پاورپوینت لباسهای محلی مناطق مختلف ایران

پاورپوینت لباسهای محلی مناطق مختلف ایران پاورپوینت لباسهای محلی مناطق مختلف ایران اسلاید درباره لباسهای محلی کشور پاورپوینت کلاس ششم لباس محلی کشور پاورپوینت زیبا درباره لباسهای محلی کشور

دسته بندی	پاورپوینت
فرمت فایل	pptx
حجم فایل	6912 کیلو بایت
تعداد صفحات فایل	80

پاورپوینت لباسهای محلی مناطق مختلف ایران

فرمت فایل :pptx

تعداد صفحه 80 اسلاید

دانلود پاورپوینت در مورد لباسهای محلی مناطق مختلف کشور ایران

 

بندرعباس

اهواز

آبادان

گیلان

قزوین

کردستان

خراسان

و... اکثراستان هاو شهرهای کشور

همراه با توضیحات مختصر

پاورپوینت تحلیل فرودگاه اصلی شهر دبی DXB

پاورپوینت تحلیل فرودگاه اصلی شهر دبی DXB

در این فایل فرودگاه اصلی شهردبی DXB مورد تحلیل قرار گرفته است. این فرودگاه در کشور امارات متحده عربی می باشد و یکی از پر رفت و آمد ترین فرودگاه های جهان است. این فایل در قالب پاورپوینت و دارای 21 اسلاید می باشد و برای رشته معماری تهیه شده است.

مشخصات فایل

تعداد صفحات	21
حجم	8820 کیلوبایت
فرمت فایل اصلی	ppt
دسته بندی	معماری

توضیحات کامل

 

پاورپوینت تحلیل فرودگاه اصلی شهر دبی DXB

 

در این فایل فرودگاه اصلی شهردبی DXB مورد تحلیل قرار گرفته است. این فرودگاه در کشور امارات متحده عربی می باشد و یکی از پر رفت و آمد ترین فرودگاه های جهان است. این فایل در قالب پاورپوینت و دارای 21 اسلاید می باشد و برای رشته معماری تهیه شده است.

 

فرودگاه اصلی شهر دبی DXB در کشور امارات متحده ی عربی است که پر رفت و آمد ترین فرودگاه جهان بر پایه ی جابه جایی مسافران بین المللی در سال 2014 می باشد و همچنین سومین فرودگاه پر رفت و آمد جهان بر پایه شمار مسافر در سال 2015 و ششمین فرودگاه پر رفت و امد برپایه جابه جایی بار است این فرودگاه پر رفت و آمد ترین قطب هواپیمایی برای ایرباس ای 380 است . فرودگاه بین المللی دبی با مساحت 2900 هکتار در شهرک القرهود در 2.5 مایلی دریایی شرق دبی قرار دارد. فرودگاه توسط شرکت فرودگاهای دبی اداره می شود....

 

فهرست مطالب

این فایل شامل بخش های زیر است 

• موقعیت فرودگاه
• مساحت
• موقعیت جغرافیایی 
• ترمینال های فرودگاه
• پلان های مختلف
• امکانات فرودگاه
• و...

توضیحات بیشتر و دانلود



صدور پیش فاکتور، پرداخت آنلاین و دانلود

پاورپوینت مقررات ملی ساختمان (الزامات عمومی ساختمان)

پاورپوینت مقررات ملی ساختمان (الزامات عمومی ساختمان)
 

پاورپوینت مقررات ملی ساختمان(الزامات عمومی ساختمان) شامل 103 اسلاید (ویژه رشته های مهندسی عمران و ساختمان) می باشد در ادامه بخشی از متن این پاورپوینت و فهرست آن را برای شما قرار داده ایم و در انتها نیز تصویری از پیش نمایش اسلایدهای این پاورپوینت را برای شما قرار داده ایم تا بتوانید جزییات آن را مشاهده نمایید و در صورت تمایل به داشتن این پاورپوینت

مشخصات فایل
 

تعداد صفحات	103
حجم	6 کیلوبایت
فرمت فایل اصلی	pptx
دسته بندی	عمران و ساختمان

توضیحات کامل
 

 

پاورپوینت مقررات ملی ساختمان(الزامات عمومی ساختمان)

پاورپوینت مقررات ملی ساختمان(الزامات عمومی ساختمان) شامل 103 اسلاید  (ویژه رشته های مهندسی عمران و ساختمان) می باشد. در ادامه بخشی از متن این پاورپوینت و فهرست آن را برای شما قرار داده ایم و در انتها نیز تصویری از پیش نمایش اسلایدهای این پاورپوینت را برای شما قرار داده ایم تا بتوانید جزییات آن را مشاهده نمایید و در صورت تمایل به داشتن این پاورپوینت ، اقدام به خرید آن نمایید.

مقدمه:

مبحث چهارم مقررات ملی ساختمان با عنوان الزامات عمومی ساختمان، تعیین‌کننده شکل و نحوه قرارگیری مجاز ساختمان در زمین و فضاهای باز و ضوابط مربوط به تصرف‌های مختلف و حداقل‌های الزامی فضاها و تأمین نور و هوا است

پاورپوینت مقررات ملی ساختمان (الزامات عمومی ساختمان)


پاورپوینت مقررات ملی ساختمان(الزامات عمومی ساختمان) شامل 103 اسلاید (ویژه رشته های مهندسی عمران و ساختمان) می باشد. در ادامه بخشی از متن این پاورپوینت و فهرست آن را برای شما قرار داده ایم و در انتها نیز تصویری از پیش نمایش اسلایدهای این پاورپوینت را برای شما قرار داده ایم تا بتوانید جزییات آن را مشاهده نمایید و در صورت تمایل به داشتن این پاورپوینت ، اقدام به خرید آن نمایید.

مقدمه:

مبحث چهارم مقررات ملی ساختمان با عنوان الزامات عمومی ساختمان، تعیین‌کننده شکل و نحوه قرارگیری مجاز ساختمان در زمین و فضاهای باز و ضوابط مربوط به تصرف‌های مختلف و حداقل‌های الزامی فضاها و تأمین نور و هوا است.

 

توضیحات بیشتر و دانلود



صدور پیش فاکتور، پرداخت آنلاین

دانلود پاورپوینت مهندسی ژنتیک در کشت بافت

دانلود پاورپوینت مهندسی ژنتیک در کشت بافت در روش مهندسی ژنتیک ژن های مخصوص انتخاب شده وبه اندازه روشهای تغییر ژنتیکی خارج از درون شیشه ای (شرایط این ویوو) می توانند موثر باشند که ممکن است ترجیحآ از آنها استفاده شود با استفاده ازبمباران کردن دانه گرده با یک جسم کوچک پرتاب شونده با پوشش ِِِِDNA ژنها به دانه گرده وارد شده اند اگر چه لقاح با چنین دانه گرده ای هنوز انجام نگرفته انتقال از طر

دسته بندی	کشاورزی و زراعت
فرمت فایل	ppt
حجم فایل	117 کیلو بایت
تعداد صفحات فایل	18

مهندسی ژنتیک

•در روش مهندسی ژنتیک ژن های مخصوص انتخاب شده وبه اندازه روشهای تغییر ژنتیکی خارج از درون شیشه ای (شرایط این ویوو) می توانند موثر باشند  که ممکن است ترجیحآ از آنها استفاده شود.

•با استفاده ازبمباران کردن دانه گرده با یک جسم کوچک پرتاب شونده با پوشش ِِِِDNA ژنها به دانه گرده وارد شده اند اگر چه لقاح با چنین دانه گرده ای  هنوز انجام نگرفته انتقال از طریق مستقیم DNA  به داخل گلهای نابالغ گیاه کامل ،یک روش دیگر خارج از شیشه است.

•انتقال ژنتیکی بذر های در حال جوانه زدن به وسیله ناقلین DNA خارجی اخیرآ گزارش شده است.

•درگیاهان مهندسی ژنتیک در سه مرحله زیر دخالت دارد:

1-شناسایی وجدا کردن ژنهای مطلوب برای انتقال ژن

2-سیستم رها سازی جهت وارد کردن ژن مطلوب به داخل سلولهای پذیرنده

3-بیان اطلاعات ژنتیکی جدید در سلولهای پذیرنده

حسن روش مهندسی ژنتیکی نسبت به بهنژادی

•در این روش ژنهای کاملآ غریبه را می توان وارد یک گیاه کرد .علاوه بر این ژنهای مطلوب را می توان بدون تغییرات اضافی به نژادگان های برتر منتقل کرد.

•در روشهای سنتی اضافه کردن ژنهای مطلوب به یک نژادگان ممکن است همراه با از دست دادن بعضی از صفات مطلوب باشد.

•خصوصآ وقتی که کیفیت والدین براساس ترکیبات ژنی غیرافزایشی ویژه ای باشد وقتی که ژنهای جدید از طریق مهندسی ژنتیک به نژادگان اضافه گردند ،این ترکیبات  ژنی غیرافزایش دست نخور ده باقی می مانند.

 

دانلود مقاله ترجمه شده سورت بهینه با الگوریتمهای ژنتیک

دانلود مقاله ترجمه شده سورت بهینه با الگوریتمهای ژنتیک سورت بهینه با الگوریتمهای ژنتیک

دسته بندی	کامپیوتر و IT
فرمت فایل	pdf
حجم فایل	2240 کیلو بایت
تعداد صفحات فایل	31

بخشی از ترجمه فارسی:

