نرم افزارها

نرم افزار الگوریتم ژنتیک در اکسل |GA Solver

نرم افزار GA Solver برای حل مسائل بهینه سازی با الگوریتم ژنتیک

الگوریتم ژنتیک یک گروه از الگوریتم‌های تصادفی است که از تکامل طبیعی در سیستم‌های بیولوژیک الهام گرفته شده‌اند. این نوع الگوریتم اولین بار در اواسط دهه‌ی هفتاد توسط جان هلند معرفی شدند. از زمان معرفی این نوع الگوریتم‌ها در زمینه های متنوعی چون مهندسی ، اقتصاد ، بیولوژی و علوم کامپیوتر بکار گرفته شده‌اند. بعدها این روش با تلاش‌های گلدبرگ 1989, گسترش یافته و امروزه نیز به واسطه توانایی‌های خویش , جای مناسبی را در میان دیگر روش‌ها پیدا کرده است. فرایند بهینه یابی در الگوریتم ژنتیک بر اساس یک روند تصادفی- هدایت شده استوار می‌باشد. این روش، بر مبنای نظریه تکامل تدریجی و ایده های بنیادین داروین پایه گذاری شده است.

الگوریتم ژنتیک یک بهینه سازی غیر جبری است که مناسب برای توابعی است که بهینه سازی آن‌ها با روش‌های جبری کاری طاقت فرسا است. الگوریتم ژنتیک برای مسایلNP-Hard بسیار مناسب می‌باشد. همچنین این الگوریتم‌ها قادر به حل مسایلی هستند که در فضای حلشان ناپیوستگی وجود دارد. یکی دیگر از مزایای این روش، توانایی اعمال آن به مسایلی است که دارای متغیرهای زیاد می‌باشند.

با این وجود این الگوریتم (و سایر الگوریتم‌های تکاملی) فضای پاسخ را به صورت موازی و خوشه به خوشه و نه به صورت عضو به عضو می‌کاوند به همین دلیل امکان رخ دادن اپتیمم های محلی از بین می‌رود. این روش‌ها نیازی به اطلاعات مربوط به مشتقات تابع هدف ندارند. تنها شکل اصلی تابع مورد نیاز می‌باشد.

نرم افزار GA Solver

نرم افزار الگوریتم ژنتیک با هدف تسهیل و توسعه این روش در سایر رشته‌ها طراحی شده است. اگر چه نرم افزارهای مهندسی چون متلب برای استفاده از این الگوریتم بسیار کارآمد می‌باشد اما به علت عدم آشنایی با محیط متلب و نحوه کد نویسی در آن، باعث دشواری بسیاری از پژوهشگران شده است. نرم افزار GA Solver 2012 امکان استفاده از الگوریتم ژنتیک را در محیط نرم افزار اکسل فراهم می‌سازد. با توجه به اینکه بسیاری از کاربران با محیط اکسل آشنایی دارند و علاوه بر آن به سادگی می‌توان مسائل را در محیط اکسل مدل سازی نمود بنابراین نرم افزار GA Solver 2012 به راحتی می‌تواند تابع هدف تعریف شده در محیط اکسل را با توجه به متغیرهای تصمیم و نحوه ارتباط آن‌ها با یکدیگر ، بهینه سازی کند.

محیط نرم افزار بسیار کاربر پسند طراحی شده است به طوری که به راحتی می‌توان مسئله مورد نظر خود را با چند کلیک ساده جهت بهینه سازی آماده کرد. کار کردن با این نرم افزار نیازی به کد نویسی و دانستن مفاهیم فنی ندارد بنابراین تمامی افرادی که توانایی کار کردن با نرم افزار اکسل را دارند به راحتی می‌توانند از الگوریتم ژنتیک برای بهینه سازی مسائل خود استفاده کنند.

