توضیحات

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله رفتار بیرون كشیدن نخ دارای 26 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله رفتار بیرون كشیدن نخ  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله رفتار بیرون كشیدن نخ،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله رفتار بیرون كشیدن نخ :

– انتخاب
در انتخاب ، افراد والد ( به منظور تكثیر برای نسل آینده ) انتخاب شده هستند اولین گام تابع برازندگی است هر فرد در فضای (‌استخر ) انتخاب ، یك احتمال تولید مثل (reproduction) كه وابسته به مقدار هدف خودش و مقدار هدف بقیه افراد دیگر در فضای انتخاب دارد را دریافت می كند . این برازندگی بعنوان انتخاب واقعی جلو رونده و مرحله‌ای ، انجام میگیرد .
ابتدا بعضی از عبارتهای خاص كه برای مقایسه طرحهای مختلف انتخاب ، استفاده شده تعریف می‌گردد . تعریف این عبارت از [Bak87],[BT95] بدست آمده است .

فشار انتخاب
احتمال بهترین فرد انتخاب شده در مقایسه با احتمال انتخاب متوسط بقیه افراد
تمایل( پایه و اساس )
قدر مطلق اختلاف بین برازندگی نرمال شده فرد و احتمال مورد انتظار تولید مثل آن (میانگین احتمال تولید مثل )
محدوده
محدوده مقادیر احتمال برای تعداد تكثیر فرد
عدم تنوع

نسبت افراد جمعیت كه در طول فرآیند انتخاب ، انتخاب نشده اند.
قدرت انتخاب
مقدار برازندگی متوسط (مورد انتظار) جمعیت و بصورت توزیع نرمال استاندارد شده بعد از بكاربردن یك روش انتخاب
واریانس انتخاب
واریانس مورد انتظار ( میانگین واریانس ) توزیع برازندگی جمعیت به صورت توزیع نرمال استاندارد شده بعد از بكاربردن یك روش انتخاب

1-3- تابع برازندگی بر اساس رتبه بندی
در تابع برازندگی بر اساس رتبه ، جمعیت مطابق با مقادیر هدف دسته بندی می شود . این برازندگی برای هر فرد فقط وابسته به موقعیت رتبه افراد ( نه مقدار واقعی هدف ) تعیین می گردد .

تابع برازندگی بر اساس رتبه بر مشكلات مقیاس بندی تابع برازندگی متناسب ، غلبه می كند.
(‌حالت ایستایی یا سكون : وقتی كه فشار انتخابی بیش از اندازه كوچك باشد ، یا همگرایی نابهنگام :وقتی كه جستجوی روش انتخاب در محدوده كوچكی انجام شود بنابراین بیش از اندازه سریع خواهد بود )
همچنین محدوده‌ تولید مثل محدود شده است بنابراین هیچكدام از افراد تعداد زاد و ولد اضافی را تولید
نمی كنند .

رتبه بندی یك مقیاس همگن در جمعیت را معرفی می كند و.همچنین یك روش مؤثر و ساده برای كنترل كردن فشار انتخابی را ارائه می دهد .
تابع برازندگی بر اساس رتبه بندی حالت قوی تر نسبت به تابع برازندگی متناسب عمل می كند و بنابراین روش نخبه گرایا برگزیده ، است .
1-1-3- رتبه بندی خطی
Nind تعداد افراد جامعه ،Pos موقعیت یك فرد در جامعه (حداقل برازندگی فرد Pos=1 و برازنده ترین فرد Pos= Nind است ) و SP هم فشار انتخاب است مقدار برازندگی برای یك فرد بصورت ذیل محاسبه می گردد.
(1-3)

در رتبه بندی خطی مقادیر فشار انتخاب بین [2-1] خواهد بود
2-1-3- رتبه بندی غیر خطی
روش جدیدبرای رتبه بندی با استفاده از توزیع غیر خطی در [poh95] معرفی شده است استفاده از رتبه بندی غیر خطی ، فشار انتخاب بیشتری رانسبت به روش رتبه‌بندی خطی ارائه می دهد.
(2-3)

x ریشه معادله چند جمله‌ای ذیل می باشد .
(3-3)
در رتبه بندی غیر خطی مقادیر فشار انتخاب بین [1,Nind-2] خواهد بود
3-1-3- مقایسه رتبه بندی خطی و غیر خطی
شكل 1-3، رتبه بندی خطی و غیر خطی را بصورت گرافیكی مقایسه می‌كند .