چکیده
رشد پیچیدگی پردازش های مدرن تولید کد موثر مناسب را بصورت افزایشی سخت ساخته است. تولید کد به صورت دستی بسیار زمان صرف کننده می باشد اما آن بارها انتخاب میشوند به طوریکه کد تولید شده بوسیله تکنولو‍‍‍‍ژی کامپایلرهای امروزی بارها اجرای پایین تری نسبت به بهترین کدهای آماده شده دستی دارند. یک نولید از استراتژی تولید کد انجام گرفته شده بوسیله سیستم های شبیه ATLAS,FFTW و SPIRAL که جستجوی تجربی را برای پیدا کردن مقادیر پارامتر از کارایی را استفاده کرده است به طوریکه اندازه تیله و زمانبندی آموزش که تحویل انجام بهینه برای یک ماشین مخصوص می باشد. به هر حال این دیدگاه دارد به تنهایی به طور کامل ثابت میکند در کدهای علمی اجرا به داده ورودی وابسته نیست. در این مقاله ما مطالعه میکنیم تکنیکهای یادگیری ماشین را برای توسعه جستجوی ترتیبی برای تولیدی از روتینهای سورت کردن که اجرا در مشخصات ورودی و معماری از ماشین هدف وابسته است. ما ساختیم در مطالعه قبلی که یک الگوریتم سورت خالص در اغازی از محاسبات مثل تابعی از انحراف معیار انتخاب کنیم. دیدگاهی که بحث میکنیم در این مقاله الگوریتمهای ژنتیک و یک سیستم طبقه بندی با ساختار بصورت سلسله مراتبی ساخته شده الگوریتمهای سورت تلفیقی توانا از تبدیل کردن داده ورودی استفاده میکند. نتایج ما نشان میدهد که الگوریتمهای تولید شده با استفاده از دیدگاه ارائه شده در این مقاله هستند سرع و موثر در گرفتن داخل اکانت اثرات متقابل پیچیده ما بین معماری و مشخصات داده ورودی و کد نتیجه بسیار مهم بهتر از اجراعات سورت مرسوم و کد تولید شده با مطالعه اسان ما اجرا میکند. به ویژه روتینهای تولید شده با دیدگاه ما اجرا میکند بهتر از تمام کتابخانه های تجاری که ما ازمایش کردیم مثل IBM ESSL,INTEL MKL و C++ STL. بهترین الگوریتم ما دارد توانایی تولید ای در معدل 26% و 62% سریعتر از IBM ESSL در یک IBM PAWER 3 و IBM PAWER 4 بترتیب را دارد.
1 مقدمه
اگر چه تکنولوژی کامپایلر فوق العاده در پردازش خودکاراز بهینه سازی برنامه کامل شده است و بیشتر مداخلات انسانی هنوز هست برای تامین کد بسیار سریع لازم شده است. یک دلیل اینکه ناجوری از اجراعات کامپایلر وجود دارد. اینها کامپایلرهای بیهنه عالی برای بعضی پلاتفرمها هستند اما کامپایلرهای موجود برای بعضی پلاتفرمهای دیگر بسیاری خواسته ها را ترک میکنند. دومین دلیل و شاید بسیار مهم این هست که کامپایلرهای مرسوم که فاقد اطلاعات معنایی هستند و بنابراین محدود شده اند به قدرت دگرگونییا تغییر. یک دیدگاه ایجاد شده که دارد ثابت شده بکلی موثر در چیره شدن به هر دوی این محدودیتها استفاده نمودن تولید کننده های کتابخانه میباشد. این سیستمها استفاده معنایی در اطلاعات برای بکار بردن دگرگون سازی در تمام سطوح از تجرید مهیا میسازند. بیشتر تولیدات کتابخانه قدرتمند نیستند فقط بهینه ساز برنامه همان سیستمهای طراحی الگوریتم هستند.
ATLAS[21],PHiPAC[2],FFTW[7],SPIRAL[23] در طول بهترین تولید کننده های کتابخانه دانسته شده میباشند. ATLAS ,PHiPAC تولید میکنند روتینهای جبری خطی را و پردازش بهینه را در پیاده سازی از ضرب ماتریس در ماتریس فوکس میکنند. در مدت نصب مقادیر پارامتر از یک پیاده سازی ضرب یک ماتریس بطوریکه اندازه تیله و مقداری از حلقه باز شده که تحویل میدهد بهترین انجام معین کننده هویت استفاده جستجوی تجربی. این جستجو پردازش میشود با تولید کردن ورژنهای گوناگون از ضرب ماتریسی که تنها اختلاف دارند در مقدار پارامتر که هست شروع به جستجو. در تقریب جستجوی گسترده هست استفاده شده برای پیدا کردن بهترین مقادیر پارامتر. دو سیستم دیگر اشاره دارند روی SPIRAL,FFTW تولید میکنند کتابخانه های پردازش کننده تنها را. فضای جستجو در SPIRAL,FFTW هست همچنین بزرگتر برای جستجوی گسترده برای ممکن شدن. بنابراین این سیستمها جستجو میکنند با استفاده هیوریستیک مثل برنامه نویسی داینامیک [7,12] یا الگوریتمهای ژنتیک [19].
در این مقاله ما مرور میکنیم مسئله از تولید کردن روتینهای سورت سرعت بالا را. یک تفاوت ما بین سورت کردن و پیاده سازی الگوریتم پیاده سازی شده بوسیله بوسیله تولیدات کتابخانه ای فقط اشاره کرده هست این اجرا از الگوریتمها انها انجام ابزار هست به طور کامل تعیین شده بوسیله مشخصاتی از ماشین هدف و اندازه ای از داده ورودی اما نیست بوسیله دیگر مشخصات از داده ورودی. به هر حال در حالتی از سورت اجرا همچنین وابسته است در دیگر فاکتورهای مثل توزیع داده برای سورت شدن. در حقیقت بحث پایین سورت مرج چند راهی را اجرا میکند بسیار خوب در بعضی کلاسهایی ازمجموعه های داده ورودی که radix سورت اجرا میکند بطور غیر کافی در این مجموعه. برای دیگر کلاسهای مجموعه داده ما رعایت میکنیم موقعیت معکوس را. بنابراین دیدگاه تولید کننده های امروزی هست مفید برای بهینه سازی مقادیر پارامتر از الگوریتمهای سورت اما نیست برای انتخاب بهترین الگوریتم برای گرفتن ورودی. برای تبدیل به مشخصات از مجموعه ورودی در [14] ما استفاده کردیم توزیع ای از داده ورودی برای انتخاب الگوریتم سورت. اگر چه این دیدگاه هست ثابت شده که بکلی موثر است اجرای اخر هست محدود شده با اجرایی از الگوریتمهای سورت مثل سورت مرج چند راهی وسورت سریع و سورت radix هستند انتخاب شده در [14] که میتواند انتخاب شده باشد در زمان اجرا.
در این مقاله ما ادامه میدهیم و عمومیت میدهیم به دیدگاه سادهترمان[14] . تولید کتابخانه جدید ما تولید میکند اجرایی از الگوریتمهای سورت مرکب رادر فرمی از یک سلسله مراتبی از سورتهای اولیه که مخصوص شکل نهایی توسعه شده در چهره سلسله مرتبی از ماشین هدف و مشخصات داده ورودی. درک مستقیم باقی کار این است که الگوریتمهای سورت مختلف اجرا میکنند به صورت متفاوت توسعه دادن را در مشخصات ای از هر بخش و مثل یک نتیجه و الگوریتم سورت بهینه می بایستی باشد ترکیبی از این الگوریتمهای سورت مختلف. گذشته از این سورتهای اولیه تولید کردند کد شامل انتخاب اولیه که به صورت داینامیک انتخاب میکند مخلوط الگوریتم مثل یک تابع از مشخصات ای از داده در هر بخش را. در مدت زمان نصب دیدگاه کتابخانه جدید ما جستجو میکند برای تابعی که نگاشت میکند مشخصات ای از ورودی را برای بهترین الگوریتمهای سورت با استفاده از الگوریتمهای ژنتیک [3,8,16,22]. الگوریتمهای ژنتیک استفاده شده اند برای جستجو برای اختصاص دادن فرمول در SPIRAL[19] و برای بهینه سازی کامپایلر رسمی [4,6,20].
نتایج ما نشان میدهد که دیدگاهمان هست بسیار موثر. بهترین الگوریتم ما داریم تولید شده هست در معدل 36% سریعتر از بهترین روتین سورت خالص و شروع با 45% سریعتر. روتین سورت ما اجرا میکند یهتر از تمام کتابخانه های تجاری که ما سعی میکنیم شامل IBM ESSL,INTEL MKL و STL از C++. در معدل روتینهای تولید شده 26% و62% سریعتر از IBM ESSL در یک IBM PAWR3 و IBM POWER 4 به ترتیب.
نتیجه از این مقاله سازمان دهی شده مثل زیر. بخش 2 بحث میکند اولیه ای که ما استفاده کردیم برای ساختن الگوریتمهای سورت. بخش 3 مرور میکند چرا ما اتنخاب کردیم الگوریتمهای ژنتیک را برای جستجو و مرور بعضی جزییات از الگوریتم ای که ما انجام دادیم. بخش 4 نشان میدهد نتایج اجرا شده را. بخش 5 خلاصه مطالب چگونگی استفاده الگوریتمهای ژنتیک را برای تولید یک سیستم طبقه بندی برای روتینهای سورت میباشد و سرانجام بخش 6 ارائه میکند نتایجمان را.
2 سورت اولیه
در این بخش ما توضیح میدهیم بلوکهای ساخته شده از الگوریتمهای سورت ترکیبییمان را. این اولییه ها انتخاب شده اند بر مبنای ازمایش با الگوریتمهای سورت مختلف و مطالعه ای از فاکتورهای که اثر میکنند به اجرایشان. یک خلاصه از نتایج این ازمایشات در شکل 1 ارائه شده است که کشیده شده زمان اجرا از سه الگوریتم سورت در برابر انحراف معیار از کلیدهای سورت شده.

نتایج نشان داده شده برای SUN ULTRASPARC III و برای دو اندازه از مجموعه داده 2 میلیون و 16 میلیون. سه الگوریتم هستند: QUICKSORT [10,17] و CACHE-CONSCIOUS RADIX SORT (CC-RADIX)[11] و MULTIWAY MERG SORT[13]. شکل 1 نشان میدهد که برای 2M رکورد بهترین الگوریتم سورت هست QUICKSORT یا CC-RADIX زمانی که برای 16M رکورد MULTIWAY MERGE SORT یا CC-RADIX هستند بهترین االگوریتم. مشخصات ورودی که تعیین شده زمانی که CC-RADIX هست بهترین الگوریتم هست انحراف معیار از رکوردها برای سورت شدن. CC-RADIX هست بهتر زمانی که انحراف معیار از رکوردها هست بالا برای اینکه اگر مقادیر از عناصر در داده ورودی هست متمرکز شده اند گرداگرد بعضی مقادیر ان هست بسیار شبیه به اینکه بیشتر عناصر در بعضی از BUCKET ها باشند . بنابراین بیشتر پارتیشنها سبقت میگیرند برای بکار بردن قبل از BUCKET های مناسب داخل کش و بنابراین بیشتر کش های فاقد هستند موجب شده در مدت پارتیشن بندی. نتایج اجرا در دیگر پلتفرمها نشان میدهد که تمایل عمومی از الگوریتمها هست همیشه یکسان اما نقطه متقاطع اجرا اتفاق می افتد در نقاط مختلف در پلت فرمهای مختلف.
ان میفهماند برای بسیاری سالها که اجرا QUICKSORT میتواند بهبود شود زمانی که ترکیب شده با دیگر الگوریتمها [17]. ما تایید میکنیم به صورت ازمایشی که وقتی پارتیشن هست کوچکتر از یک استانه خوب (که مقدار وابسته است در پلتفرم هدف) ان هست بهترین برای استفاده INSERTION SORT یا ذخیره داده در رجیسترها و سورت بوسیله تعویض مقادیر ما بین ریجسترها [14] به جای ادامه دادن به صورت بازگشتی بکار بردن quicksort. Register sort هست یک الگوریتم کد مستقیم که اجرا میکند مقایسه-و-تعویض از مقادیر سورت شده در رجیسترهای پروسسور [13].
Darlington [5] معرفی کرده ایده ای از سورتهای اولیه و تشخیص merge sort و quicksort مثل دو الگوریتم اولیه. در این مقاله ما جستجو کیکنیم برای یک الگوریتم بهینه بوسیله ساختن الگوریتمهای سورت ترکیبی. ما استفاده کردیم دو نوع از اولیه برای ساختن الگوریتمهای سورت تازه: سورت کردن و انتخاب اولیه. سورتهای اولیه ارائه میکنند یک الگوریتم سورت خالص را که شامال پارتیشن بندی داده است به طوریکه مثل radix sort و merge sort و quicksort. انتخاب اولیه ارائه میکند یک پروسه برای اجرا شدنه در زمان اجرای که به صورت داینامیک تصمیم میگیرد که الگوریتم سورت را برای بکار بردن.
الگوریتمهای سورت ترکیبی مطرح میکنند در این مقاله فرض شده است که داده هست سورت شده در پی در پی حافظه محلی. داده هست به صورت بازگشتی پارتیشن شده بوسیله یکی از 4 متدهای پارتیشن بندی. پارتیشن بندی بازگشتی خاتمه میدهد زمانی که یک الگوریتم سورت شکل گرفت هست بکار میرود در پارتیشن. ما الان توضیح میدهیم 4 پارتیشن بندی اولیه را در زیر بوسیله یک توضیح از دو سورت اولیه شکل گرفته. برای هر اولیه ما همچنین تشخیص میدهیم مقادیر پارامتری که باید باشد جستجو شده با تولیدات کتابخانه.

