پایان نامه مدیریت صنعتی بررسی عوامل مختلف در رابطه با کاهش انگیزه پرسنل شرکت رینگ سازی مشهد

پایان نامه مدیریت صنعتی بررسی عوامل مختلف در رابطه با کاهش انگیزه پرسنل شرکت رینگ سازی مشهد

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: DOCX
تعداد صفحات: 68
حجم فایل: 67
قیمت: 20000 تومان

بخشی از متن:

بررسی عوامل مختلف در رابطه با کاهش انگیزه پرسنل شرکت رینگ سازی مشهد

بهترین راه برای شروع به نوشتن پایان نامه، خواندن چندین پایان نامه مشابه و نزدیک به عنوان پایان نامه خود است.

این پایان نامه را به عنوان منبع جهت استفاده در پایان نامه خود بکار گیرید.

تعداد صفحات : 68

فرمت : word

فهرست مطالب

پیشگفتار. 1

فصل اول – مقدمه پژوهش... 3

مقدمه. 4

بیان مسئله. 4

اهمیت و ضرورت تحقیق: 6

فرضیات پژوهش... 8

اهداف تحقیق.. 9

متغیرهای تحقیق.. 9

تعریف اصطلاحات.. 9

تعریف... 10

فصل دوم- بررسی پیشینه پژوهشی.. 11

الف: بررسی تئوری ها و پژوهش های گذشته. 11

ب: اتسنتاج کلی در ارتباط با مسئله پژوهشی.. 11

پ: خلاصه چگونگی حل مسئله پژوهشی.. 11

اصطلاحات و مفاهیم. 12

مفهوم انگیزش... 12

ماهیت انگیزش: 13

اهمیت انگیزش... 13

«ریشه یابی علل مشکلات عدم وجود انگیزش صحیح نیروی کار». 14

عدم تامین انتظارات کاری مدیریت از سوی زیردستان.. 19

سبک نامناسب رهبری مدیر. 21

عدم انطباق اهداف کارکنان با اهداف مدیریت.. 25

الف- میزان مشارکت کارکنان در تصمیم گیریها 26

ب- درجه رضایت شغلی کارکنان.. 26

ج- میزان واگذاری مسئولیتها 27

ه- میزان انگیزه و تمایل واقعی پرسنل. 27

و- سهیم شدن کارکنان در مالکیت و سود شرکت.. 28

د- مساله امنیت شغلی.. 28

فقدان آموزش موثر نیروی انسانی.. 30

اثربخشی پایین مدیریت.. 31

ت- طیف زمانی برنامه ریزی شرکت.. 31

عدم اعتماد مدیریت به کارکنان.. 32

فصل 3- روش پژوهش... 34

الف- توصیف آزمودنیها (جامعه و گروه نمونه) 34

ب- توصیف ابزارهای پژوهش... 34

پ- اعتبار و روایی ابزارهای پژوهشی.. 34

ج- طرح پژوهش و روش تحلیل داده ها 34

فصل 3- روش تحقیق.. 35

جامعه آماری.. 35

نمونه و روش نمونه گیری.. 35

قلمرو مکانی و زمانی پژوهش... 35

ابزار و گردآوری اطلاعات.. 35

روایی و اعتبار ابزار گردآوری اطلاعات.. 35

قلمرو پژوهش... 36

فصل 4- یافته های پژوهشی.. 37

الف- توصیف و تحلیل داده ها (در رابطه با پرسش، هدف یا فرضیه) 37

ب- سایر یافته های پژوهشی.. 37

فصل 5- بحث و تفسیر. 43

نتیجه گیری.. 43

پیشنهادها 43

نتیجه گیری: 44

پیشنهادات.. 44

مطرح کردن مسائل و مشکلات سازمان و تبادل اطلاعات.. 45

منابع و مآخذ. 50

مقدمه

ما در عصری زندگی می‌کنیم که سازمانهای مختلف با تشکیلات کوچک و بزرگ پیرامونمان را فراگرفته اند. قسمت اعظم احتیاجات و نیازهای گوناگون ما را سازمانهای دولتی و خصوصی اجتماعی تقریبا در کلیه شئون زندگی انسان، از از هنگام تولد تا مرگ تاثیر می‌گذارند و بدون وجود سازمانها زندگی ما حالتی کاملا متفاوت از آنچه که هم اکنون دارد، پیدا می‌کند. گستردگی سازمانها به گونه ای است که می‌توان گفت جامعه از سازمان های گوناگون که کالاها و خدمات مورد نیاز را تامین می‌کنند، تشکیل یافته است و امروزه ما پیشرفت و توسعه در هر جامعه را منوط به کارائی و راندمان سازمان های آن جامعه می‌دانیم.