احتمال هر فرد انتخاب شده برای تولید مثل ، به برازندگی نرمال شده ، نسبت به برازندگی كل جمعیت آن بستگی دارد .
جدول ذیل، مقادیر برازندگی افراد در مقادیر مختلف فشار انتخاب ، با فرض اینكه جمعیت 11 نفر با هدف مینیمم كردن را نشان می دهد .

4-1-3- آنالیز رتبه بندی خطی
در [BT95] آنالیز انتخاب رتبه بندی خطی ارایه گردیده است .

قدرت انتخاب
(4-3)
عدم تنوع
(5-3)
واریانس انتخاب :
(6-3)

2-3- رتبه بندی چند منظوره ( چند تابع )
در تابع برازندگی بر اساس رتبه بندی و تناسبی ، فرض شده است كه افراد فقط یك مقدار تابع هدف رانشان می دهند. در صورتیكه معمولاً در جهان واقعی چند مقدار (بیش از یك مشكل ) وجود دارد . بنابراین باید چند معیار برای ارزیابی كیفیت فرد در نظر گرفته شود . فقط بر اساس مقایسه این چند معیار ( در نتیجه چند هدف ) می‌توان در مورد برتری یك فرد نسبت به دیگری تصمیم گیری نمود .

بنابراین ، مشابه مشكلات با یك هدف ، ترتیب افراد در جمعیت از مقایسه متقابل رتبه بندی چند منظوره ، می تواند بدست آید .
بعد از اینكه این ترتیب حاصل گردید روشهای رتبه بندی با یك هدف (از قسمت 1-3) می تواند برای برگردان كردن ترتیب افراد مرتبط با مقادیر برازندگی آنها استفاده گردد . بنابراین تابع برازندگی چند منظوره ( بهینه كردن چند تابع ) با، هم زمان مینیمم كردن Nobj‌با معیار fr( بطوریكه r=1,…..,Nobj) انجام گیرد .
این مقادیر fr بوسیله تابع هدف كه به متغیرهای افراد ( متغیرهای تصمیم ) وابسته است مشخص می گردند . یك مثال می تواند نكات قابل توجه در این نوع مسائل را روشن كند . فرض كنید كالایی تولید می شود كه می‌خواهیم هزینه های تولید پایین و همچنین كالا را سریع تولید كند .

راه حل های مختلفی در طراحی تولید وجود دارد كه به پارامترهای مختلفی شامل تعداد و نوع ماشین های به كار رفته ، همچنین تعداد كارگرها بستگی دارند .
معیار هزینه های تولید f1 و زمان تولید f2 هر دو بوسیله تابع هدف و بكاربردن ارزیابی معیار برای هر راه حل ، مشخص خواهد گردید .
1-2-3- رتبه بندی پارتو