بخشی از مقاله انگلیسی:

Abstract The growing complexity of modern processors has made the generation of highly efficient code increasingly difficult. Manual code generation is very time consuming, but it is often the only choice since the code generated by today’s compiler technology often has much lower performance than the best hand-tuned codes. A promising code generation strategy, implemented by systems like ATLAS, FFTW, and SPIRAL, uses empirical search to find the parameter values of the implementation, such as the tile size and instruction schedules, that deliver near-optimal performance for a particular machine. However, this approach has only proven successful on scientific codes whose performance does not depend on the input data. In this paper we study machine learning techniques to extend empirical search to the generation of sorting routines, whose performance depends on the input characteristics and the architecture of the target machine. We build on a previous study that selects a ”pure” sorting algorithm at the outset of the computation as a function of the standard deviation. The approach discussed in this paper uses genetic algorithms and a classifier system to build hierarchically-organized hybrid sorting algorithms capable of adapting to the input data. Our results show that such algorithms generated using the approach presented in this paper are quite effective at taking into account the complex interactions between architectural and input data characteristics and that the resulting code performs significantly better than conventional sorting implementations and the code generated by our earlier study. In particular, the routines generated using our approach perform better than all the commercial libraries that we tried including IBM ESSL, INTEL MKL and the C++ STL. The best algorithm we have been able to generate is on the average 26% and 62% faster than the IBM ESSL in an IBM Power 3 and IBM Power 4, respectively. ∗This work was supported in part by the National Science Foundation under grant CCR 01-21401 ITR; by DARPA under contract NBCH30390004; and by gifts from INTEL and IBM. This work is not necessarily representative of the positions or policies of the Army or Government. 1 Introduction Although compiler technology has been extraordinarily successful at automating the process of program optimization, much human intervention is still needed to obtain highquality code. One reason is the unevenness of compiler implementations. There are excellent optimizing compilers for some platforms, but the compilers available for some other platforms leave much to be desired. A second, and perhaps more important, reason is that conventional compilers lack semantic information and, therefore, have limited transformation power. An emerging approach that has proven quite effective in overcoming both of these limitations is to use library generators. These systems make use of semantic information to apply transformations at all levels of abstractions. The most powerful library generators are not just program optimizers, but true algorithm design systems. ATLAS [21], PHiPAC [2], FFTW [7] and SPIRAL [23] are among the best known library generators. ATLAS and PHiPAC generate linear algebra routines and focus the optimization process on the implementation of matrix-matrix multiplication. During the installation, the parameter values of a matrix multiplication implementation, such as tile size and amount of loop unrolling, that deliver the best performance are identified using empirical search. This search proceeds by generating different versions of matrix multiplication that only differ in the parameter value that is being sought. An almost exhaustive search is used to find the best parameter values. The other two systems mentioned above, SPIRAL and FFTW, generate signal processing libraries. The search space in SPIRAL or FFTW is too large for exhaustive search to be possible. Thus, these systems search using heuristics such as dynamic programming [7, 12], or genetic algorithms [19]. In this paper, we explore the problem of generating highquality sorting routines. A difference between sorting and the algorithms implemented by the library generators just mentioned is that the performance of the algorithms they implement is completely determined by the characteristics of the target machine and the size of the input data, but not by other characteristics of the input data. However, in the case of sorting, performance also depends on other factors such as the distribution of the data to be sorted. In fact, as discussed below, multiway merge sort performs very well on some classes of input data sets while radix sort performs 1 Proceedings of the International Symposium on Code Generation and Optimization (CGO’05) 0-7695-2298-X/05 $ 20.00 IEEE poorly on these sets. For other data set classes we observe the reverse situation. Thus, the approach of today’s generators is useful to optimize the parameter values of a sorting algorithm, but not to select the best sorting algorithm for a given input. To adapt to the characteristics of the input set, in [14] we used the distribution of the input data to select a sorting algorithm. Although this approach has proven quite effective, the final performance is limited by the performance of the sorting algorithms – multiway merge sort, quicksort and radix sort are the choices in [14] – that can be selected at run time. In this paper, we extend and generalize our earlier approach [14]. Our new library generator produces implementations of composite sorting algorithms in the form of a hierarchy of sorting primitives whose particular shape ultimately depends on the architectural features of the target machine and the characteristics of the input data. The intuition behind this is that different sorting algorithms perform differently depending on the characteristic of each partition and as a result, the optimal sorting algorithm should be the composition of these different sorting algorithms. Besides the sorting primitives, the generated code contains selection primitives that dynamically select the composite algorithm as a function of the characteristics of the data in each partition. During the installation time, our new library approach searches for the function that maps the characteristics of the input to the best sorting algorithms using genetic algorithms [3, 8, 16, 22]. Genetic algorithms have also been used to search for the appropriate formula in SPIRAL [19] and for traditional compiler optimizations [4, 6, 20].

دانلود مقاله ترجمه شده سورت بهینه با الگوریتمهای ژنتیک

دانلود مقاله ترجمه شده سورت بهینه با الگوریتمهای ژنتیک سورت بهینه با الگوریتمهای ژنتیک

دسته بندی	کامپیوتر و IT
فرمت فایل	pdf
حجم فایل	2240 کیلو بایت
تعداد صفحات فایل	31

بخشی از ترجمه فارسی:

