome Ends Based on Buckling Pressure”, International Journal of Computer Science and Security

• علي قدوسيان، مسعودپور، هادي اسكندر، “بهينه سازي كيفيت سطح برمبناي الگوريتم رقابت استعماري در فرزكاري ديوار نازك”، يازدهمين كنفرانس ملي مهندسي ساخت و توليد ايران

یافتن بیشترین محدوه ی مواد (میدان حدود تغییرات مواد)، برای بهینه ساختن طرح ساختاری و عملیاتی ساختمان ها، کارخانه ها و ماشین ها و….، یک کاربرد در حال توسعه از الگوریتم ژنتیک بوده که به سرعت در حال رشد است. استفاده ی از این محدوده ی تغییرات برای کاربردهایی مانند: بهینه سازی طرح تبادل گرما، اتصال بازوهای رُبات، امواج ماهواره ای، خرپاهای ساختمان، چرخ های طیار (فلای ویل ها)، توربین ها و هر طرح مهندسی دیگری که به کمک کامپیوتر قابل اجرا هستند، امکان پذیر است.

به عنوان مثالی از کاربرد روشهای محاسبات تکاملی در این حوزه، می توانید مقالات زیر را که استفاده الگوریتم رقابت استعماری را در موارد نزدیک به کاربرد مطرح شده نشان می دهند، مطالعه نمایید.

• A. Kaveh and S. Talatahari, “Optimum design of skeletal structures using imperialist competitive algorithm”, Computers & Structures, Volume 88, Issues 21-22, November 2010, Pages 1220-1229 
• Esmaeil Abedini Duki, HamidReza Abdollahi Mansoorkhani, Alireza Soroudi, Mehdi Ehsan, “A Discrete Imperialist Competitive Algorithm for Transmission Expansion Planning”, PSC2010, 25th International Power System Conference

برای کسب اطلاعات بیشتر و دانلود مقالات فوق، به بخش پایان نامه ها و مقالات در سایت مراجعه نمایید.

علم رباتیک، شامل طراحان و مهندسان بشری است که سعی دارند از تمام انواع ابزارها، به منظور ایجاد ماشین های مفید استفاده کنند تا این ماشین ها بتوانند برای بشر وظایفی را انجام دهند. هر طرح ربات، بر اساس کار یا کارهایی که  باید آن ها را انجام دهد، برنامه ریزی می شود. بنابراین با توجه به تنوع زیاد کارها، طرح های مختلفی برای ربات ها به وجود می آید. الگوریتم های ژنتیک می توانند برای جستجوی دامنه ای از طرح های بهینه و اجرای آن، برای هر کاربرد ویژه برنامه ریزی شده و یا نتایج را برای انواع کاملاً جدید ربات ها بازگرداند و در نتیجه این ربات ها می توانند وظایف متفاوتی را به انجام رسانده و کاربردهای عمومی تری داشته باشند. ربات های حاصل از طراحی ژنتیک ممکن است ربات های چند منظوره ی جذاب را برای ما ایجاد کنند. رباتی که برای ما غذا می پزد، لباس ها را شسته و حتی حمام مان را تمیز می کند.

به عنوان مثالی از کاربرد روشهای محاسبات تکاملی در این حوزه، می توانید مقالات زیر را که استفاده الگوریتم رقابت استعماری را در موارد نزدیک به کاربرد مطرح شده نشان می دهند، مطالعه نمایید.

• Ali Tamimi, Houman Sadjadian, Hesam Omranpour, “Mobile Robot Global Localization using Imperialist Competitive Algorithm”,3rd International Conference on Advanced Computer Theory and Engineering (ICACTE), 2010
• S.Amir Ghoreishi, Mohammad Ali Nekoui and S. Omid Basiri, “Optimal Design of LQR Weighting Matrices based on Intelligent Optimization Methods”, International Journal of Intelligent Information Processing, Volume 2, Number 1, March 2011, doi:10.4156/ijiip.vol2. issue1.7
• Ashkan MohammadZadeh  Jasour, Esmaeil Atashpaz Gargari, Caro Lucas, “Vehicle Fuzzy Controller Design Using Imperialist Competitive Algorithm”, Second Iranian Joint Congeress on Intelligent and Fuzzy Systems, September 2007, Mashhad, Iran.