در جهت افزایش راندمان و کارائی سازمان ها باید اجزاء و عوامل اصلی هر سازمان را شناسایی و نحوه بهره گیری از منابع و امکانات آن را مورد بررسی قرار دهیم. بررسی اجمالی سازمان ها نشان می‌دهد که پنج عامل اصلی را می‌توان در هر سازمان مشخص نمود که عبارتند از نیروی انسانی، مواد، تجهیزات، روشها و مدیریت. هرچند که هرکدام از این عوامل در جای خود اهمیت زیادی را دارند و می‌توانند در کارایی سازمان نقش داشته باشند اما می‌توان گفت مهمترین این عوامل مدیریت است. برای رسیدن به بازدهی مطلوب و دستیافی به اهداف می‌باید مدیریتی توانمند وجود داشته باشد که در نیروی انسانی تحرک و شور و شوق ایجاد نماید.

از مواد به بهترین نحوه استفاده کند و از تجهیزات با توجه به ظرفیت به گونه ای مطلوب استفاده شود و روشهای مناسبی را تدوین نماید. بنابراین هرچه مدیریت تواناتر باشد احتمال تحقق اهداف سازمان بیشتر شده و بهره گیری مطلوبتری از منابع بعمل می‌آید.

بیان مسئله

هر یک از سازمان های اجتماعی، هدفها و خدمات و کارکردهایی دارند که بدین وسیله اجتماع بشری را به چرخش در می‌آورند. هدف اصلی هر سازمان، کسب سود و به حداکثر رساندن آن است. و این کار باید با اثر بخشی توام باشد. هدف اصلی تر در سازمانها در زمینه اثر بخشی فعالیتهای رفاهی جامع، از جمله تامین نیازها و خدمات رسانی به مردم و عدالت اجتماعی است.

یکی از مسئولیتهای هر نهاد اجتماعی میل به اهدافی است که علت وجودی هر نهاد را شکل می‌دهد. تحقق اهداف سازمان در گرو همکاریو هماهنگی تمامی‌عوامل است که تعامل نظام مند آنها با یکدیگر بوجود سازمان معنا می‌بخشد.

نیروی انسانی، بزرگترین سرمایه هر سازمان و هر کشوری می‌باشد و عامل اصلی موفقیت و پیشرفت است. اغلب گفته می‌شود که کارمند خوشحال یک کامند کارا است و یک کارمند خوشحال بایستی با شغلش ارضاء شود. نیروی انسانی به اسکلت سازمانی روح می‌بخشد و چرخه آن را به حرکت در می‌آورد و تعیین میکند که فرایند کل مجموعه چگونه جهت بگیرد.

در این میان، نقش یک عامل برجسته از سایر عوامل و آن نیروی انسانی در تمام سطح سازمان است که باید به آن بعنوان یک عامل ذی شعور و دارای نیازهای مادی و معنوی اهداف فردی، توقعات گروهی بین از سایر عوامل توجه شود. از آنجا که کارایی نیروی انسانی همیشه براساس محاسبات اقتصادی قابل پیش بینی نیست و عوامل متعدد دیگری که برخواسته از نیازهای برتر انسان در ابعاد اجتماعی و خودیابی است، در این زمینه موثر است. لذا ازمیان پدیده ها و عوامل مختلفی که بر بازده شغلی و سطح کارایی فرد در سازمان تاثیر گذار است، انگیزه شغلی را انتخاب نموده ایم که اهمیت و حساسیت خاصی دارد. چرا که اگر در سازمان، انگیزه و رضایت شغلی انسان مقدم بر هدفهای دیگر نباشد آن سازمان محکوم به نابودی است.

انگیزه تاثیر متقابل روی فردو سازمان دارد. از یکطرف، فرد همراه با خواسته ها و آرزوهایی به سازمان می‌پیوندد و هماهنگی و همسویی این دو در فرد ایجاد انگیزه می‌نماید و این انگیزه شغلی خود باعث نوآوری و خلاقیت در کار و افزایش تعهد و بازده فردی می‌شود. و از طرف دیگر طی فرایند کسب انگیزه کاری افراد، سازمان دارای پویایی گشته و به اهداف خود نزدیک می‌شود.

یکی از متغیرهای بسیار مهمی‌که بر انگیزش کارکنان اثر گذار است. سبک مدیریت و رهبری سازمانی است که آن خود نیز به نوعی، متجلی دیدگاه مدیر نسبت به انسان و کار می‌باشد، اگر این سبک مناسب و به مقتضای شرایط انتخاب شده باشد می‌تواند بر انگیزنده انگیزش در سازمان باشد و آن نیز می‌تواند سبب هم سویی اهداف کارکنان با اهداف سازمان شده و در نهایت منجر به موفقیت سازمان گردد.