چکیده
رشد پیچیدگی پردازش های مدرن تولید کد موثر مناسب را بصورت افزایشی سخت ساخته است. تولید کد به صورت دستی بسیار زمان صرف کننده می باشد اما آن بارها انتخاب میشوند به طوریکه کد تولید شده بوسیله تکنولو‍‍‍‍ژی کامپایلرهای امروزی بارها اجرای پایین تری نسبت به بهترین کدهای آماده شده دستی دارند. یک نولید از استراتژی تولید کد انجام گرفته شده بوسیله سیستم های شبیه ATLAS,FFTW و SPIRAL که جستجوی تجربی را برای پیدا کردن مقادیر پارامتر از کارایی را استفاده کرده است به طوریکه اندازه تیله و زمانبندی آموزش که تحویل انجام بهینه برای یک ماشین مخصوص می باشد. به هر حال این دیدگاه دارد به تنهایی به طور کامل ثابت میکند در کدهای علمی اجرا به داده ورودی وابسته نیست. در این مقاله ما مطالعه میکنیم تکنیکهای یادگیری ماشین را برای توسعه جستجوی ترتیبی برای تولیدی از روتینهای سورت کردن که اجرا در مشخصات ورودی و معماری از ماشین هدف وابسته است. ما ساختیم در مطالعه قبلی که یک الگوریتم سورت خالص در اغازی از محاسبات مثل تابعی از انحراف معیار انتخاب کنیم. دیدگاهی که بحث میکنیم در این مقاله الگوریتمهای ژنتیک و یک سیستم طبقه بندی با ساختار بصورت سلسله مراتبی ساخته شده الگوریتمهای سورت تلفیقی توانا از تبدیل کردن داده ورودی استفاده میکند. نتایج ما نشان میدهد که الگوریتمهای تولید شده با استفاده از دیدگاه ارائه شده در این مقاله هستند سرع و موثر در گرفتن داخل اکانت اثرات متقابل پیچیده ما بین معماری و مشخصات داده ورودی و کد نتیجه بسیار مهم بهتر از اجراعات سورت مرسوم و کد تولید شده با مطالعه اسان ما اجرا میکند. به ویژه روتینهای تولید شده با دیدگاه ما اجرا میکند بهتر از تمام کتابخانه های تجاری که ما ازمایش کردیم مثل IBM ESSL,INTEL MKL و C++ STL. بهترین الگوریتم ما دارد توانایی تولید ای در معدل 26% و 62% سریعتر از IBM ESSL در یک IBM PAWER 3 و IBM PAWER 4 بترتیب را دارد.
1 مقدمه
اگر چه تکنولوژی کامپایلر فوق العاده در پردازش خودکاراز بهینه سازی برنامه کامل شده است و بیشتر مداخلات انسانی هنوز هست برای تامین کد بسیار سریع لازم شده است. یک دلیل اینکه ناجوری از اجراعات کامپایلر وجود دارد. اینها کامپایلرهای بیهنه عالی برای بعضی پلاتفرمها هستند اما کامپایلرهای موجود برای بعضی پلاتفرمهای دیگر بسیاری خواسته ها را ترک میکنند. دومین دلیل و شاید بسیار مهم این هست که کامپایلرهای مرسوم که فاقد اطلاعات معنایی هستند و بنابراین محدود شده اند به قدرت دگرگونییا تغییر. یک دیدگاه ایجاد شده که دارد ثابت شده بکلی موثر در چیره شدن به هر دوی این محدودیتها استفاده نمودن تولید کننده های کتابخانه میباشد. این سیستمها استفاده معنایی در اطلاعات برای بکار بردن دگرگون سازی در تمام سطوح از تجرید مهیا میسازند. بیشتر تولیدات کتابخانه قدرتمند نیستند فقط بهینه ساز برنامه همان سیستمهای طراحی الگوریتم هستند.
ATLAS[21],PHiPAC[2],FFTW[7],SPIRAL[23] در طول بهترین تولید کننده های کتابخانه دانسته شده میباشند. ATLAS ,PHiPAC تولید میکنند روتینهای جبری خطی را و پردازش بهینه را در پیاده سازی از ضرب ماتریس در ماتریس فوکس میکنند. در مدت نصب مقادیر پارامتر از یک پیاده سازی ضرب یک ماتریس بطوریکه اندازه تیله و مقداری از حلقه باز شده که تحویل میدهد بهترین انجام معین کننده هویت استفاده جستجوی تجربی. این جستجو پردازش میشود با تولید کردن ورژنهای گوناگون از ضرب ماتریسی که تنها اختلاف دارند در مقدار پارامتر که هست شروع به جستجو. در تقریب جستجوی گسترده هست استفاده شده برای پیدا کردن بهترین مقادیر پارامتر. دو سیستم دیگر اشاره دارند روی SPIRAL,FFTW تولید میکنند کتابخانه های پردازش کننده تنها را. فضای جستجو در SPIRAL,FFTW هست همچنین بزرگتر برای جستجوی گسترده برای ممکن شدن. بنابراین این سیستمها جستجو میکنند با استفاده هیوریستیک مثل برنامه نویسی داینامیک [7,12] یا الگوریتمهای ژنتیک [19].
در این مقاله ما مرور میکنیم مسئله از تولید کردن روتینهای سورت سرعت بالا را. یک تفاوت ما بین سورت کردن و پیاده سازی الگوریتم پیاده سازی شده بوسیله بوسیله تولیدات کتابخانه ای فقط اشاره کرده هست این اجرا از الگوریتمها انها انجام ابزار هست به طور کامل تعیین شده بوسیله مشخصاتی از ماشین هدف و اندازه ای از داده ورودی اما نیست بوسیله دیگر مشخصات از داده ورودی. به هر حال در حالتی از سورت اجرا همچنین وابسته است در دیگر فاکتورهای مثل توزیع داده برای سورت شدن. در حقیقت بحث پایین سورت مرج چند راهی را اجرا میکند بسیار خوب در بعضی کلاسهایی ازمجموعه های داده ورودی که radix سورت اجرا میکند بطور غیر کافی در این مجموعه. برای دیگر کلاسهای مجموعه داده ما رعایت میکنیم موقعیت معکوس را. بنابراین دیدگاه تولید کننده های امروزی هست مفید برای بهینه سازی مقادیر پارامتر از الگوریتمهای سورت اما نیست برای انتخاب بهترین الگوریتم برای گرفتن ورودی. برای تبدیل به مشخصات از مجموعه ورودی در [14] ما استفاده کردیم توزیع ای از داده ورودی برای انتخاب الگوریتم سورت. اگر چه این دیدگاه هست ثابت شده که بکلی موثر است اجرای اخر هست محدود شده با اجرایی از الگوریتمهای سورت مثل سورت مرج چند راهی وسورت سریع و سورت radix هستند انتخاب شده در [14] که میتواند انتخاب شده باشد در زمان اجرا.
در این مقاله ما ادامه میدهیم و عمومیت میدهیم به دیدگاه سادهترمان[14] . تولید کتابخانه جدید ما تولید میکند اجرایی از الگوریتمهای سورت مرکب رادر فرمی از یک سلسله مراتبی از سورتهای اولیه که مخصوص شکل نهایی توسعه شده در چهره سلسله مرتبی از ماشین هدف و مشخصات داده ورودی. درک مستقیم باقی کار این است که الگوریتمهای سورت مختلف اجرا میکنند به صورت متفاوت توسعه دادن را در مشخصات ای از هر بخش و مثل یک نتیجه و الگوریتم سورت بهینه می بایستی باشد ترکیبی از این الگوریتمهای سورت مختلف. گذشته از این سورتهای اولیه تولید کردند کد شامل انتخاب اولیه که به صورت داینامیک انتخاب میکند مخلوط الگوریتم مثل یک تابع از مشخصات ای از داده در هر بخش را. در مدت زمان نصب دیدگاه کتابخانه جدید ما جستجو میکند برای تابعی که نگاشت میکند مشخصات ای از ورودی را برای بهترین الگوریتمهای سورت با استفاده از الگوریتمهای ژنتیک [3,8,16,22]. الگوریتمهای ژنتیک استفاده شده اند برای جستجو برای اختصاص دادن فرمول در SPIRAL[19] و برای بهینه سازی کامپایلر رسمی [4,6,20].
نتایج ما نشان میدهد که دیدگاهمان هست بسیار موثر. بهترین الگوریتم ما داریم تولید شده هست در معدل 36% سریعتر از بهترین روتین سورت خالص و شروع با 45% سریعتر. روتین سورت ما اجرا میکند یهتر از تمام کتابخانه های تجاری که ما سعی میکنیم شامل IBM ESSL,INTEL MKL و STL از C++. در معدل روتینهای تولید شده 26% و62% سریعتر از IBM ESSL در یک IBM PAWR3 و IBM POWER 4 به ترتیب.
نتیجه از این مقاله سازمان دهی شده مثل زیر. بخش 2 بحث میکند اولیه ای که ما استفاده کردیم برای ساختن الگوریتمهای سورت. بخش 3 مرور میکند چرا ما اتنخاب کردیم الگوریتمهای ژنتیک را برای جستجو و مرور بعضی جزییات از الگوریتم ای که ما انجام دادیم. بخش 4 نشان میدهد نتایج اجرا شده را. بخش 5 خلاصه مطالب چگونگی استفاده الگوریتمهای ژنتیک را برای تولید یک سیستم طبقه بندی برای روتینهای سورت میباشد و سرانجام بخش 6 ارائه میکند نتایجمان را.
2 سورت اولیه
در این بخش ما توضیح میدهیم بلوکهای ساخته شده از الگوریتمهای سورت ترکیبییمان را. این اولییه ها انتخاب شده اند بر مبنای ازمایش با الگوریتمهای سورت مختلف و مطالعه ای از فاکتورهای که اثر میکنند به اجرایشان. یک خلاصه از نتایج این ازمایشات در شکل 1 ارائه شده است که کشیده شده زمان اجرا از سه الگوریتم سورت در برابر انحراف معیار از کلیدهای سورت شده.

نتایج نشان داده شده برای SUN ULTRASPARC III و برای دو اندازه از مجموعه داده 2 میلیون و 16 میلیون. سه الگوریتم هستند: QUICKSORT [10,17] و CACHE-CONSCIOUS RADIX SORT (CC-RADIX)[11] و MULTIWAY MERG SORT[13]. شکل 1 نشان میدهد که برای 2M رکورد بهترین الگوریتم سورت هست QUICKSORT یا CC-RADIX زمانی که برای 16M رکورد MULTIWAY MERGE SORT یا CC-RADIX هستند بهترین االگوریتم. مشخصات ورودی که تعیین شده زمانی که CC-RADIX هست بهترین الگوریتم هست انحراف معیار از رکوردها برای سورت شدن. CC-RADIX هست بهتر زمانی که انحراف معیار از رکوردها هست بالا برای اینکه اگر مقادیر از عناصر در داده ورودی هست متمرکز شده اند گرداگرد بعضی مقادیر ان هست بسیار شبیه به اینکه بیشتر عناصر در بعضی از BUCKET ها باشند . بنابراین بیشتر پارتیشنها سبقت میگیرند برای بکار بردن قبل از BUCKET های مناسب داخل کش و بنابراین بیشتر کش های فاقد هستند موجب شده در مدت پارتیشن بندی. نتایج اجرا در دیگر پلتفرمها نشان میدهد که تمایل عمومی از الگوریتمها هست همیشه یکسان اما نقطه متقاطع اجرا اتفاق می افتد در نقاط مختلف در پلت فرمهای مختلف.
ان میفهماند برای بسیاری سالها که اجرا QUICKSORT میتواند بهبود شود زمانی که ترکیب شده با دیگر الگوریتمها [17]. ما تایید میکنیم به صورت ازمایشی که وقتی پارتیشن هست کوچکتر از یک استانه خوب (که مقدار وابسته است در پلتفرم هدف) ان هست بهترین برای استفاده INSERTION SORT یا ذخیره داده در رجیسترها و سورت بوسیله تعویض مقادیر ما بین ریجسترها [14] به جای ادامه دادن به صورت بازگشتی بکار بردن quicksort. Register sort هست یک الگوریتم کد مستقیم که اجرا میکند مقایسه-و-تعویض از مقادیر سورت شده در رجیسترهای پروسسور [13].
Darlington [5] معرفی کرده ایده ای از سورتهای اولیه و تشخیص merge sort و quicksort مثل دو الگوریتم اولیه. در این مقاله ما جستجو کیکنیم برای یک الگوریتم بهینه بوسیله ساختن الگوریتمهای سورت ترکیبی. ما استفاده کردیم دو نوع از اولیه برای ساختن الگوریتمهای سورت تازه: سورت کردن و انتخاب اولیه. سورتهای اولیه ارائه میکنند یک الگوریتم سورت خالص را که شامال پارتیشن بندی داده است به طوریکه مثل radix sort و merge sort و quicksort. انتخاب اولیه ارائه میکند یک پروسه برای اجرا شدنه در زمان اجرای که به صورت داینامیک تصمیم میگیرد که الگوریتم سورت را برای بکار بردن.
الگوریتمهای سورت ترکیبی مطرح میکنند در این مقاله فرض شده است که داده هست سورت شده در پی در پی حافظه محلی. داده هست به صورت بازگشتی پارتیشن شده بوسیله یکی از 4 متدهای پارتیشن بندی. پارتیشن بندی بازگشتی خاتمه میدهد زمانی که یک الگوریتم سورت شکل گرفت هست بکار میرود در پارتیشن. ما الان توضیح میدهیم 4 پارتیشن بندی اولیه را در زیر بوسیله یک توضیح از دو سورت اولیه شکل گرفته. برای هر اولیه ما همچنین تشخیص میدهیم مقادیر پارامتری که باید باشد جستجو شده با تولیدات کتابخانه.

