سه تمرین متلب-کوله پشتی و فروشنده دوره گرد

---

شرح پروژه

تمرین 1 :

کد زیر بیانگر یک الگوریتم ژنتیک بصورت نمادین می باشد. خواهشمند است ضمن بررسی کد و اجرای آن در نرم افزار مطلب، در قالب یک گزارش دو الی سه صفحه ای به نحوه عمکرد الگوریتم بپردازید و نمودارهای خروجی را نمایش دهید. در مورد نحوه کارکرد الگوریتم بحث نمایید و چنانچه فکر می کنید تغییری در الگوریتم ارائه شده باعث افزایش کارایی آن می شود ضمن بیان استدلال خود آن تغییر را اعمال و نتیجه را ذکر نمایید.

function [C1, C2]=Crossover(P1, P2)

X1=P1.Chromosome;

X2=P2.Chromosome;

nVar=numel(X1);

c=randi([1 nVar ]);

Y1=[X1(1:c) X2(c+1:end)];

Y2=[X2(1:c) X1(c+1:end)];

C1.Chromosome=Y1;

C2.Chromosome=Y2;

C1.Value=[];

C2.Value=[];

end

function C=Evaluation_Function(Chromosome)

C=sum(Chromosome.^2);

end

function [C]=Mutation(P)

X=P.Chromosome;

nVar=numel(X);

m=randi([1 nVar ]);

Y=X;

if(X(m)==1) Y(m)=0; else Y(m)=1; end;

C.Chromosome=Y;

C.Value=[];

end

clc;

clear;

close all;

nVal=30;

Chromosome_size=[1 nVal];

Population_size=20;

Max_Iteration=50;

pCrossover=0.89;

nCrossover=round(pCrossover*Population_size/2)*2;

pMutation=0.1;

nMutation=round(pMutation*Population_size);

Individual.Chromosome=[];

Individual.Value=[];

Population=repmat(Individual, Population_size, 1);

for i=1:Population_size

Population(i).Chromosome=randi([0 1], Chromosome_size);

Population(i).Value=Evaluation_Function(Population(i).Chromosome);

end;

Best_Solutiont=[];

Best_Value=zeros(Max_Iteration, 1);

Mean_Value=zeros(Max_Iteration, 1);

for i=1:Max_Iteration

Population2=repmat(Individual, nCrossover/2, 2);

for j=1: nCrossover/2

l1=randi([1 Population_size]);

l2=randi([1 Population_size]);

X1=Population(l1);

X2=Population(l2);

[C1 C2]=Crossover(X1, X2);

C1.Value=Evaluation_Function(C1.Chromosome);

C2.Value=Evaluation_Function(C2.Chromosome);

Population2(j, 1)=C1;

Population2(j, 2)=C2;

end;

Population3=repmat(Individual, nMutation, 1);

for j=1:nMutation

l1=randi([1 Population_size]);

X1=Population(l1);

[C1]=Mutation(X1);

C1.Value=Evaluation_Function(C1.Chromosome);

Population3(j, 1)=C1;

end;

Population=[ Population' Population2(:,1)' Population2(:,2)' Population3']';

Values=[Population.Value];

[Values Sorted_index]=sort(Values );

Population=Population(Sorted_index);

Population=Population(1:Population_size);

%BestSol=pop(1);

Best_Value(i)=Population(1).Value;

Mean_Value(i)=mean([Population.Value]);

pause(0.2);

disp(['Iteration ' num2str(i) ' : Best Cost = ' num2str(Best_Value(i)) ' Mean Cost = ' num2str(Mean_Value(i))]);

end;

Best_Solutiont=Population(20).Chromosome

figure;

plot(Best_Value,'r','lineWidth',2);

Hold on;

plot(Mean_Value,'b','lineWidth',2);

Legend('Best Costs','Mean Costs');

Xlabel('Generation');

تمرین 2 :

کد تمرین 1 را با الگوریتم کوله پشتی پیاده سازی کنید؟

تمرین 3 : 

مسئله فروشنده دوره گرد را با استفاده از الگوریتم ژنتیک حل نمایید و کد حاصله را به همراه گزارش دو تا سه صفحه ای از نحوه عملکرد الگوریتم به همراه نمودارهای آن در متلب ارسال دارید؟

1و2و3 برای یک نفر

2 و 3 برای یک نفر

مهارت ها و تخصص های مورد نیاز

---

---