در حقیقت توفیق در امر مدیریت در گرو شناخت صحیح از منابع انسانی و برقراری روابط مناسب با  آنها و ترغیب آنان به کوششی در جهت دستیابی به اهداف سازمانها است.

مواردی که تقویت کننده روحیه و انگیزه و علاقمندی کارکنان به کار و محیط کاری باشند مانند ایجاد امنیت شغلی،تامین زندگی در زمان، دوران پیری و از کار افتادگی، رضایت از شغل و موارد مشابه دیگر.

نیازهای انسان ریشه انگیزه را به وجود می‌آورد. وقتی نیازهای کارمند در محیط مشخص شد بصورت خواست ظاهر می‌شود. و وقتی نیاز به خواست تبدیل شد ایجاد انگیزش می‌کند.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

پژوهش کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر در محیطهای صنعتی مختلف

پژوهش کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر در محیطهای صنعتی مختلف

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: DOCX
تعداد صفحات: 93
حجم فایل: 1014
قیمت: 28000 تومان

بخشی از متن:

پژوهش کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر در محیطهای صنعتی مختلف

فاقد غلط نگارشی و املایی

فرمت : word

تعداد صفحات : 93

قابل ویرایش است.

ارجاعات و پاورقی استاندارد.

منابع کامل انگلیسی و فارسی.

چکیده

در یک محیط صنعتی توزیع شده، کارخانه های مختلف و دارای ماشین ها و ابزارهای گوناگون در مکان های جغرافیایی مختلف غالبا به منظور رسیدن به بالاترین کارایی تولید ترکیب می شوند. در زمان تولید قطعات و محصولات مختلف ، طرح های فرایند مورد قبول توسط کارخانه های موجود تولید می شود. این طرحها شامل نوع ماشین، تجهیز و ابزار برای هر فرآیند عملیاتی لازم برای تولید قطعه است. طرح های فرایند ممکن است به دلیل تفاوت محدودیت های منابع متفاوت باشند. بنابراین به دست آوردن طرح فرایند بهینه یا نزدیک به بهینه مهم به نظر می رسد. به عبارت دیگر تعیین اینکه هر محصول درکدام کارخانه و با کدام ماشین آلات و ابزار تولید گردد امری لازم و ضروری می باشد. به همین منظور می بایست از بین طرحهای مختلف طرحی را انتخاب کرد که در عین ممکن بودن هزینه تولید محصولات را نیز کمینه سازد. در این تحقیق  یک الگوریتم ژنتیک معرفی می شود که بر طبق ضوابط از پیش تعیین شده مانند مینیمم سازی زمان فرایند می تواند به سرعت طرح فرایند بهینه را برای یک سیستم تولیدی واحد و همچنین یک سیستم تولیدی توزیع شده جستجو می کند. با استفاده از الگوریتم ژنتیک، برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) می تواند براساس معیار در نظر گرفته شده طرح های فرایند بهینه یا نزدیک به بهینه ایجاد کند، بررسی های موردی به طور آشکار امکان عملی شدن و استحکام روش را نشان می دهند. این کار با استفاده از الگوریتم ژنتیک در CAPP هم در سیستمهای تولیدی توزیع شده و هم واحد صورت می گیرد. بررسی های موردی نشان می دهد که این روش شبیه یا بهتر از برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) مرسوم تک کارخانه ای است

واژه‌های کلیدی

برنامه ریزی فرآیند به کمک کامپیوتر (CAPP)، الگوریتم ژنتیک، محیط صنعتی توزیع شده، تولید یکپارچه کامپیوتری.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

تحقیق کامل و جامع درباره الگوریتم ژنتیک خلاصه و کامل

تحقیق کامل و جامع درباره الگوریتم ژنتیک

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: DOCX
تعداد صفحات: 26
حجم فایل: 97
قیمت: 14000 تومان

بخشی از متن:

تحقیق درباره الگوریتم ژنتیک

عنوان تحقیق : الگوریتم ژنتیک

فرمت: Word

تعداد صفحات : 26 صفحه.

دارای پاورقی و رفرنسدهی استاندارد.

منابع دارد.

مثال عملی دارد.

بخشی از متن تحقیق :

الگوریتم ژنتیک

بدن هر موجود زنده ای از سلول تشکیل یافته است و هر سلول هم از کروموزوم تشکیل یافته است کروموزوم ها نیز از رشته های DNA تشکیل یافته اند. به هر بلوک DNA یک ژن می گویند. و هر ژن نیز از یک پروتئین خاص و منحصر به فرد تشکیل یافته است. به مجموعهای از ژن ها یک ژنم (GENOME) می گویند.

از اصطلاحاتی که از مباحث زیست شناسی به مبحث الگوریتم ژنتیک (GE) وارد شده است و باید به آتها اشاره کرد می توان به موارد زیر اشاره نمود.