برتری یك راه حل نسبت به دیگری بوسیله مقایسه دو راه حل می تواند تصمیم گیری گردد. كه هم بصورت كلی و هم بصورت چند معیار مورد نظر می‌تواند انجام گیرد (مطابق با طرح شماتیك در معادله 7-3)
: غلبه پارتو .رتبه بندی پارتو
(7-3)
اگر P راه حل (1)، كمتر ( قسمتی كمتر ) از راه حل (2) باشد . بنابراین ، یعنی راه حل اول بر راه حل دوم غلبه كرده است . با توجه به مثال قبلی خواهیم داشت ، اگر هزینه ها و زمان برای راه حل اول نسبت به راه حل دوم كمتر هستند پس نتیجه می دهد كه راه حل اول ، نسبت به راه حل دومی برتری دارد . لازم به ذكر است كه اگر حتی یكی از دو مقادیر برای هر دو راه حل مساوی باشند و مقداردیگر كمتر باشد ( بطور مثال هزینه ها برای هر دو راه حل یكسان و برای راه حل اول زمان كمتر باشد ) نیز رضایت بخش می باشد.
اگر هیچكدام از راه حل ها بر دیگری غلبه پیدا نكند هر دو راه حل بعنوان معادل در ترتیب پارتو در نظر گرفته می شود و رتبه یكسان برای افرادیكه بر یكدیگر غلبه پیدا نكرده اند شناسایی می شوند .

رتبه یك فرد در جمعیت (Ranki) به تعداد افرادیكه Numlnd dominated)) بر این فرد غلبه پیدا كرده بستگی خواهد داشت [Fon95]
(8-3) Rang=1+Numlnd (dominated)
برای همه راه حل هائیكه در طول مدت بهینه كردن بدست آمده و توسط تركیب راه حل‌های مختلف از راه حل های بهینه پارتو ( مجموعه بهینه پارتو) مربوط به مسئله (‌بهینه‌سازی پارتو) نمی توانند بر این راه حل ها غلبه كنند رتبه 1 در نظر گرفته می شود و غیر ممكن است كه در مورد این راه حل بهینه پارتو، بتوان ملاك یا معیاری را، بدون اینكه یك یا چند معیار دیگر از بین برود، را توسعه داد.

2-2-3- دستیابی به هدف یا روش عدم تساویها
وقتی كه از رتبه بندی پارتو ساده در معادله(7-3) استفاده نموده وهمه راه حل های بهینه پارتو معادل باشند ممكن است بتوان برای تعدادی از مسائل عملی تفكیك بیشتری را در نظر گرفت فرض كنید در مثال قبل ، بتوان ، برای تولید كالا ، توضیح كاملتری ارائه كرد . همیشه در حالت حداكثری یك راه حل ، هیچ چیز مشخص نمی‌گردد .فرض كنید هزینه صفر و زمان نامحدود بدست آید بنابراین هیچ راه حل دیگری نمی تواند كالاهایی در هزینه های كمتر را تولید كند . بنابراین ، اگر هیچ راه حلی نتواند غلبه پیدا كند آن راه حل بعنوان راه حل بهینه پارتو در نظر گرفته می شود ( شرط اینكه راه حل منحصر به فرد باشد ) حالت حداكثری دومی در این مثال این است كه یك كالا را در زمان خیلی كوتاه تولید كند این هم مخارج بسیار زیاد و بنابراین هزینه های فوق العاده زیادی را نتیجه خواهد داد . كاملاً واضح است كه هر دو حالت مطلوب نمی باشند اگرچه آنها به راه حل هایی بدون غلبه ( هیچ راه حل دیگری به این راه حل غلبه پیدا نمی كند ) متعلق می باشند .

اهدافی بعنوان معیارهای شخص یا كاربر می تواند به منظور مانع این گونه راه حل های مجموعه بهینه پارتو، معرفی گردند كه نتایج نامطلوب را در نظر نگیرد . یك راه حل فقط زمانی قابل پذیرش است كه اهداف معیارهای كاربر را نیز پوشش بدهد . این فرآیند به روش عدم تساویها« MoI»یا برنامه ریزی هدف اتلاق می گردد. اهداف فرد بعنوان عدم تساویها از قبل، تعریف می گردد.
در مثال تولیدی ارائه شده ، می توان یك حد بالا برای هزینه ها و زمان تولید را در نظر گرفت بنابراین هیچ راه حلی قابل قبول نمی باشد . مگر اینكه بطور همزمان با این دو معیار بیان شده نیز بررسی گردیده باشد .

