۱۶۸

LANDERSNPS090(USGS STATION 5070)

۱٫۴۵۱۱۲۴

۲۹۶

NORTHRW15180(USC STATION 90020)

۱٫۴۸۹۲۴۷

اگر جدول ۳-۵۶ با جدول ۳-۱۲ مقایسه شود مشاهده می شود تمامی رکوردهای انتخاب شده به جز رکورد شماره ۳۴۷ که به جای رکورد ۱۴۲ است یکی هستند و تنها تفاوت در ضرایب مقیاس آن ها ست. پس می توان گفت پارامترهای ژنتیک این برنامه بر روی ضرایب مقیاس به خوبی عمل می کنند.
در شکل ۳-۳۵ نمودار روند بهبود تابع شایستگی برای برنامه الگوریتم ژنتیک که با مقادیر کنترل شده هر یک از متغیر های بهینه یابی بدست آمد رسم شده است.

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

شکل ۳- ۳۵- نمودار روند بهبو تابع شایستگی پس از کنترل مقادیر پارامتری ژنتیک دودویی
در شکل ۳-۳۶ شتابنگاشت رکوردهای انتخاب شده توسط الگوریتم ژنتیک باینری قبل و بعد از ضرایب مقیاس رسم شده است. می توان بهبود نتایج پس از مقیاس کردن را در آن ها مشاهده نمود.
شکل ۳- ۳۶–سمت راست شتابنگاشت های منتخب مقیاس شده سمت چپ شتابنگاشت های منتخب مقیاس نشده

۳-۵ ارائه الگوریتم ژنتیک هیبریدی (انتخاب پارامترهای کنترلی بهینه یابی توسط الگوریتم ژنتیک)

با توجه به نزدیک بودن تقریبی خطاها به یکدیگر، یکی از مهم ترین عوامل در میزان دقت و کارایی این برنامه ها تخمین صحیح پارامترهای آن هاست. در صورتی که این پارامترها به درستی محاسبه شوند، اختلاف بین طیف پاسخ و طیف طرح بشدت کم می شود با توجه به تعداد نسبتا زیاد این پارامترها کاربرد شیوه های مبتنی بر سعی و خطا تا حد زیادی متکی بر مهارت کاربر می باشد به همین علت در این پژوهش یک برنامه الگوریتم ژنتیک هیبریدی نوشته شده است تا کاربر مبتدی که قدرت تشخیص برای مقادیر مطلوب پارامترهای بهینه یابی را ندارد بتواند از آن استفاده کند. این برنامه دارای دو ژنتیک است که همزمان با یکدیگر اجرا می شوند و همین طور دارای سه کروموزوم می باشد و جواب های نزدیک به جواب بهینه حاصل می کند. این برنامه خود قادر است محدوده ضرایب مطلوب و مقادیر همبری و جهش هر کروموزوم را در اختیار کاربر قرار دهد.
الگوریتم ژنتیک هیبریدی می تواند با روش های قبلی رقابت کند به این معنی که می تواند مقادیر پارامترهای کنترلی بهینه یابی را توسط الگوریتم ژنتیک دیگری که داخل الگوریتم ژنتیک اول است معین نماید و به نتایج مطلوب و نزدیک به بهینه در کمترین زمان و بهر راحتی در اختیار کاربر قرار دهد.
روند الگوریتم ارائه شده در این بخش در شکل ۳-۳۷ نمایش داده شده است.
خیر
شکل ۳- ۳۷- ساختار الگوریتم ژنتیک هیبریدی
ج- ۱- اجرای برنامه با مقادیر پیشنهادی توسط الگوریتم ژنتیک برای رمزدهی دودویی
در نهایت برنامه الگوریتم ژنتیک هیبریدی توانسته است مقادیر پارامترهای کنترلی بهینه یابی را معرفی نماید. این مقادیر پیشنهادی توسط برنامه ژنتیک هیبریدی در جدول ۳-۵۷ ارائه شده است.
جدول ۳- – ۵۷ مقادیر پارامترهای بدست آمده از الگوریتم هیبریدی

محدوده مقیاس گذاری

اندازه جمعیت

تعداد نسل

نرخ همبری کروموزوم۱

نرخ همبری کروموزوم۲

نرخ جهش کروموزوم۱

نرخ جهش کروموزوم۲

.۳۲۵۹-۱٫۰۰۰۵

۲۰۰

۳۰۰

۰٫۲۶۸۶

۰٫۳۱۷۷

۰٫۵۷۶

۰٫۰۴۷۵

پس از پنج مرتبه اجرای برنامه ژنتیک دودویی با مقادیر الگوریتم هیبریدی به نتایج جدول ۳-۵۸ رسیدیم. که در زیر مشاهده می شود.
جدول ۳- – ۵۸ نتایج اجرای برنامه با مقادیر بدست آمده از الگوریتم هیبریدی