1-              تولید مثل(crossover) که به تولید یک کروموزوم جدید توسط ترکیب ژن های والدین می گویند.

2-              جهش یا تغییر ناگهانی(mutation): به تغییرات ایجاد شده در DNA میگویند

3-              صحت و درستی(fitness): برای یک موجود زنده به صورت موفقیت آن موجود در ایجاد حیات و تشکیل خود می گویند. البته ممکن است در نگاه اول مطالب بالا کمی نامفهوم به نظر برسد. اما در ادامه به توضیح بیشتر آنها و همچنین نوع کاربرد آنها در الگوریتم ژنتیک اشاره خواهد شد (1) .

 

1-1-1-کلیات الگوریتم ژنتیک (4)

الگوریتم های ژنتیک روش قدرتمندی را برای توسعه اکتشافی مسائل بهینه سازی ترکیبی مقیاس بزرگ فراهم آورده است . انگیزه اصلی مطرح کردن الگوریتم ژنتیک می تواند این گونه عنوان شودکه «تکامل تدریجی» به شکل قابل ملاحظه ای در توسعه انواع وگونه های پیچیده از طریق مکانیزم های نسبتاً ساده تکمیلی نمود یافته است . حال سوال اساسی این است : پذیرش کدام ایده از تئوری تکامل تدریجی می تواند به ما در حل مسائل این قلمرو کمک کند ؟ این سوال با توجه به غنای پدیده تکامل تدریجی جوابهای متفاوتی دارد. هالند و دی جانگ (1975) از نخستین کسانی هستندکه با معرفی مفهوم الگوریتم ژنتیک به عنوان یک تکنیک جستجوی عمومی که از تکامل تدریجی بیولوژیک در قالب بقای افراد اصلح و مبادله ساختارمند و تصادفی اطلاعات الگوبرداری می کند درصدد پاسخگویی به این سوال برآمدند.

یک الگوریتم ژنتیک مسئله را به صورت مجموعه ای از رشته ها که شامل ذرات ریزهستند کد گذاری می کند ، سپس برای تحریک فرایند تکامل تدریجی ،تغییراتی را بر روی رشته ها ا عمال می‌دارد. در مقایسه با الگوریتم های جستجوی محلی ، در جستجوی عمومی که تنها یک راه حل قابل قبول وجود دارد ، الگوریتم های ژنتیک جامعه ای از افراد را در نظر می‌گیرند . کار با مجموعه ای از افراد، امکان مطالعه ساختارها و ویژگیهای اصلی افراد متفاوت را که منجر به شناسایی و کشف راه حلهای کارآمد تر می شود، فراهم می‌سازد . در طی مطالعه ، الگوریتم ژنتیک رشته های متناسب با ارزش را برمی گزیند و آن دسته از رشته هایی را که تنــاسب کمتری با جمعیت مورد بررسی دارند حذف می‌کنند .

هر کدام افراد جمیعت که تقریبهای از جواب نهایی می باشند به صورت رشته هایی از حروف یا ارغام کدگذاری می شوند این رشته ها را کروموزوم می نامند. متداول ترین حالت نمایش با ارقام صفر و یک است. حالتهای دیگر استفاده از سه رقم، اعداد حقیقی و اعداد صحیح هم مورد استفاده قرار می گیرند. برای مثال یک کروموزوم با دو متغییر a ,b با ساختار شکل 1-1  نمایش داده می شود.

 

100111100010000100111

شکل 1-1- نمایش یک کروموزوم با ارقام صفر و یک

 

متغییر a با ده خانه اول سمت راست و b با یازده خانه باقیمانده نمایش داده شده است. این می تواند به علت سطح دقت و یا محدوده متغییر تصمیم گیری باشد.

مقادیرموجود بر روی کروموزوم ها به تنهایی معنی خاص ندارند بلکه باید از حالت کد شده خارج شوند تا به عنوان متغییرهای تصمیم گیری دارای معنی و نتیجه باشند باید توجه داشت که فرآیند جستجو بر روی اطلاعات کد شده انجام می گیرد مگر در صورتی که از ژن هایی با مقادیر حقیقی شود. بعد از اینکه کروموزوم ها از حالت کدگذاری شده خارج شدند می توان کارایی یا برازش هر فرد از جمیعت را محاسبه کرد. برازش مقیاس نسبی است که شایستگی افراد برای تولید نسل بعد را نشان می دهد. در طبیعت برازش معادل توانایی فرد برای بقا می باشد. تابع هدف در تعیین برازش افراد نقش تعیین کننده دارد.