بخشی از مقاله انگلیسی:

Abstract The growing complexity of modern processors has made the generation of highly efficient code increasingly difficult. Manual code generation is very time consuming, but it is often the only choice since the code generated by today’s compiler technology often has much lower performance than the best hand-tuned codes. A promising code generation strategy, implemented by systems like ATLAS, FFTW, and SPIRAL, uses empirical search to find the parameter values of the implementation, such as the tile size and instruction schedules, that deliver near-optimal performance for a particular machine. However, this approach has only proven successful on scientific codes whose performance does not depend on the input data. In this paper we study machine learning techniques to extend empirical search to the generation of sorting routines, whose performance depends on the input characteristics and the architecture of the target machine. We build on a previous study that selects a ”pure” sorting algorithm at the outset of the computation as a function of the standard deviation. The approach discussed in this paper uses genetic algorithms and a classifier system to build hierarchically-organized hybrid sorting algorithms capable of adapting to the input data. Our results show that such algorithms generated using the approach presented in this paper are quite effective at taking into account the complex interactions between architectural and input data characteristics and that the resulting code performs significantly better than conventional sorting implementations and the code generated by our earlier study. In particular, the routines generated using our approach perform better than all the commercial libraries that we tried including IBM ESSL, INTEL MKL and the C++ STL. The best algorithm we have been able to generate is on the average 26% and 62% faster than the IBM ESSL in an IBM Power 3 and IBM Power 4, respectively. ∗This work was supported in part by the National Science Foundation under grant CCR 01-21401 ITR; by DARPA under contract NBCH30390004; and by gifts from INTEL and IBM. This work is not necessarily representative of the positions or policies of the Army or Government. 1 Introduction Although compiler technology has been extraordinarily successful at automating the process of program optimization, much human intervention is still needed to obtain highquality code. One reason is the unevenness of compiler implementations. There are excellent optimizing compilers for some platforms, but the compilers available for some other platforms leave much to be desired. A second, and perhaps more important, reason is that conventional compilers lack semantic information and, therefore, have limited transformation power. An emerging approach that has proven quite effective in overcoming both of these limitations is to use library generators. These systems make use of semantic information to apply transformations at all levels of abstractions. The most powerful library generators are not just program optimizers, but true algorithm design systems. ATLAS [21], PHiPAC [2], FFTW [7] and SPIRAL [23] are among the best known library generators. ATLAS and PHiPAC generate linear algebra routines and focus the optimization process on the implementation of matrix-matrix multiplication. During the installation, the parameter values of a matrix multiplication implementation, such as tile size and amount of loop unrolling, that deliver the best performance are identified using empirical search. This search proceeds by generating different versions of matrix multiplication that only differ in the parameter value that is being sought. An almost exhaustive search is used to find the best parameter values. The other two systems mentioned above, SPIRAL and FFTW, generate signal processing libraries. The search space in SPIRAL or FFTW is too large for exhaustive search to be possible. Thus, these systems search using heuristics such as dynamic programming [7, 12], or genetic algorithms [19]. In this paper, we explore the problem of generating highquality sorting routines. A difference between sorting and the algorithms implemented by the library generators just mentioned is that the performance of the algorithms they implement is completely determined by the characteristics of the target machine and the size of the input data, but not by other characteristics of the input data. However, in the case of sorting, performance also depends on other factors such as the distribution of the data to be sorted. In fact, as discussed below, multiway merge sort performs very well on some classes of input data sets while radix sort performs 1 Proceedings of the International Symposium on Code Generation and Optimization (CGO’05) 0-7695-2298-X/05 $ 20.00 IEEE poorly on these sets. For other data set classes we observe the reverse situation. Thus, the approach of today’s generators is useful to optimize the parameter values of a sorting algorithm, but not to select the best sorting algorithm for a given input. To adapt to the characteristics of the input set, in [14] we used the distribution of the input data to select a sorting algorithm. Although this approach has proven quite effective, the final performance is limited by the performance of the sorting algorithms – multiway merge sort, quicksort and radix sort are the choices in [14] – that can be selected at run time. In this paper, we extend and generalize our earlier approach [14]. Our new library generator produces implementations of composite sorting algorithms in the form of a hierarchy of sorting primitives whose particular shape ultimately depends on the architectural features of the target machine and the characteristics of the input data. The intuition behind this is that different sorting algorithms perform differently depending on the characteristic of each partition and as a result, the optimal sorting algorithm should be the composition of these different sorting algorithms. Besides the sorting primitives, the generated code contains selection primitives that dynamically select the composite algorithm as a function of the characteristics of the data in each partition. During the installation time, our new library approach searches for the function that maps the characteristics of the input to the best sorting algorithms using genetic algorithms [3, 8, 16, 22]. Genetic algorithms have also been used to search for the appropriate formula in SPIRAL [19] and for traditional compiler optimizations [4, 6, 20].

الگوریتم ژنتیک

الگوریتم ژنتیک این برنامه شامل کد نویسی الگوریتم ژنتیک در محیط متلب می باشد برنامه به زبان قابل فهم همراه با توضیحات می باشد توضیحات مربوط به این الگوریتم در یک فایل دیگر در کنار برنامه متلب نوشته شده ضمیمه می باشد

دسته بندی	متلب MATLAB
فرمت فایل	rar
حجم فایل	83 کیلو بایت
تعداد صفحات فایل	3

این برنامه شامل کد نویسی الگوریتم ژنتیک در محیط متلب می باشد. برنامه به زبان قابل فهم همراه با توضیحات می باشد.

توضیحات مربوط به این الگوریتم در یک فایل دیگر در کنار برنامه متلب نوشته شده ضمیمه می باشد.

مبانی نظری و پیشینه ارتباط ازدواج خویشاوندی و بیماری های ژنتیکی

مبانی نظری و پیشینه ارتباط ازدواج خویشاوندی و بیماری های ژنتیکی مبانی نظری و پیشینه ارتباط ازدواج خویشاوندی و بیماری های ژنتیکی

دسته بندی	علوم اجتماعی
فرمت فایل	docx
حجم فایل	119 کیلو بایت
تعداد صفحات فایل	32

بصورت فایل ورد

همراه با منابع

2-1)پیشینه تحقیق............................................................10

2-1-1)مطالعات انجام شده در کشور های مختلف.............................10

2-1-2)مطالعات در ایران...............................................................12

2-1-3)مطالعات در اصفهان.................................................14

2-2)مبانی نظری تحقیق................................................18

2-2-1)نظریات صاحبنظران جامعه شناسی...............................19

2-2-2)نظریه مدرنیزاسیون...................................................20

2-2-3)نظریه ویلیام گود.............................................21

2-3-1)ازدواج فامیلی در تاریخ باستان و قبل از انبیای الهی..............23

2-3-2)ازدواج فامیلی در ادیان مختلف...................................24

2-3-3)ازدواج فامیلی در دین مسیح......................................24

2-3-4)ازدواج فامیلی در دین اسلام.......................................25

2-4)عوامل موثر بر افزایش یا کاهش ازدواج فامیلی در ایران...........26

2-5)بیماری ژنتیکی چیست؟.............................................31

2-6)انواع بیماری های ژنتیکی.......................................32

2-6-1)بیماری های ارثی چند ژنی.............................................33

2-6-2)بیماری های ارثی اتوزومال غالب....................................34

2-6-3)بیماری های ارثی اتوزومال مغلوب...............................34

2-6-4)بیماری های ارثی وابسته به جنس....................................35

2-7)ازدواج خویشاوندی و بیماری های ژنتیکی...............................36

2-8)چارچوب نظری تحقیق.......................................................39

2-9)فرضیات تحقیق.....................................................................42

مقاله ژن درمانی انسانی: مروری مختصر بر انقلاب و تکامل ژنتیک

مقاله ژن درمانی انسانی: مروری مختصر بر انقلاب و تکامل ژنتیک جیمز واتسون گفته است ما فکر می کردیم تقدیرمان در ستاره هاست ؛ اما الان می دانیم که به احتمال خیلی بالا ، تقدیر ما در ژن هایمان است ژن ها واحد های عملکدی وراثت ، توالی های مشخصی هستند که دستور العمل ساخت پروتئین ها را کد می کنند با اینکه به ژن ها توجه فراوانی می شود ؛ پروتئین ها هستند که بیشتر فعالیت های زندگی را انجام می دهند یک ژن غیر عا

دسته بندی	ژنتیک
فرمت فایل	rar
حجم فایل	22 کیلو بایت
تعداد صفحات فایل	15

جیمز واتسون گفته است : "  ما فکر  می کردیم تقدیرمان در ستاره هاست ؛ اما الان می دانیم که به احتمال خیلی بالا ، تقدیر ما در ژن هایمان است "  ژن ها واحد های عملکدی وراثت ، توالی های مشخصی هستند که دستور العمل ساخت پروتئین ها را کد می کنند . با اینکه به ژن ها توجه فراوانی می شود ؛ پروتئین ها هستند که بیشتر فعالیت های زندگی را انجام می دهند

-         یک ژن غیر عادی میتواند طی نوترکیبی همولوگ با یک ژن عادی جابه جا شود .

ژن تراپی یک رویکرد آزمایشی باقی می ماند و پیش از آنکه درمان های آن به پتانسیل خود برسند ، تحقیقات فراوانی نیاز به انجام شدن دارند. غالب تحقیقات ژن تراپی در ایالات متحده و اروپا انجام می شوند

2 نوع ژن درمانی وجود دارد

1-germ line gene therapy : که germ cell  ها ( اسپرم یا تخمک ) با ورود ژن های فانکشنال به دورن زنومشان ، اصلاح می شوند . به این شکل ، تغییرات ناشی از  ژن درمانی ارثی و قابل انتقال به نسل های بعدی خواهد بود . از نظر تئوری ، این رویکرد باید قویا ً در درمان بیماری های ژنتیکی و نقص های ارثی موثر باشند . ولی در حال حاضر تعدادی مشکل تکنیکال و دلایل اخلاقی باعث میشوند که احتمال اینکه  germ line therapy  در آینده ی نزدیک در انسان به کار گرفته شود ، پایین باشد .

2-somatic gene therapy  : که ژن های درمانی به درون سلول های سوماتیک بیمار انتقال می یابند . هر تاثیر و بهبودی تنها منحصر بع آن بیمار خاص خواهد بود و به نسل های بعدی بیمار نخواهد رسید .

