العنوان: التقصي نحو الأمثلية الذكائية و التقليدية للمسائل اللا خطية

 اسم الباحث:  شذى عبد الله محمد رمضان

الجامعه والكليه:  كليه علوم الحاسبات والرياضيات جامعه الموصل

الخلاصه :

إن الأطـروحة تـهـتم بـتحســين تـقـنيـات الأمثلية الذكائية  والأمثلية التـقـلـيديـة، مثل الخوارزميات الجـيـنـيـة وطـريقه الانـحـدار السـلبي للـمسائل اللاخطـيه لتـحســين تـقاربـــها .

فقد تم التـهـجــين الـثـنـائـي بيـن التـقـنـيـات الـكـلاسـيـكـية والتـقـنـيـات الـذكـائـيـة.

فالجزء الأول من الاطروحة يهتم بالمسائل اللا مقيدة. أما بقية الأجزاء فتهتم بالمسائل المقيدة اللا خطية, باستخدام تقـنـيـات ذكـائـيـة.

ففي طريقه الانحـدار الـسلبي للـمسـائـل اللاخـطـيه و اللامـقـيـدة تم استخدام أسـلوبـيـن للـحل, أحدهـما الأسلوب الكلاسـيـكي والآخر الأسـلـوب  الذكـائـي، ومن ثم تم الــربـط بين الأسـلــوبـيـن.

أمــــا في الجزء الآخر تم إعـطاء خـوارزمـيـة ذكـائـيـة جـديـده لحل المسائـــل  الــلاخطيه الــمقيدة اعـتـمـادا على عـمــليه التحويل. و كـذلـك تــم إعـطـاء خـــوارزمـيـات ذكــائـيــة جـديــدة لـحـل مـسـائــل الأعــداد الــصحــيحـة الـــلا خـطـيـة. 

أخــــيـراً، تم الـتـهــــجــيـن بين الأمثلية الذكائية والتقـليـديـــة باســتخـــدام  طــريقه الــمـتـجـهـــات الــمـتـرافـقـة في بـنـاء شـــبـكـة عصـبـيـة اصـــطنـاعية جــديدة, والتي ساهمت باقتراح جديد وهو شــبـــكــة هــجـيــنـة تضم كلا من طريقة المتجهات المترافقة والخوارزميات الجينيه والشبكات العصبية.

This thesis is concerned with the improvements of both intelligence optimization technique (such as genetic algorithm) and the classical optimization technique (such as conjugate gradient) for non-linear unconstrained and constrained problems.

This work contains the hybrid intelligence and classical optimization techniques. In the first part of this thesis deals with unconstrained problems and other part deals with constrained problems.

Firstly, we have the classical conjugate gradient methods with scaling and restarting techniques based on the crossover of the genetic algorithm.

 Secondly, the modified genetic algorithm is used to solve constrained problems depending on the transformation of function and variables values. The integer-programming problem with genetic algorithm is also investigated.

 Finally, in this work a new conjugate gradient neural network and hybrid Fletcher Reeves type method have been investagated. Our improvement on conjugate gradient methods and genetic algorithms show that its promising when compared with other standard algorithms to solve non-linear optimization problems.

ملاحظه: للحصول على الملف كاملا يمكنكم مراسلتنا عل البريد الالكتروني 

(almerjamathematics@gmail.com)