وقتی اهداف شامل رتبه بندی چند منظوره هستند تا حدودی مقایسه دو راه حل پیچیده تر خواهد بود . فرضیات ذیل ، ایجاد شده است .
(9-3)
(عملگر«P< قسمتی كمتر » از معادله (7-3) برای تعاریف بعدی نیز استفاده خواهد شد )با توجه به فرضیات فوق سه حالت مختلف ذیل تشخیص داده می‌شود .
1- راه حل (1)، هیچ هدفی را بدست نمی آورد .
(10-3) F>Goals ^ Solution1 P<Solution
راه حل (1 )ترجیح داده می شود. solution1 Preferd
2- راه حل 1، همه اهداف را به دست آورد .

راه حل (1) ترجیح داده می‌شود‌.
3- راه 1، بعضی از اهداف را بدست آورد .

راه حل (1) ترجیح داده می شود :
رتبه بندی پاراتو از یك بردار اهداف معیارهای كاربر استفاده می نماید . بنابراین نسل جدید توسعه یافته ، متوالی و مرتب شده از راه حل ها ، در مقایسه با رتبه بندی ساده را ارائه می دهد .
بهینه سازی چند منظوره به منظورپیدا كردن یك سری راه حل، بدون غلبه از مجموعه بهینه پارتو می باشد . اگر چه این الگوریتم تكاملی نرمال ، در نهایت به یك راه حل منحصر به فرد همگرا خواهد شد .
اما این فرآیند ، بعنوان فرآیند شناور ژنتیكی در نظر گرفته می شود . به همین منظور باید روشهایی ایجاد گردد كه گسترش مطلوب همگرایی جمعیت (‌جلوگیری از همگرایی نابهنگام) را كسب نماید .

3-2-3- اشتراك
از یك طرف فرآیند شناور ژنتیكی می تواند بدلیل كاربرد اشتراك برازندگی اثر متقابل داشته باشد و از طرف دیگر الگوریتم اثری دارد كه قسمت بزرگتر از راه حل بهینه پارتو را بدست می آورد .
اصل اساسی این است كه افراد باید در یك محل خاص، منابع در دسترس را در بین خودشان به اشتراك بگذارند . بنابراین در این روش افراد بیشتر نزدیك یك فردهستند و برازندگی آن كمتر خواهد شد . در مدت كاربرد ، باید اندازه آن محلهای خاص و جای منابع در هر محل خاص بدست‌آمده باشد .
روشهای اشتراك برازندگی در بین افراد دیگر در [fon95], [SD94],[HN93] پیشنهاد شده است .
4-2-3- اطلاعات بیشتر در مورد بهینه كردن چند منظوره

در این قسمت فقط یك معرفی كوتاه از شناسایی برازندگی چند منظوره در زمینه الگوریتم تكاملی ، ارائه می گردد. مطلوب عملی و نكات خاص بیشتر با توجه به فرآیندهای خاص آن به‌[Ve199],[SD94],[HN93],[ZT98],[Fon95],[Hor97] ارجاع داده می شود .
همچنین یك منبع كامل از دانش و اطلاعات در مورد بهینه كردن چند منظوره در الگوریتم تكاملی در [Coe99] قابل دسترس می باشد .
یك منبع كامل علمی در مورد بهینه كردن چند منظوره بصورت عمومی ( نه بطور خاص روی الگورتیم تكاملی) نیز وجود دارد . منبع [Mie99] بعنوان یك نقطه شروع خوب توصیه می گردد .
5-2-3- : برآیند مجموع وزن دار شده یا اسكالر كردن (‌عددی كردن) چند منظوره

وقتی به روشهای مختلف و قسمتهای تركیبی مورد استفاده برای بهینه كردن چند منظوره توجه می كنیم نباید روشهای كلاسیك برای ادغام چند معیار را فراموش كنیم (‌روش عددی كردن ، تجمع اهداف نیز ، نامیده می شود ).
مجموع وزن دار ، شناخته ترین روش است كه برای هر معیار، یك مقدار وزن خالص بكار برده می شود یعنی اینكه از تركیب خطی همه معیارهای وزنی یك تابع هدف تركیبی Fws بدست می آید