در هنگام تکثیر به کمک اطلاعات اولیه ای که از تابع هدف به دست می آید. برازش هر فرد مشخص می گردد. از این مقادیر در فرآیند انتخاب استفاده می شود تا آنرا به سمت انتخاب افراد مناسب سوق دهد. هر چه برازش فرد نیبت به جمیعت بالاتر باشد احتمل بیشتری دارد که انتخاب شود. هر چه برازش نسبی آن کمتر باشد احتما انتخاب آن برای تولید نسل بعد ی کمتر می شود(4).

وقتی که برازش تمام افراد جمیعت مشخص شد. هر کدام با احتمالی که متناسب با میزان برازش آنهاست می توانند برای تولید نسل بعد انتخاب شوند. عمل تکثیر در الگوریتم ژنتیک برای رد و بدل اطلاعات ژنتیکی بین یک جفت یا تعداد بیشتری از افراد به کار می رود. ساده ترین نوع تکثیر تقاطع یک نقطه است دو رشته شکل   را در نظر بگیرید اگر یک عدد صحیح از یک تا تعداد ارقام رشته منهای یک انتخاب شود و اطلاعات دو رشته را در دو طرف این دو نقطه عوض کنید  دو رشته جدید به وجود می آیند که آنها را فرزند می نامیم به عنوان مثال اگر عدد شش را برای دو رشته شکل  انتخاب کنیم نتیجه تقاطع یک نقطه ای به صورت شکل1-2 در می آید.

 

11100100011101

10010110101101

شکل 1-2-a دو کرموزوم قبل از تقاطع (والدین)

 

 

 

11100110101101

10010100011101

شکل 1-2-b  دو کروموزوم بعد از تقاطع (فرزندان)

 

این عملگر الزاما بر تمامی رشته های یک جمیعت اعمل نمی شود بلکه برای اعمال آن بر یک جفت رشته یک احتمال نسبت داده می شود. بعد از این مرحله با احتمال جدید عملگر جهش بر روی رشته های تولید شده اعمال می گردد. در جهش ، هر فرد به تنهایی با توجه به قوانیین احتما می تواند تغییر کند.

در نمایش دودویی رشته ها، جهش به معنای تغییر مقدار یکی از خانه های رشته از صفر به یک و یا از یک به صفر می باشد. به عنوان مثال جهش در هفتمین خانه اولین فرزند تولید شده در مثال قبل منجر به ایجاد رشته شکل 1-3 می گردد. 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

بهترین کتاب آموزش الگوریتم ژنتیک همراه با مثال های متعدد به زبان متلب

بهترین کتاب آموزش الگوریتم ژنتیک همراه با مثال های متعدد به زبان متلب

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: pdf
تعداد صفحات: 108
حجم فایل: 2612
قیمت: 20000 تومان

بخشی از متن:

بهترین کتاب آموزشی الگوریتم ژنتیک

همراه با سورس کد مثالهای مختلف به زبان متلب

ویژه دانشجویان ارشد و دکترا

مناسب برای شبیه سازی پایان نامه

فرمت: pdf

تعداد صفحات : 108

برگرفته از منابع معتبر

سیر تا پیاز نحوه تشکیل و روند تکامل الگوریتم ژنتیک

کدنویسی از ابتدا تا انتها در چند مثال کاربردی

آموزش کدنویسی بخش به بخش ژنتیک الگوریتم

بخشی از مطالب کتاب :

انواع الگوریتم های ژنتیکی

الگوریتم های ژنتیک که نمونه اولیه آن توسط هالند در سال 1975 ارائه شد، تکامل طبیعی را در سطح ژن و کروموزوم شبیه سازی می کنند. عملکرد غالب در تولید نسل جدید، پیوند کروموزوم هاست، گرچه جهش در ژن ها نیز به عنوان یک عملکرد ثانوی به کار می رود.

انواع بسیاری برایGA شناخته شده است که در اینجا به تعدادی از آنها اشاره می کنیم :

-1 الگوریتم ژنتیک سری[1]

-2 الگوریتم ژنتیک موازی[2]

-3 الگوریتم ژنتیک آشفته [3]

-4 الگوریتم ژنتیک هیبرید [4]

-5 الگوریتم ژنتیک خودسازمان[5]

-6 الگوریتم ژنتیک زایشی [6]

-7 الگوریتم ژنتیک حالت دائمی [7]

 

1-1-1-1-1 الگوریتم ژنتیکی سری

الگوریتم ژنتیک سری همان الگوریتم ژنتیک معمولی است که در مقابل نوع موازی سری نام گرفته است.

