مقاله جدول سودوکو با الگوریتم ژنتیک
پیاده سازی مقاله 2013 در زمینه حل جدول سودوکو با الگوریتم ژنتیک با عنوان:
یک الگوریتم ژنتیک ترکیبی جدید برای حل جدول سودوکو
A novel hybrid genetic algorithm for solving Sudoku
puzzles
چکیده مقاله:
در این مقاله ، یک الگوریتم ژنتیک ترکیبی جدید ارائه شده است و عملگر انتخاب، اپراتور ترکیب و عملگر جهش الگوریتم ژنتیک به طور موثر با توجه به ویژگی های پازل سودوکو بهبود یافته است. عملگر انتخاب بهبود یافته شباهت کروموزوم انتخاب شده و کروموزوم بهینه در جمعیت فعلی را به نحوی اعمال میکند که کروموزوم با غنای ژنی بیشتر احتمال زیادتری برای شرکت در عمل ترکیب داشته باشد. این عملگر ترکیب طراحی شده دارای اثرات دوگانه از تجربه خود و تجربه جمعیت بر اساس مفهوم موجود در روش ترکیب الگوریتم توده ذرات می باشد، در نتیجه کل فرآیند تکرار شونده بسیار جهتدار هدایت میشود.احتمال ترکیب یک عدد تصادفی است و احتمال جهش ، همراه با مقدار شایستگی راه حل بهینه در جامعه کنونی تغییر میکند به طوری که امکانات بیشتری از ترکییب و جهش می تواند در تکرار الگوریتم در نظر گرفته شود. نتایج شبیه سازی نشان می دهد که نرخ همگرایی و ثبات الگوریتم جدید به طور قابل توجهی بهبود یافته است
مقاله حل سودوکو با الگوریتم ژنتیک
چکیده لاتین:
In this article, a novel hybrid genetic algorithm is proposed. The selection operator, crossover operator andmutation operator of the genetic algorithmhave effectively been improved according to features of Sudoku puzzles. The improved selection operator has impaired the similarity of the selected chromosome and optimal chromosome in the current population such that the chromosome with more abundant genes is more likely to participate in crossover; such a designed crossover operator has possessed dual effects of self-experience and population experience based on the concept of tactfully combining PSO, thereby making the whole iterative process highly directional; crossover probability is a random number and mutation probability changes along with the fitness value of the optimal solution in the current population such that more possibilities of crossover and mutation could then be considered during the algorithmiteration. The simulation results show that the convergence rate and stability of the novel algorithm has significantly been improved.
در این مقاله از ترکیب الگوریتم ژنتیک و الگوریتم توده ذرات pso برای حل جدول سودوکو استفاده شده است و نتایج نشان دهنده قدرت این روش جدید می باشند
ما این مقاله را پیاده سازی کرده ایم و با جدول سودوکویی که در خود مقاله اورده شده است ان را ارزیابی کرده ایم.
جهت دریافت کد متلب مقاله ( حل جدول سودوکو با الگوریتم
ژنتیک ترکیبی جدید در متلب) با ما تماس بگیرید
کد مقاله + توضیحات کدهای مقاله در متلب + ترجمه مقاله
ایمیل : matlab24ir@gmail.com و یا info@matlab24.ir
شماره تماس : 09120563264