(13-3)
این مجموع وزن دار شده بخصوص برای وقتی كه اهمیت مختلف از معیار افراد شناخته شده و یا قابل تخمین زدن هستند ، بكار می روند . و بیشتر در كاربردهای عملی اتفاق می‌افتد بنابراین اغلب از مجموع وزن دار شده استفاده می گردد .
اگر مسئله چند منظوره بوسیله بهینه كردن یك متغیر حل گردد تنها یك نكته از راه حل بدست آمده است و مزیتهای بدست آوردن چند راه حل با مقادیر معادل در ارتباط با بردار هدف را از دست داده است در این مرحله كاربر باید تصمیم بگیرد كه آیا كاربرد ساده از مجموع وزن دار یا تقریب راه حل های بهینه پارتو برای حل مسئله مهمتر است .
3-3- انتخاب چرخ رولت

ساده ترین طرح انتخاب ، انتخاب چرخ رولت است به این روش، نمونه گیری تصادفی با جایگزینی نیز گفته می شود [[bak87 . این الگوریتم تصادفی با تكنیك ذیل ، انجام می گیرد .
افراد (‌كروموزومها ) در دسته های پیوسته و مجاور روی یك خط قرار می گیرند بطوریكه هر دسته مساوی مقدار برازندگی آن می باشد سپس یك عدد تصادفی بدست می آید و فردیكه ، در آن اندازه عددی تصادفی قرار گرفت، انتخاب می گردد . این فرایند تكرار می گردد تا تعداد مطلوب افراد به دست آیند ( جمعیت تكثیر نیز نامیده می شود ) در این تكنیك آنالوگ ، هر قطعه از چرخ دولت متناسب با مقدار برازندگی آن است ( شكل را مشاهده كنید)

جدول زیر، احتمال انتخاب برای 11 فرد ، همراه با رتبه بندی خطی و فشار انتخابی 2 و مقدار برازندگی آنها را نشان می دهد. فرد 1 برازنده ترین فرد و بزرگترین فاصله را اشغال كرده است همانطور كه فرد 10 تقریباً كمترین برازندگی فرد را دارد و همچنین تقریباً كوچكترین فاصله روی خط را اشغال نموده است .
فرد11 حداقل فاصله و مقدار برازندگی صفر را دارد و هیچ شانسی برای تولید مثل مجدد ، ندارد .

برای انتخاب جمعیت تولید مثل ،‌تعداد مناسب از اعداد تصادفی و یكنواخت توزیع شده ( یكنواخت بین 1,0 توزیع شده است )و بصورت مستقل به دست آمده است.
6 نمونه اعداد تصادفی : 42/0و65/0و01/0و96/0و32/0و81/0
شكل ذیل فرآیند انتخاب افراد برای نمونه در جدول فوق همراه با تلاشهای مربوطه را نشان می دهد .

بعد از انتخاب ، جمعیت تولید مثل شامل افراد ذیل می باشد .
123569
این انتخاب الگوریتم چرخ رولت تمایل صفر را فراهم می كند .اما محدوده مینیمم را تضمین نمی كند .
4-3- نمونه گیری كلی تصادفی
نمونه گیری كلی تصادفی یك تمایل صفر و محدوده مینیمم را فراهم می كند افراد در قسمتهای پیوسته یك خط قرار می‌گیرند بطوریكه هر قسمت ، فرد با مقدار برازندگیش دقیقاً‌مطابق با انتخاب چرخ رولت ، مساوی است . اینجا نشانگرها بطور مساوی روی خط قرار داده شده اند به تعدادی كه افراد انتخاب شده وجود دارند به Npointer تعداد افراد انتخاب شده ، فاصله بین نشانگرها و موقعیت اولین نشانگر كه بصورت عدد تصادفی در فاصله انتخاب شده ، توجه نمائید .
برای 6 افراد انتخاب شده ، فاصله بین نشانگرها است . شكل ذیل ، فرآیند انتخاب برای مثال فوق را نشان می دهد .
نمونه عدد تصادفی در محدوده : 1/0