• مرتضی بابایی، حسن دادگر و دیگران، “مدلسازي جرثقيل سقفي و کنترل بهينه آن با فازي و الگوریتم رقابت استعماری “، سومين کنفرانس مشترک سيستمهاي فازي و هوشمند-دانشگاه يزد
• حسن دادگر، عليرضا محمد شهري، کارو لوکس، “مسير يابی ربات متحرک با استفاده از الگوريتم نوظهور ICA”، جموعه مقالات اولين کنفرانس بين المللی اتوماسيون صنعتی ايران، صفحه 57-63، تهران، دانشگاه صنعتی شريف، 5 و 6 آبان 1388.

 

برای کسب اطلاعات بیشتر و دانلود مقالات فوق، به بخش پایان نامه ها و مقالات در سایت مراجعه نمایید.

برنامه های سخت افزاری تکاملی، مدارهای الکترونیکی هستند که توسط مدل های کامپیوتری ژنتیک ایجاد شده اند و از عملگرهای تصادفی (تصادفی از نظر آماری)، برای تکامل تنظیمات جدید از نمونه های قدیمی تر استفاده می کنند. همان طور که الگوریتم فعالیت خود را در اجرای مدل انجام می دهد، در نهایت تنطیمات مدار به نتیجه ای منجر می شود که طراح می خواهد.

در مورد مدارهای قابل تنظیم درون، چیزی شبیه به یک ربات فضایی را تصور کنید که بعد از اینکه در معرض تابش، تنظیمات نرمال خود را از دست دهد و یا با شرایط جدیدی روبرو شود که نیاز به یک تابع داشته باشد که قبلا آن را نداشته است؛ می تواند از یک کتابخانه ی ژنتیک و شبیه ساز توکار، برای طراحی دوباره ی خود استفاده کند! چنین الگوریتم های ژنتیکی، قابلیت خود-انطباقی و خود- تعمیری را برای سیستم فراهم خواهند کرد.

به عنوان مثالی از کاربرد روشهای محاسبات تکاملی در این حوزه، می توانید مقالات زیر را که استفاده الگوریتم رقابت استعماری را در موارد نزدیک به کاربرد مطرح شده نشان می دهند، مطالعه نمایید.

•  Milad Razzaghpour, Ana Rusu, “Analog Circuit Optimization via a Modified Imperialist Competitive Algorithm”, Proc. of IEEE ISCAS 2011, Rio de Janeiro, Brazil, May 15-18, 2011. 

برای کسب اطلاعات بیشتر و دانلود مقاله فوق، به بخش پایان نامه ها و مقالات در سایت مراجعه نمایید.

آیا تا به حال به خاطر کارایی پایین شبکه، دستیابی نامناسب اینترنت یا از ماشین فاکسی که فقط بعضی مواقع کار می کند، ناراحت شده اید؟ الگوریتم ژنتیکی توسعه داده شده اند که بتوانند مدارهای مسیریاب پویا و مقدماتی را برای مخابرات تلفنی فراهم کند. این می تواند بی ثباتی سیستم شما را مورد توجه قرار داده و نیازهای مسیریاب شما را پیش بینی کند. استفاده از تعداد بیشتر از یک مدار جستجوی ژنتیک در یک زمان، مسئله ی ارتباط فردی شما را نسبت به سیستم مخابرات تلفنی تان در رأس قرار می دهد. الگوریتم های ژنتیک دیگری برای بهینه سازی، قرارگیری و مسیریابی ارتباطات برج های سلولی، برای بهترین پوشش و سهولت تعویض، توسعه  یافته اند. بنابراین اگر گفته باشیم، تلفن همراه شما هم قدردان الگوریتم های ژنتیک خواهد بود، سخن بی جایی نخواهد بود.

به عنوان مثالی از کاربرد روشهای محاسبات تکاملی در این حوزه، می توانید مقالات زیر را که استفاده الگوریتم رقابت استعماری را در موارد نزدیک به کاربرد مطرح شده نشان می دهند، مطالعه نمایید.

• Monireh H. Sayadnavard, Abolfazl T.  Haghighat, Marjan Abdechiri, “Wireless sensor network localization using Imperialist Competitive Algorithm”, 2010 3rd IEEE International Conference on Computer Science and Information Technology (ICCSIT)
• Mochamad Avid Fassamsi, Muhammad Abdillah, A. M. Benie Zakariya I, Rio Indralaksono, Imam Robandi (ITS), “Solving Load Dispatch Problem Considering Network Losses Using Imperialist Competitive Algorithm (ICA)”, The 5th International Student Conference on Advanced Science and Technology

برای کسب اطلاعات بیشتر و دانلود مقالات فوق، به بخش پایان نامه ها و مقالات در سایت مراجعه نمایید.