 

درمقاله مورد نظر با استفاده از جدیدترین پژوهش ها ، رویکردو تغییر جهت پزشکی نوین در مقابله با بیماریها را در قابلیت های ژن درمانی بررسی نموده و نوعی درمانهای شخصی یا شخصی سازی درمان را برای دهه ی آینده  پیش بینی می کند . از منظر علم ژنتیک پزشکی آینده بسیار متفاوت نسبت به پزشکی سنتی امروزه خواهد بود

کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر(CAPP) در محیطهای صنعتی مختلف

کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر(CAPP) در محیطهای صنعتی مختلف در یک محیط صنعتی توزیع شده، کارخانه های مختلف و دارای ماشین ها و ابزارهای گوناگون در مکان های جغرافیایی مختلف غالبا به منظور رسیدن به بالاترین کارایی تولید ترکیب می شوند در زمان تولید قطعات و محصولات مختلف ، طرح های فرایند مورد قبول توسط کارخانه های موجود تولید می شود این طرحها شامل نوع ماشین، تجهیز و ابزار برای هر فرآیند عملیاتی لازم برای تولید ق

دسته بندی	کامپیوتر و IT
فرمت فایل	doc
حجم فایل	1014 کیلو بایت
تعداد صفحات فایل	98

چکیده

در یک محیط صنعتی توزیع شده، کارخانه های مختلف و دارای ماشین ها و ابزارهای گوناگون در مکان های جغرافیایی مختلف غالبا به منظور رسیدن به بالاترین کارایی تولید ترکیب می شوند. در زمان تولید قطعات و محصولات مختلف ، طرح های فرایند مورد قبول توسط کارخانه های موجود تولید می شود. این طرحها شامل نوع ماشین، تجهیز و ابزار برای هر فرآیند عملیاتی لازم برای تولید قطعه است. طرح های فرایند ممکن است به دلیل تفاوت محدودیت های منابع متفاوت باشند. بنابراین به دست آوردن طرح فرایند بهینه یا نزدیک به بهینه مهم به نظر می رسد. به عبارت دیگر تعیین اینکه هر محصول درکدام کارخانه و با کدام ماشین آلات و ابزار تولید گردد امری لازم و ضروری می باشد. به همین منظور می بایست از بین طرحهای مختلف طرحی را انتخاب کرد که در عین ممکن بودن هزینه تولید محصولات را نیز کمینه سازد. در این تحقیق  یک الگوریتم ژنتیک معرفی می شود که بر طبق ضوابط از پیش تعیین شده مانند مینیمم سازی زمان فرایند می تواند به سرعت طرح فرایند بهینه را برای یک سیستم تولیدی واحد و همچنین یک سیستم تولیدی توزیع شده جستجو می کند. با استفاده از الگوریتم ژنتیک، برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) می تواند براساس معیار در نظر گرفته شده طرح های فرایند بهینه یا نزدیک به بهینه ایجاد کند، بررسی های موردی به طور آشکار امکان عملی شدن و استحکام روش را نشان می دهند. این کار با استفاده از الگوریتم ژنتیک در CAPP هم در سیستمهای تولیدی توزیع شده و هم واحد صورت می گیرد. بررسی های موردی نشان می دهد که این روش شبیه یا بهتر از برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) مرسوم تک کارخانه ای است

واژه‌های کلیدی

برنامه ریزی فرآیند به کمک کامپیوتر (CAPP)، الگوریتم ژنتیک، محیط صنعتی توزیع شده، تولید یکپارچه کامپیوتری.

فهرست مطالب 

عنوان	صفحه
مقدمه ..........................................................................................................................................................................	11
فصل یکم -  معرفی برنامه ریزی فرآیند به کمک کامپیوتر(CAPP) و الگوریتم ژنتیک ..............................................	17
1-1-  برنامه ریزی فرآیند به کمک کامپیوتر................................................................................................................	17
1-1-1- رویکرد بنیادی ..............................................................................................................................................	18
1-1-2- رویکرد متنوع ...............................................................................................................................................	18
1-2- الگوریتم ژنتیک.................................................................................................................................................	20
1-2-1-کلیات الگوریتم ژنتیک..................................................................................................................................	21
1-2-2-قسمت های مهم الگوریتم ژنتیک....................................................................................................................	23
1-2-2-1-تابع هدف و تابع برازش..............................................................................................................................	26
1-2-2-2- انتخاب......................................................................................................................................................	27
1-2-2-3- تقاطع.........................................................................................................................................................	28
1-2-2-4- جهش........................................................................................................................................................	32
فصل دوم- نمونه هایی از کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر.........................................	34
2-1-بهینه سازی مسیر فرآیند با استفاده از الگوریتم ژنتیک...........................................................................................	34
2-1-1- توصیف توالی فرآیند.....................................................................................................................................	34
2-1-2- استراتژی کد گزاری.....................................................................................................................................	37
2-1-3- تجزیه و تحلیل همگرایی................................................................................................................................	38
2-1-3-1-همگرایی نزدیک شونده..............................................................................................................................	38
2-1-3-2-همگرایی با در نظر گرفتن احتمال................................................................................................................	40
2-1-3-3-همگرایی GAها در توالی سازی فرایندهای پشت سر هم.............................................................................	40
2-1-3-4-تعریف یک قانون.......................................................................................................................................	41
2-1-4-اپراتورهای ژنتیک...........................................................................................................................................	41
2-1-4-1-اپراتور انتخاب............................................................................................................................................	41
2-1-4-2- اپراتور تغییر و انتقال...................................................................................................................................	42
2-1-4-3- اپراتور جهش............................................................................................................................................	44
2-1-5- برقراری تابع تناسب.......................................................................................................................................	44
2-1-5-1- آنالیز محدودیت ها..................................................................................................................................	44
2-1-5-2- برقراری تابع برازش...................................................................................................................................	45
2-1-6-مثال................................................................................................................................................................	47
2-1-6-1-مثالهایی برای کاربرد این روشها .................................................................................................................	47
2-1-6-2-تاثیر پارامترهای متغیر بر روند تحقیقات ......................................................................................................	49
2-1-7-نتیجه گیری...................................................................................................................................................	50
2-2-روشی برای برنامه ریزی  مقدماتی ترکیبات دورانی شکل محور Cاستفاده از الگوریتم ژنتیک.........................	51
2-2-1-مقدمه.............................................................................................................................................................	51
2-2-2-مدول های سیستمCAPP  پیشنهاد شده........................................................................................................	54
2-2-3-تجسم قطعه...................................................................................................................................................	56
2-2-4-تولید توالی های ممکن..................................................................................................................................	58
2-2-4-1-الزامات اولویت دار..................................................................................................................................	58
2-2-4-2- الزامات تلرانس هندسی.............................................................................................................................	59
2-2-4-3- رابطه ویژگی های اولویت دار....................................................................................................................	60
2-2-5 بهینه سازی با استفاده از الگوریتم ژنتیک GA..................................................................................................	64
2-2-5-1- تابع برازش...............................................................................................................................................	67
2-2-5-2- الگوریتم ژنتیک......................... .............................................................................................................	68
2-2-6- نتایج و بحث...............................................................................................................................................	71
2-2-7-نتیجه گیری...................................................................................................................................................	71
فصل سوم: الگوریتم پیشنهادی برای کاربرد الگوریتم  ژنتیک در طراحی قطعه به کمک کامپیوتر در محیط صنعتی .....	73
3-1-مقدمه................................................................................................................................................................	73
3-2-الگوریتم ژنتیک................................................................................................................................................	74
3-2-1-سیستم های تولیدی توزیع شده........................................................................................................................	74
3-2-2-نمایش طرح های فرایند...................................................................................................................................	75
3-2-3-جمعیت اولیه..................................................................................................................................................	76
3-3-تولید مثل..........................................................................................................................................................	76
3-3-1-ادغام...........................................................................................................................................................	76
3-3-2-دگرگونی و جهش.......................................................................................................................................	77
3-4- ارزیابی کروموزوم ...........................................................................................................................................	80
3-4-1- مینیمم سازی زمان فرایند................................................................................................................................	80
3-4-2- مینیمم سازی هزینه های تولید.........................................................................................................................	80
3-5- مطالعات موردی...............................................................................................................................................	81
3-5-1- CAPPسنتی................................................................................................................................................	81
3-5-2- CAPP توزیع شده.......................................................................................................................................	85
3-6- ارزیابی..............................................................................................................................................................	88
3-6-1- معیار اول.......................................................................................................................................................	88
3-6-2- معیار دوم.......................................................................................................................................................	89
فصل چهارم -نتیجه گیری....................................................................................................................................	90

مقدمه

در جهان صنعتی امروز، به تولید به عنوان یک سلاح رقابتی نگریسته می شود و سازمانهای تولیدی در محیطی قرار گرفته اند که از ویژگی های آن می توان به افزایش فشارهای رقابتی، تنوع در محصولات، تغییر در انتظارات اجتماعی و افزایش سطح توقع مشتریان اشاره کرد. محصولات در حالی که باید بسیار کیفی باشند، تنها زمان کوتاهی در بازار می مانند و باید جای خود را به محصولاتی بدهند که با آخرین ذائقه، سلیقه و یا نیاز مشتریان سازگار هستند. بی توجهی به خواست مشتری و یا قصور در تحویل به موقع ممکن است بسیار گران تمام شود. شرایط فوق سبب گردیده تا موضوع اطلاعات برای سازمانهای تولیدی از اهمیت زیادی برخوردار شود. از طرف دیگر، آخرین بررسی ها حاکی از آن است که استراتژی رقابتی مبتنی بر بازار خود نیز به تدریج در حال گذر است و چشم انداز استراتژیک رقابت در آینده مبتنی بر منابع خواهد بود. به عبارت دیگر در حالی که شرکتها امروزه موفقیت را در تبعیت و استفاده درست از قوانین، فرصتها و شرایط دیکته شده توسط بازار می دانند، استراتژی مبتنی بر منابع بر این موضوع تاکید دارد که منفعت و موفقیت بیشتر با اتکا بر مزیتها و منابع منحصر به فرد و قابل اطمینان شرکت و سرمایه گذاری به منظور توسعه و حفاظت از آنها حاصل خواهد شد.

البته منابع تولیدی مورد نظر تنها شامل سرمایه، زمین، ماشین آلات و تجهیزات نمی شوند، بلکه بنای تولید نسل آینده بر تاکید و توجه به اطلاعات، مدیریت دانش و توجه ویژه به مسئله آموزش افراد خواهد بود.

وضعیت به وجود آمده و تحولات صورت گرفته مذکور در حوزه فعالیتهای تولیدی، اگرچه خود حاصل به کارگیری گسترده و همه جانبه فناوریهای اطلاعاتی در این حوزه است، ولی در عین حال باعث توجه مضاعف سازمانها و شرکتهای تولیدی به مقوله اطلاعات و فناوریهای مرتبط با آن شده است. این تحقیق با هدف تبیین موضوع فوق به طور عام و تبیین بخش خاصی از آن به نام برنامه ریزی فرایند به کمک کامپیوتر صورت گرفته است. اهمیت این بررسی از آنجا ناشی می شود که چند سالی است در کشور، افزایش تعداد واحدهای تولیدی و به تبع آن تحقق نسبی فضای رقابتی باعث گردیده تا توجه تولیدکنندگان و شرکتهای صنعتی به کیفیت محصولات، افزایش سهم بازار و مسئله صادرات معطوف گردد. از همین رو به نظر مــی رسد دانستن تحولات صورت گرفته در بخشهای تولیدی جوامع پیشرفته می تواند در تعیین و شناخت بهتر مسیری که سازمانهای تولیدی و صنعتی کشور برای ارتقای توان رقابتی خود باید طی کنند موثر واقع شود. توسعــه های اخیر در حوزه فناوری اطلاعات به ویژه هوش مصنوعی و سیستم های خبره، وضعیت تولید در جوامع صنعتی را دگرگون ساخته است.