بعد از انتخاب جمعیت تولید مثل ،شامل افراد زیر خواهد بود .
123468
نمونه گیری كلی تصادفی یك انتخاب تولید مثل كه نزدیكتر به شرایط مطلوب است را نسبت به انتخاب چرخ رولت ، را اطمینان خواهد داد .
5-3- انتخاب محلی
در انتخاب محلی هر فرد داخل یك محیط تحمیلی كه همسایگی محلی نامیده می شود قرار گرفته اند ( در روشهای انتخاب دیگر ، همه جمعیت یا زیر جمعیت در استخر یا همسایگی انتخاب قرار می گیرند). افراد فقط با افرادداخل این منطقه اثر متقابل دارند . این همسایگی بوسیله ساختار جمعیت توزیع شده ، تعریف گردیده است این همسایگی می تواند به عنوان یك گروه اصلی والدین تولید مثل دیده شود .
انتخاب محلی قسمتی از مدل جمعیت محلی است ( قسمت 2-7 مراجعه شود )

اولین مرحله ، انتخاب اولین نصف از جمعیت یكنواخت تولید مثل تصادفی است ( یا استفاده از یكی از الگوریتم های انتخاب ذكر شده دیگر می باشد بطور مثال نمونه گیری كلی تصادفی یا انتخاب برشی ) حالا یك همسایگی محلی برای هر فرد انتخاب شده تعریف می شود . داخل این همسایگی شریك تولید مثل انتخاب شده است( بهترین ، تناسب برازندگی یا یكنواختی تصادفی ) ساختار این همسایگی بصورت :
1- خطی حلقه كامل ، نصف حلقه (شكل را مشاهده نمایید )
2- دوبعدی: الف- تقاطع كامل، تقاطع نصفه ( شكل سمت چپ را مشاهده كنید )
ب: ستاره كامل، نصف ستاره ( شكل سمت راست را مشاهده كنید)
3- سه بعدی .و پیچیده تر با هر تركیبی از ساختارهای فوق

فاصله بین همسایه های احتمالی با هم ، ساختار اندازه همسایگی را تعیین می كند، جدول 3-3 مثالهایی برای اندازه همسایگی در ساختار ارائه شده و مقادیر مختلف فاصله را ارائه می دهد .

بین افراد جمعیت ، حصاری بوسیله فاصله بوجود آمده است هر چه همسایگی كمتر، فاصله حصار بزرگتر خواهد بود بنابراین بخاطر در هم رفتن همسایگی ها ، تكثیر متغیرهای جدید اتفاق خواهد افتاد كه باعث انتقال اطلاعات بین همه افراد را اطمینان خواهد داد .

اندازه همسایگی ، سرعت تكثیر اطلاعات بین افراد جمعیت را نیز تعیین نموده ، تا تصمیم گیری بین تكثیر سریع یا بقاء تنوع / تغییر پذیری زیاد درجمعیت را ایجاد كند . اغلب تغییر پذیری زیادتر مطلوب می باشد زیرا برای جلوگیری از مشكلاتی مانند همگرایی نابهنگام در یك مینیمم محلی ، انجام می گیرد . نتایج مشابه در [VBS91] نیز بدست آمده است . انتخاب محلی با همسایگی كوچك، بهتر از انتخاب محلی با همسایگی بزرگتر، اجراء می شود . بدون شك اتصالات داخلی باید برای همه جمعیت نیز فراهم گردد .
همسایگی دو بعدی با ساختار نصف ستاره و با استفاده از فاصله 1 برای انتخاب محلی ، توصیه شده است .
بنابراین اگر جمعیت بزرگتر شود ( بزرگتر از 100) ، یك فاصله بزرگتر و / یا همسایگی دو بعدی دیگر باید استفاده گردد.