تکامل یک پروسه بهینه  سازی مبتنی بر تغییرات تصادفی تدریجی نمونه های مختلف در یک جمعیت و انتخاب اَحسن آنهاست. با مدل سازی این پروسه می توان یک تکنیک بهینه سازی آماری را به دست آورد که امروزه در مسائل پیچیده مختلف و بخصوص مسائل طراحی، کارائی خود را نشان داده است. در الگوریتم ژنتیک به عنوان یکی از الگوریتم های تکاملی، اثر کدهای ژنتیکی در ترکیب و انتقال اطلاعات و همچنین

فرآیند انتخاب طبیعی بر اساس سازگاری موجود با شرایط زیست محیطی مدلسازی است. در این الگوریتم نمونه هایی که در پروسه تکاملی قرار می گیرند، جوابهای مختلف در فضاهای جواب هستند  متناظر هر جواب (نقطه در فضای جواب)، یک نمونه ژنتیکی (Genotype) به صورت یک رشته از کاراکترها (ژن ها)، نسبت داده می شود.

الگوریتم ژنتیک در هر تکرار محاسباتی (نسل)روی جمعیتی از رشته ها عمل می کند.

تغییرات تصادفی روی مجموعه نمونه ها، از طریق اعمال مدلهای ایدهآل فرآیندهای ژنتیکی روی رشته ها انجام می شود، اما انتخاب طبیعی براساس نمود رفتاری (Phenotype)  هر رشته انجام می شود. بدین مفهوم که رشته ها رمزگشایی می شوند و جوابهای مختلف از نظر عملکرد بر اساس تابع هدف ارزیابی شده و انتخاب، بر مبنای این ارزیابی و تصادف انجام می شود.

 1-1-1-1-2- الگوریتم ژنتیکی موازی

تا کنون دو مدل اصلی در الگوریتم ژنتیک موازی مطرح گشته است:

مدل جزیرهای [8]

مدل همسایگی [9]

در مدل جزیره ای چندین زیرجمعیت مجزّا مطابق با الگوریتم ژنتیک معمولی تکامل می یابد و هر از چند گاهی زیر جمعیت های همسایه، بهترین کروموزوم یکدیگر را معاوضه می کنند.

در مدل همسایگی یک مدل منفرد تکامل می یابد. هر کروموزوم این جمعیت در یک سلول از یک شبکه مشبک قرار دارد و الگوریتم ژنتیک سری، به صورت مجزا به هر سلول و همسایگانش که بر حسب شعاع همسایگی مشخص می شوند، اعمال می گردد. شبکه به صورت تروید[10] در نظر گرفته می شود تا از اثرات

مرزی اجتناب گرد.

مقایسه ای بین رفتار این الگوریتم با الگوریتم های معمولی نشان می دهد که مدل همسایگی به خاطر مکانیزیم انتخاب محلی که از فشار انتخاب می کاهد، کاوش دقیق تری را در فضای جستجو فراهم می سازد. از این جهت در مسائل ساده تر بدون بهبودی در عملکرد روش، تنها بار محاسباتی اضافی تر تحمل می گردد. ولی مسائل مشکل تر از این طریقه جستجو سود خواهد برد.

شعاع همسایگی مناسب نیز به مسأله مورد حل بستگی دارد و حتی همسایگی های کوچک به شعاع یک یا دو، انتخابی مقاوم و اطمینان از رفتاری خوب را فراهم می سازند.

مطالعۀ دیگر انواع GA به خوانندة محترم واگذار می شود که با مراجعه به منبع [ 1 ] می تواند اطلاعات

کافی و مناسبی دریافت کند.

---

[1] Sequential GA

[2] Parallel GA

[3] Messy GA

[4] Hybrid GA

[5] Adaptive GA

[6] Generational GA

[7] Steady State GA

[8] Island Model

[9] Find Grained Model

[10] Triode

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق کامل درباره الگوریتم ژنتیک موازی با فرمت pdf

الگوریتم ژنتیک موازی

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: pdf
تعداد صفحات: 26
حجم فایل: 815
قیمت: 10000 تومان

بخشی از متن:
تحقیق با عنوان الگوریتم ژنتیک موازی

تعداد صفحات: 26

فرمت : pdf

منابع دارد.

فاقد غلط املایی و ویرایشی و آماده چاپ.

مقدمه

با توجه به پیچیدگی در حال رشد محاسبات و وجود عوامل موثر زیاد در محاسبه نتایج, در مسائلی که راه حل بهینه را باید از بین تعداد زیادی راه حل مکان جستجو کرد عموما استفاده از روش های جستجوی سنتی و آزمایش تک تک راه حل ها مناسب نخواهد بود لذا در دهه های اخیر گرایش به سمت روشهای مبتنی بر زندگی طبیعی همچون الگوریتم های تکاملی، شبکه های عصبی، الگوریتم های مورچه و الگوریتم های ژنتیک افزایش یافته است. در این میان با توجه به انطباق الگوریتم های ژنتیک با ژنتیک طبیعی و وجوه

اشتراک زیاد آن با مکانیسم ژنتیکی حیات طبیعی، این ناحیه مورد توجه بیشتری قرار گرفته است.