عصر فعلی را برخی عصر اطلاعات لقب داده اند. این نامگذاری شاید به این دلیل باشد که امروزه اطلاعات به جزء تفکیک ناپذیر زندگی بشر تبدیل شده است. اگرچه اطلاعات از دیرباز در زندگی بشر تاثیر بسزایی داشته و انسان برای تصمیم گیریها و طی طریق همواره محتاج به آن بوده است ولی آنچه که امروزه اهمیت آن را صدچندان کرده، شرایط نوین زندگی و افزایش سهم اطلاعات در آن است.

اختراع رایانه، امکان پردازش سریع و ذخیره حجم انبوهی از داده ها را فراهم آورد و پیشرفتهای بعدی در زمینه ارتباط بین رایانه ها و امکان تبادل داده بین آنها، تبادل و انتقال اطلاعات را در سطح وسیعی ممکن ساخت. این رویدادها به همراه سایر پیشرفتهای صورت گرفته در زمینه الکترونیک و ارتباطات اعم از میکروالکترونیک، نیمه هادیها، ماهواره و روباتیک به وقوع انقلابی در زمینه نحوه جمع آوری، پردازش، ذخیره سازی، فراخوانی و ارائه اطلاعات منجر گردید که شکل گیری فناوری اطلاعات حاصل این رویداد بود.

براساس تعریف، فناوریهای اطلاعاتی مجموعه ای از ابزارها، تجهیزات، دانش و مهارتهاست که از آنها در گردآوری، ذخیـــــره سازی، پردازش و انتقال اطلاعات (اعم از متن، تصویر، صوت و...) استفاده می شود.

در این میان نقش ابزارهای رایانه ای و مخابراتی به وضوح مشخص است. این فناوری به سرعت در حال رشد است و فعالیتها و سرمایه گذاریهای انجام شده در این زمینه به ویژه پس از ظهور پدیده اینترنت، بسیار چشمگیر است. دامنه علوم مرتبط با آن بسیار گسترده و وسیع بوده و مباحثی نظیر علوم رایانه و مهندسی نرم افزار، مخابرات، هوش مصنوعی، سیستم های اطلاعاتی مدیریتی، سیستم های پشتیبانی تصمیم، مهندسی دانش، فناوری چندرسانه ای، مدیریت اطلاعات، امنیت داده و اطلاعات، داد و ستد و ارتباطات انسان - رایانه، ارتباطات گروهی مبتنی بر رایانه، روباتیک و پایگاههای اطلاعاتی اینترنتی را شامل می شود. پرتوهای این فناوری نوین بسیاری از زوایای زندگی انسان را فرا گرفته است و بسیاری از علوم و موضوعها را تحت تاثیر خود قرار داده است.

امروزه موارد استفاده فناوری اطلاعات را می توان در آموزش، مدیریت و سازمان، پزشکی، تجارت، امور نظامی، تولید و صنعت، تحقیقات، حمل و نقل، کنترل ترافیک و صنعت نشر به وضوح مشاهده کرد.

جستجو به منظور یافتن راهی بهتر برای تولید قطعات، همواره عامل محرک و اساسی در خودکارسازی یا اتوماسیون بوده است. تعویض نیروی کار انسانی با ماشین را می توان ابتدایی ترین مرحله خودکارسازی تولید دانست که حدوداً در سال 1775 میلادی به وقوع پیوست و انقلاب صنعتی نقش موثری در رابطه با آن داشت. دستگاه تراش و نقاله ها نمونه هایی از مکانیزاسیون ایجاد شده بودند. روند اتوماسیون، در سال 1952 با ساخت اولین ماشین NC در دانشگاهMIT وارد مرحله جدیدی شد که مشخصه بارز آن عبارت بود از جایگزینی کنترل انسانی با کنترل خودکار ماشین. نوعی از اتوماسیون قابل برنامه ریزی بود که عملیات آن به وسیله اعداد و نشانه ها کنترل می شد.

در دهه 70، با ظهور رایانه های ارزانتر و کارآتر و پیشرفتهای الکترونیکی و مخابراتی، اتوماسیون های نقطه ای نیز به تدریج گسترش یافته و با پیوستن به یکدیگر تبدیل به اتوماسیون های گسترده تری به نام جزایر اتوماسیون شدند. جزایر اتوماسیون نشانگر مجموعه ای از زیرسیستم های یکپارچه خودکار شده در کارخانه هستند. سیستم های تولید انعطاف پذیر، سیستم مدیریت تولید، سیستم های یکپارچه جابجایی و انبارسازی مواد و سیستم های CAM وCAD نمونه هایی از جزایر اتوماسیون ایجاد شده هستند. انگیزه غایی، همانا خواست انسان برای افزایش هرچه بیشتر اتوماسیون در سیستم تولیدی به منظور دستیابی به بهره وری بالاتر است.

باادامه فعالیت و تحقیق بر روی جزایر اتوماسیون، این جزایر نیز به مرور توسعه پیدا کرده و شروع به همپوشانی و رقابت با یکدیگر کردند.

این مسئله به همراه جایگزینی تدریجی اندیشه سیستمـی و کل نگر به جای اندیشه جزء نگرانه، همچنین پیشرفتهـای صورت گرفته در زمینه فناوری اطلاعات باعث شد تا برخی به فکر یکپارچه سازی کلیـه عملیات تولیدی با یکدیگر بیفتند و به این ترتیب موضـوع «تولید یکپارچه رایانه ای» Computer Integrated Manufacturing = CIM)) مطرح گردید.

تولید یکپارچه رایانه ای اگرچه پایان تلاشهای محققان در خودکارسازی امور تولیدی و صنعتی نیست اما از آنجا که نمایانگر خودکارسازی و یکپارچه سازی کلیه فعالیتهای مرتبط با تولید به وسیله به کارگیری رایانه ها، روبات ها و شبکه های ارتباطی در درون یک کارخانه است دارای اهمیت بسیار زیادی است.

تولیدیکپارچه رایانه ای نوعی فناوری است که می تواند به هر صنعت وابسته شده و توسط آن صنعت هدایت شود، بدین معنی که هر صنعت برحسب مجموعه تجارب، نیازمندیها و موقعیتهای خاص خود، شرایطی ویژه برای تولید یکپارچه رایانه ای فراهم می آورد. از این رو، تعاریف و توصیفهای متفاوتی برای آن وجود دارد. در زیر نمونه هایی از توصیف های صورت گرفته ارائه شده است.

سیستم یکپارچه رایانه ای شامل رایانه ای کردن فراگیر و سیستماتیک فرایند تولیدی است. چنین سیستم هایی بااستفاده از پایگاه داده های مشترک، فعالیتهایی همچون طراحی به کمک رایانه، ساخت به کمک رایانه، مهندسی به کمک رایانه، انجام تست ها، تعمیرات و مونتاژ را یکپارچه می سازند.

(اسپریت، کمیسیون انجمن های اروپایی 1982) سیستم تولید یکپارچه رایانه ای عبارتست از به کارگیری یکپارچه اتوماسیون بر پایه رایانه و سیستم های پشتیبانی تصمیم گیری به منظور مدیریت فعالیتهای سیستم تولیدی، از طراحی محصول تا فرایند تولیدی و نهایتاً توزیع به انضمام مدیریت تولید و موجودی و مدیریت منابع مالی.

(هارن و براون 1984) سیستـم تولید یکپارچه رایانـه ای، پردازنـده های مواد و اطلاعات است که سه زیر سیستم اصلی آنها عبارتند از: سیستم فیزیکی کارخانه، سیستم تصمیم و سیستم اطلاعاتی.

(مایر 1990) تولید یکپارچه رایانه ای عبارت است از علم و هنر خودکارسازی بااستفاده از یکپارچگی حاصل از فناوری اطلاعات در فرآیندهای تولیدی. (یومانز و همکاران 1986)

با کمی دقت در توصیفها و دیدگاههای مذکـور در مورد تولیـد یکپارچه رایانـه ای مـــی توان به نقش و اهمیت اطلاعـات و فناوریهای اطلاعاتی در تحقق سیستم تولید یکپارچـه رایانه ای پی برد. به بیان دیگر، می توان گفت که این سیستم در طی روند توسعه فناوری اطلاعات به مانند فعالیت مهمی در کنار آن ظاهر گردیده و گسترش یافته است.

برای بررسی نقش فناوری اطلاعات در این سیستم بهتر است که ابتدا دیدگاه مذکور کمی شفاف تر شود. همانگونه که هارن، براون و شیونان در کتابشان اشاره می کنند، درک مسئله این سیستم بستگی به زمینه تجربی و دیدگاه اشخاص نسبت به آن دارد. از این رو است که نگرشها و دیدگاههای متفاوتی در رابطه با آن وجود دارد که آنها در اثر خود به برخی از آنها اشاره کرده اند. آنچه در اینجا به عنوان ملاک در نظر گرفته می شود، دیدگاهی است که خودهارن و همکارانش در مورد این سیستم ارائه کرده اند. این دیدگاه که در شکل یک نشان داده شده است به لحاظ جامعیت و نگرش سیستمی، مناسبترین دیدگاه از بین دیدگاههای موجود به نظر می رسد .

ارتباط نشانگر یکپارچگی مجموعه عملیات و نیز نشاندهنده مدار بسته بازخورد اطلاعات هستند. به طور خلاصـه، مـی توان گفت که تولید یکپارچه رایانه ای به معنی یکپارچگی جزایر اتوماسیون مرتبط با عملیات اداری - مالی، پشتیبانی مهندسی، مدیریت تولید و عملیات مربوط به سطح اجرایی است. این فرایند به وسیله ارتباطات رایانه ای و تسهیلات ذخیره سازی داده ها انجام می شود.

در گذشته طراحی قطعات و محصولات به صورت دستی و بااستفـاده از میزهای بزرگ و ابزارهای نقشــــه کشی انجام می گرفت و نقشه ها غالباً برروی کاغذ ترسیم می شدند. به همین سبب طراحیها عموماً وقت گیر و پردردسر بودند. همچنین در صورت ترسیم اشتباه و یا تغییر طرح، اصلاح و رسم مجدد نقشه ها زمان زیادی را به خود اختصاص می داد. این مسئله در مواردی که محصول از قطعات متعدد و پیچیده برخوردار بود نمود بیشتری داشت. نگهداری نقشه ها و مراقبت از آنها نیز مسئله دیگری بود که هم فضای زیادی را می طلبید و هم زمان قابل توجهی را برای کدگذاریبایگانی و بازیابی مجدد به خود اختصاص می داد. بااین همه این نقشه ها تنها نمایانگر شکل و وضعیت هندسی و مکانی قطعات نسبت به یکدیگر آن هم به صورت دو بعدی بودند.