ویژگی‌های نرم افزار

  • استفاده از محیط نرم افزار اکسل جهت بهینه سازی مسائل
  • کاربر پسند بودن محیط نرم افزار و پشتیبانی از زبان فارسی
  • توانایی بهینه سازی تابع هدف با حالات «Min» ، «Max» و «برابر با مقدار ثابت»
  • توانایی پذیرش انواع متغیرهای تصمیم (اعداد پیوسته، اعداد صحیح و اعداد باینری)
  • توانایی تعریف انواع محدودیت‌ها بر روی متغیرهای تصمیم
  • قابل تنظیم بودن پارامترهای الگوریتم ژنتیک جهت استفاده کاربران حرفه ای
  • قابل تنظیم بودن روش‌های انتخاب (Roulette wheel، Tournament، Elitism)
  • تغییر مقیاس برازندگی به روش‌های خطی و نمایی
  • قابلیت تغییر همگونی جمعیت اولیه برای مسائل متعدد
  • رسم نمودار برازندگی
  • سرعت بسیار بالا در بهینه سازی مسائل پیچیده

تصاویری از محیط نرم افزار

خرید نرم افزار

خرید آموزش تحلیل آماری

برای انتقال به صفحه خرید محصول کلیک کنید

5/5 - (1 امتیاز)

نظرات

  1. mohammad گفت:

    سلام ببخشید نرم افزار GA SOLVER بر روی سیستم 64 بیتی نصب می شود.

    1. admin گفت:

      این نرم افزار در هر دو ویندوز 32 و 64 بیتی اجرا می شود.

  2. احمد گفت:

    با سلام و احترام
    آیا نرم افزار GA solver می تواند مدل برازش نماید؟
    مثلا اگر داشته باشیم:
    y=a-(a+b)exp(cx)+d
    a=3, b=0.2, c=0.6 , d=2.5
    و 200 داده مبروط به x , y را نیز به نرم افزار بدهیم.
    و نرم افزار معادله پیشنهادی را برازش نماید.
    در صورت جواب مثبت، مایل به خریدن می باشم.
    خواهشمند است راهنمایی نمایید.

    1. admin گفت:

      نرم افزار GA Solver توانایی حل کلیه مسائل بهینه سازی را دارد. برای حل مسائل با کمک این نرم افزار باید مسئله خود را در اکسل مدل کنید بطوری که:

      1) تابع هدف مشخص باشد(حااقل کردن، حداکثر کردن یا حالت برابری)
      2) پارامترهایی که در مدل که توسط الگوریتم ژنتیک تغییر می کند نیز مشخص باشد.(متغیرهای تصمیم)

      مثلا روش مدل کردن مسئله شما به این صورت است که شما باید ابتدا بر اساس تابع خود مقدار y را به ازای هر x بدست آورید بعد تفاوت بین هر مقدار y با y واقعی را به عنوان خطا بدست آورید بعد مجموع خطاها را به عنوان تابع هدف در نظر بگیرید. در نرم افزار پارامترهای خود را به عنوان متغیرهای تصمیم و مجموع خطاهای مدل را به عنوان تابع هدف در نظر می گیرید و در نرم افزار تنظیم می کنید که مقدار تابع هدف حداقل شود. پس از اجرای الگوریتم ژنتیک مقدار بهینه پارامترها محاسبه می شود.

    2. محمد گفت:

      سلام این موضوع که با تولباکس متلب نیز انجام شدنی است. این نرم افزار چه مزیتی نسبت به متلب دارد
      تولباکس متلب هم بسیار ساده می باشد.
      اگر میشود مزایای این نرم افزار را نسبت به تولباکس متلب عنوان نمایید
      با تشکر
      نسخه آزمایشی نرم افزار موجود می باشد؟

      1. admin گفت:

        بیشتر کار بران توانایی کار با تولباکس های متلب را ندارند چون نرم افزار متلب بصورت تخصصی برای رشته های مهندسی کار برد دارد. تعریف فرمول ها، محدودیت ها و تابع هدف در اکسل به راحتی انجام می گیرد. بیشتر داده های مورد نیاز برای بهینه سازی در اکسل ذخیره شده است و بر روی هر سیستم در محل کار و در خانه، نرم افزار اکسل وجود دارد بنابراین به راحتی می توان به کمک نرم افزار GA Solver روابط را بطور مستقیم در محیط اکسل بهینه سازی کرد.