البته، با توجه به برخی مشکلات موجود در رابطه با الگوریتم های ژنتیک به ویژه بحث طولانی بودن زمان اجرا و نیز نیاز به توان پردازشی بالا، تلاش شده است تا روشهایی را برای بهبود این عوامل به کار برند که یکی از این روش ها استفاده از خصوصیات پردازش موازی است که توانسته عوامل حاشیه ای کار را به خوبی کنترل کند. در این تحقیق سعی شده است تا بحث موازی سازی در الگاوریتم های ژنتیک به تفصیل بررسی شده و روش های مختلف موازی سازی آنها بیان شود.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

تحقیق بسیار کامل و جامع درباره الگوریتم ژنتیک با فرمت word

تحقیق بسیار کامل و جامع درباره الگوریتم ژنتیک با فرمت word

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: DOCX
تعداد صفحات: 160
حجم فایل: 489
قیمت: 29000 تومان

بخشی از متن:

تحقیق بسیار کامل با عنوان الگوریتم ژنتیک

تعداد صفحات : 160

فرمت : word

منابع دارد.

قابل ویرایش است.

فاقد غلط نگارشی و آماده چاپ

رفرنس دهی و پاورقی استاندارد

بسیار مناسب برای پروژه پایانی رشته کامپیوتر و IT

همراه با سورس کد مثال ها به زبان متلب

فهرست مطالب :