به تدریج با بکارگیری رایانـه در امر نقشــه کشی و ایجاد و توسعه نرم افزارهای CAD ، تحولی در امور طراحی به قوع پیوست. کاهش خطاهای طراحی و تولید، ایجاد تناسب میان نقشه و روشهای تولید، تشخیص آسان روابط اجزای قطعه در مرحله تحلیل، تسهیل در آمــاده سازی مستندات و بهبود یا افزایش استانداردهای طراحی از مزایای طراحی به کمک رایانه بودند.

امروزه باافزایش توان رایانه ها در ذخیره و پردازش داده و همچنین پیشرفتهای صورت گرفته در زمینه فناوریهای اطلاعاتی به ویژه هوش مصنوعی، امکانات و قابلیتهای سیستـــم های CAD به طور چشمگیری افزایش یافته است. نرم افزارهای پیشرفتهCAD امروزی، امکان ایجاد مدلهای توپر سه بعدی را برای طراح فراهم آورده اند. این نرم افزارها با بهره برداری وسیع از تکنیــک های هوش مصنوعی و به لطف سیستم های خبره تعبیه شده در آنها، قابلیت تجزیه و تحلیل طرحها را نیز دارا هستند. به عنوان مثال آنها قادرند جرم طرح، حجم طرح و مرکز ثقل قطعات را محاسبه و تعیین کنند.

می توانند محل برخورد یا فصل مشترک قطعات مونتاژی را بررسی کنند و خواص مکانیکی قطعات نظیر تنش و یا جریان گرمایی را مورد تجزیه و تحلیل قرار دهند. برخی از این نرم افزارها می توانند حرکت قطعات را نیز مورد مطالعه قرار دهند و برخی دیگر قادرند نقاط و زمانهای بازرسی قطعه را تعیین سازند. آنها حتی پایگاه اطلاعاتی مورد نیاز تولید محصول را به وجود می آورند. پایگاه مذکور شامل تمام اطلاعات مربوط به محصول از دید طراحی، از اطلاعات هندسی، لیست مواد و قطعات، مشخصات مواد و غیره گرفته تا اطلاعات اضافی مورد نیاز برای تولید می شود. سیستم های قدرتمندCAD فعلی، همچنین قابلیت تبادل اطلاعات با سیستم های بانک اطلاعاتی و انتقال داده ها به سایر نرم افزارهای تولیدی را نیز دارا هستند که این ویژگی، کارآیی آنها را به نحو چشمگیری افزایش داده است.

یکی دیگر از جزایر اتوماسیون ایجاد شده در زمینه تولید، سیستم طراحی فرآیند به کمک رایانه (Computer-Aided Process Planning=CAPP) است. این سیستم هـا بـه منظور انجام خودکار طراحی فرایند تولید قطعاتی که در گذشته توسط متخصصان روشهای تولیـدی انجام می گرفت ایجاد گردیده اند. این سیستم ها از نظر یکپارچـــــه سازی اهمیت بسیاری دارند چرا که یکی از نقاط کلیدی در ایجاد ارتباط میانCAD و CAM به شمار می روند. خروجیهای یک سیستم طراحی فرآیند عبارتند از: انتخاب عملیات مناسب و تعیین توالی عملیات مزبور بر روی قطعه، انتخاب ماشین آلات ضروری برای اجرای عملیات، تعیین ابزارآلات و فیکسچرها و همچنین دستورالعملهای اجرایی برای تنظیم دستگاه، مسیر حرکت ابزارها، پارامترهای عملیات نظیر سرعت، مدت، میزان بار و... البته باید خاطرنشان ساخت از آنجا که برنامه ریزی و طرح ریزی فرایند ساخت قطعات بسیار متکی به تجربه و قضاوت برنامه ریزان است، خودکارسازی کلیه فعالیتهای یادشده، کاری بس دشوار بوده و غالب سیستم های موجود طراحی فرآیند، توان اجرای تمامی فعالیتهـای فوق را ندارند، بلکه در اکثـر موارد تنهـا مــــی توانند خدمات پشتیبانی تصمیم گیری ارائه کنند.

نقش فناوری اطلاعات در سیستم طراحی فرآیند نیز بسیار مشهود است. به طور کلی در توسعه این نوع سیستم ها دو رویکرد مطرح است: 1 - رویکرد بهبودی یا متنوع؛ 2 - رویکرد مولد یا بنیادی.

در رویکرد بهبودی که اساس آن استفاده از فناوری گروهی و ابزارهای دسته بندی و کدگذاری است، از یک قطعه مرکب اصلی برای نشان دادن دامنه اشکال تولیدی در یک خانواده استفاده می شود. هرگاه که سیستم قطعه جدیدی را به عنوان عضوی از یک خانواده خاص شناسایی کرد، طرح ریزی فرآیند قطعه مرکب آن خانواده را به گونه ای اصلاح می نماید که بتواند طرح فرآیند آن قطعه جدید را ایجاد کند. سیستـم در این رویکرد، برای تعیین شکل قطعـات از تکنیک های طبقـه بندی قطعات استفاده کرده و آنها را با اشکال متناظـر در قطعات اصلی مطابقت مـــی دهد.

در رویکرد بنیادی، طرح فرآیند براساس اطلاعات موجود در پایگاه داده های تولید ایجاد می شود. در این رویکرد، سیستم طراحی فرآیند در شکل سیستـم های دانش - پایه و هوش مصنوعی و در برخی موارد نیز به صورت یک سیستمDSS عمل کرده و با دریافت اطلاعات جزئیات قطعه موردنظر، انواع عملیات تولیدی در دسترس و توانایی آنها برحسب دقت و تلرانس، تجربه مربوط به قطعات پیشین و... اقدام به طراحی فرآیند مناسب جهت قطعه می کند.

موضوع مورد بحث در تحقیق حاضر شرح برنامه ریزی فرآیند به کمک کامپیوتر و کاربرد الگوریتم ژنتیک برای این مهم می باشد.

 فصل یکم –معرفی برنامه ریزی فرآیند به کمک کامپیوتر و الگوریتم ژنتیک

 1-1 برنامه ریزی فرایند به کمک کامپیوتر (CAPP)

یکی از کاربردهای کامپیوتر مربوط به پشتیبانی از ایجاد و توسعه طرح های فنی مورد نیاز برای تولید یک قطعه می باشد. در اصطلاح به این کاربرد Computer Aided Process Planning CAPP) )گفته می شود. این کاربرد از نظر یکپارچه سازی اهمیت بسیاری دارد، زیرا یکی از نقاط کلیدی در ایجاد ارتباط میان CAD و CAM به شمار می رود. خروجی طرحریزی فرایند CAPP شامل موارد ذیل است: توالی عملیات مورد نیاز برای تولید قطعه، تعیین ماشین آلات ضروری برای اجرای عملیات و زمان عملیات. همچنین CAPP ابزارآلات ویژه و دستورالعمل های اجرایی را برای تنظیم دستگاه مشخص می کند. تا به حال کاربردهای CAPP بیشتر در زمینه برش فلزات بوده است. بر اساس نظر چانگ (1990) عملیات طرحریزی فرایند ممکن است شامل همه یا برخی از فعالیت های ذیل باشد:

• انتخاب عملیات مناسب برای ماشین کاری.
• تعیین توالی عملیات مزبور.
• انتخاب ابزارهای برش مربوطه.
• تعیین رویه های آماده سازی ماشین.
• محاسبه پارامترهای برش از جمله: سرعت برش، میزان بار ابزار، استفاده از مایعات خنک کننده برای برش و عمق برش.
• طراحی مسیر حرکت ابزار و تهیه برنامه های مخصوص هر قطعه برای ماشین های کنترل عددی.
• طراحی ابزارآلات و فیکسچرها.

خودکارسازی کلیه فعالیت های طرحریزی فرایند، کاری دشوار است که به هیچ وجه نباید ناچیز تلقی شود. به همین دلیل غالباً سیستم های مبتنی بر کامپیوتر توان اجرای تمامی فعالیت های فوق را ندارند. در واقع سیستم های CAPP موجود تنها در اکثر موارد فوق می توانند خدمات پشتیبانی تصمیم گیری ارائه دهند. بطور کلی برای توسعه سیستم های CAPP  دو رویکرد مطرح است:

رویکرد متنوع (یا بهبودی)

رویکرد مولد (یا بنیادی)

 1-1-1- رویکرد متنوع

در رویکرد متنوع (یا بهبودی) برای آماده سازی یک طرح فرایند از یک طرح استاندارد یا طرح قطعه ای مشابه استفاده می شود. طرح فرایند برای قطعه مرکب اصلی در کامپیوتر ذخیره می شود و در طراحی قطعات بعدی نیز مورد استفاده قرار می گیرد. قطعه اصلی، ترکیبی است از تمامی اشکالی که ممکن است در قطعات مورد نظر موجود باشد. رویکرد بهبوددهنده برای تعیین شکل قطعات از تکنیک های طبقه بندی قطعات استفاده کرده و آنها را با اشکال متناظر در قطعه اصلی مطابقت می دهد. طراحی بهبود دهنده فرایند در مقام عمل با استفاده از تکنیکی به نام تکنولوژی گروهی اجرا می شود و بدین سان موجب تشخیص خانواده هایی از قطعات می شود که دارای طرح و ویژگی های تولیدی مشابه هستند. تکنولوژی گروهی رویکردی برای تولید است که در آن کلیه قطعات در قالب زیرمجموعه ها یا خانئاده های قطعات گروه بندی می شوند تا از مزایای تشابه آنها در تولید یا طراحی استفاده شود.خانواده های قطعات در تکنولوژی گروهی غالباً با استفاده از سیستم های کدینگ و طبقه بندی قطعات مشخص می شوند.بنابراین قطعات مشابه دارای کدهای مشابه هستند. در رویکرد طراحی بهبوددهنده فرایند، از یک قطعه مرکب برای نشان دادن دامنه اشکال تولیدی در یک خانواده استفاده شده و سپس طرح فرایند مرکب برای آن قطعه مرکب توسعه می یابد. به عبارت ساده تر هرگاه قطعه جدیدی به عنوان عضوی از یک خانواده خاص شناسایی شود، طرحریزی فرایند مرکب آن خانواده به گونه ای اصلاح می شود که بتواند طرح فرایند آن قطعه جدید را ایجاد نماید. رویکرد بهبوددهنده علیرغم برخی معایب مهم، به شکل گسترده ای در عمل مورد استفاده قرار می گیرد. واضح است که تنها فرایند قطعاتی را می توان طراحی کرد که در محدوده تنوع قطعات موجود باشد. همچنین برای حک و اصلاح طرح فرایند مرکب و برای افزودن جزئیات لازم به آن، به طراحان باتجربه ای در زمینه طرحریزی فرایند نیاز است. رویکرد دیگر سعی در رفع بعضی از این معایب دارد، این رویکرد در اصطلاح به نام طرحریزی فرایند بنیادی یا مولد شناخته می شود.