6-3- انتخاب برشی ( كاهشی )
در مقایسه با روشهای انتخاب قبلی ( مدل كردن با انتخاب طبیعی ) ، انتخاب برشی یك روش انتخاب مصنوعی است كه از فرزندان برای انتخاب جمعیتهای بزرگ استفاده می شود .
در انتخاب برشی ، افراد مطابق برازندگی اشان دسته بندی می شوند فقط بهترین افراد به عنوان والدین انتخاب می شوند . این والدین انتخاب شده ، تولید مثل یكنواخت و تصادفی را انجام می دهند . پارامتر مهم در انتخاب برشی ، آستانه برش Trunc است .
Trunc ، نسبت جمعیت انتخاب شده بعنوان والدین ، در محدوده مقادیر از 10% تا 50% را نشان میدهد . افراد پایین تر از آستانه برش در تولید مثل شركت نمی‌كنند . اغلب عبارت قدرت انتخاب در انتخاب برشی ، نیز مورد استفاده قرار می‌گیرد .
جدول ذیل ارتباط بین دو پارامتر فوق را نشان می دهد .

1-6-3- آنالیز انتخاب برشی
در [BT95] آنالیز انتخاب برشی بیان شده است همچنین نتایج مشابه با روش مختلف نیز در [Ck70] ، بدست آمده است
قدرت انتخاب :
(14-3)
عدم تنوع :
(15-3)
واریانس انتخاب:
(16-3)

7-3- انتخاب مسابقه‌ای ( رقابتی )
در انتخاب مسابقه‌ای [GD91] ، عدد Tour‌ افراد، به طور تصادفی از جمعیت انتخاب می شوند و بهترین فرد از این جمعیت فرعی بعنوان والدین انتخاب می گردد . این فرآیند بطور مكرر تكرار می گردد تا افراد كامل انتخاب گردند . این والدین های انتخاب شده ، در تولید مثل یكنواخت و تصادفی ، شركت می كنند . پارامتر مهم در انتخاب سابقه‌ای ، مقدار Tour مسابقه‌ای است مقادر Tour در محدوده 2تا Nind (تعداد افراد جمعیت ) درنظر گرفته می شود .
جدول و شكل ذیل ارتباط بین مقدار مسابقه‌ و قدرت انتخاب را نشان میدهد .

1-7-3- آنالیز انتخاب مسابقه‌ای
در [BT95] آنالیز انتخاب مسابقه‌ای ارائه گردیده است .
قدرت انتخاب :
(17-3)
عدم تنوع :
(18-3)
(‌تقریباً 50% از جمعیت در اندازه مسابقه ای Tour =5 ، كنار گذاشته می شوند )
واریانس انتخاب :
(19-3)

8-3- مقایسه طرحهای انتخاب
همانطور كه در قسمتهای قبلی این فصل ، نشان داده شد روشهای انتخاب بطور مشابه رفتار نموده و قدرت انتخاب مشابهی را نیز فرض می‌گیرند .
1-8-3- پارامتر انتخاب و قدرت انتخاب
شكل ذیل ارتباط بین قدرت انتخاب و پارامترهای مناسب روشهای انتخاب ( فشار انتخاب ، آستانه برشی ، و اندازه مسابقه ) را نشان می دهد و. لازم به ذكر می باشد كه با انتخاب مسابقه‌‌ای فقط مقادیر مجزا بكار گرفته می شوند و رتبه بندی خطی فقط یك محدوده كوچكتر را برای قدرت انتخاب مجاز می داند .
اگر چه رفتار روشهای انتخاب متفاوت است اما بطور كلی روشهای انتخاب با پارامترهای عدم تنوع ، واریانس انتخاب ، و قدرت انتخاب مقایسه می شوند .

برای دریافت اینجا کلیک کنید

سوالات و نظرات شما

برچسب ها

سایت پروژه word, دانلود پروژه word, سایت پروژه, پروژه دات کام,
Copyright © 2014 nacu.ir
 
Clicky