فصل اول------------------------------------------- 1

1-1- مقدمه----------------------------------------- 2

1-2- به دنبال تکامل...---------------------------------- 3

1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک------------------- 4

1-4- درباره علم ژنتیک-------------------------------- 6

1-5- تاریخچۀ علم ژنتیک---------------------------- 6

1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین)-------------- 7

1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی------------ 10

1-8- الگوریتم------------------------------------ 11

1-8-1- الگوریتم‌های جستجوی ناآگاهانه------------------- 12

1-8-1-الف- جستجوی لیست-------------------------- 12

1-8-1-ب- جستجوی درختی-------------------------- 13

1-8-1-پ- جستجوی گراف------------------------- 14

1-8-2- الگوریتم‌های جستجوی آگاهانه----------------------- 14

1-8-2-الف- جستجوی خصمانه------------------------- 15

1-9- مسائل NP-Hard---------------------------------- 15

1-10- هیوریستیک-------------------------------------- 17

1-10-1- انواع الگوریتم‌های هیوریستیک------------------------ 19

 فصل دوم------------------------------------------- 21

2-1- مقدمه------------------------------------------- 22

2-2- الگوریتم ژنتیک------------------------------------ 23

2-3- مکانیزم الگوریتم ژنتیک----------------------------- 25

2-4- عملگرهای الگوریتم ژنتیک---------------------------- 28

2-4-1- کدگذاری-------------------------------------- 28

2-4-2- ارزیابی---------------------------------------- 29

2-4-3- ترکیب---------------------------------------- 29

2-4-4- جهش---------------------------------------- 29

2-4-5- رمزگشایی------------------------------------ 30

2-5- چارت الگوریتم به همراه شبه کد آن--------------------- 30

2-5-1- شبه کد و توضیح آن------------------------------- 31

2-5-2- چارت الگوریتم ژنتیک----------------------------- 33

2-6- تابع هدف--------------------------------------- 34

2-7- روش‌های کد کردن--------------------------------- 34

2-7-1- کدینگ باینری----------------------------------- 35

2-7-2- کدینگ جایگشتی--------------------------------- 36

2-7-3- کد گذاری مقدار---------------------------------- 37

2-7-4- کدینگ درخت---------------------------------- 38

2-8- نمایش رشته‌ها------------------------------------ 39

2-9- انواع روش‌های تشکیل رشته-------------------------- 41

2-10- باز گرداندن رشته‌ها به مجموعه متغیرها----------------- 42

2-10-1- تعداد بیت‌های متناظر با هر متغیر--------------------- 43

2-11- جمعیت---------------------------------------- 44

2-11-1- ایجادجمعیت اولیه------------------------------- 44

2-11-2- اندازه جمعیت---------------------------------- 45

2-12- محاسبه برازندگی (تابع ارزش)-------------------------- 46

2-13- انواع روش‌های انتخاب------------------------------- 48

2-13-1- انتخاب چرخ رولت------------------------------- 49

2-13-2- انتخاب حالت پایدار------------------------------ 51

2-13-3- انتخاب نخبه گرایی------------------------------- 51

2-13-4- انتخاب رقابتی---------------------------------- 52

2-13-5- انتخاب قطع سر-------------------------------- 52

2-13-6- انتخاب قطعی بریندل---------------------------- 53

2-13-7- انتخاب جایگزینی نسلی اصلاح شده------------------ 53

2-13-8- انتخاب مسابقه-------------------------------- 54

2-13-9- انتخاب مسابقه تصادفی------------------------- 54

2-14- انواع روش‌های ترکیب---------------------------- 54

2-14-1- جابه‌جایی دودوئی----------------------------- 55

2-14-2- جابه‌جایی حقیقی-------------------------------- 58

2-14-3- ترکیب تک‌نقطه‌ای------------------------------- 59

2-14-4- ترکیب دو نقطه‌ای----------------------------- 60

2-14-5- ترکیب n نقطه‌ای------------------------------ 60

2-14-6- ترکیب یکنواخت--------------------------- 61

2-14-7- ترکیب حسابی------------------------------- 62

2-14-8- ترتیب------------------------------------ 62

2-14-9- چرخه------------------------------------- 63

2-14-10- محدّب----------------------------------- 64

2-14-11- بخش_نگاشته------------------------------ 64

2-15- احتمال ترکیب--------------------------------- 65

2-16- تحلیل مکانیزم جابجایی-------------------------- 66

2-17- جهش---------------------------------------- 66

2-17-1- جهش باینری-------------------------------- 69

2-17-2- جهش حقیقی-------------------------------- 69

2-17-3- وارونه سازی بیت----------------------------- 70

2-17-4- تغییر ترتیب قرارگیری---------------------------- 70

2-17-5- وارون سازی----------------------------------- 71

2-17-6- تغییر مقدار------------------------------------ 71

2-18- محک اختتام اجرای الگوریتم ژنتیک-------------------- 72

2-19- انواع الگوریتم‌های ژنتیکی-------------------------- 72

2-19-1- الگوریتم ژنتیکی سری--------------------------- 73

2-19-2- الگوریتم ژنتیکی موازی--------------------------- 74

2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی-------------- 75

2-21- نقاط قوّت الگوریتم‌های ژنتیک----------------------- 76

2-22- محدودیت‌های GAها----------------------------- 78

2-23- استراتژی برخورد با محدودیت‌ها---------------------- 79

2-23-1- استراتژی اصلاح عملگرهای ژنتیک----------------- 79

2-23-2- استراتژی رَدّی--------------------------------- 79

2-23-3- استراتژی اصلاحی----------------------------- 80

2-23-4- استراتژی جریمه‌ای----------------------------- 80

2-24- بهبود الگوریتم ژنتیک--------------------------- 81

2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک----------- 81

 فصل سوم-------------------------------------- 86

3-1- مقدمه--------------------------------------- 87

3-2- حلّ معمای هشت وزیر--------------------------- 88

3-2-1- جمعیت آغازین------------------------------ 90

3-2-2- تابع برازندگی-------------------------------- 94

3-2-3- آمیزش------------------------------------- 95

3-2-4- جهش ژنتیکی--------------------------------- 96

3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد------------ 97

3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک------------- 99

3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP----- 107

3-3-3- نتیجه گیری---------------------------------- 108

3-4- حلّ مسأله معمای سودوکو--------------------------- 109

3-4-1- حل مسأله------------------------------------ 110

3-4-2- تعیین کروموزم--------------------------------- 110

3-4-3- ساختن جمعیت آغازین یا نسل اول-------------------- 111

3-4-4- ساختن تابع از ارزش------------------------------ 112

3-4-5- ترکیب نمونه‌ها و ساختن جواب جدید------------------- 113

3-4-6- ارزشیابی مجموعه جواب---------------------------- 118

3-4-7- ساختن نسل بعد----------------------------------- 118

3-5- مرتب سازی به کمک GA------------------------------ 119

3-5-1- صورت مسأله------------------------------------- 119

3-5-2- جمعیت آغازین----------------------------------- 119

3-5-3- تابع برازندگی------------------------------------ 122

3-5-4- انتخاب------------------------------------------- 123

3-5-5- ترکیب------------------------------------------- 123

3-5-6- جهش------------------------------------------- 124

  فهرست منابع و مراجع----------------------------------- 126

  پیوست--------------------------------------------- 127

واژه‌نامه---------------------------------------------- 143

چکیده

الگوریتم ژنتیک (Genetic Algorithm - GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکامل است که از تکنیک‌های زیست‌شناسی فرگشتی مانند وراثت و جهش استفاده می‌کند.

در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند. الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای تصادف هستند. مختصراً گفته می‌شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسأله‌ای که باید حل شود ورودی است و راه‌حل‌ها طبق یک الگو کد گذاری می‌شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.

کلاً این الگوریتم‌ها از بخش های زیر تشکیل می‌شوند: تابع برازش، نمایش، انتخاب، تغییر.

کلمات کلیدی: الگوریتم ژنتیک، هیوریستیک، ترکیب و جهش، تکامل طبیعی داروین، معمای هشت وزیر.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.