یه مطلب در مورد ERP گذاشتم که می تونید رو گوشیتون نصب و استفاده کنید. تقریباً رو همه ی گوشیها جواب می ده.

دانلود کنید

A first Course In Probability: Seventh Edition by Sheldon M. Ross

فروش فوق العاده کتاب حل المسائل مبانی احتمال شلدون راس شامل تمام تمرینات، و مسائل تمام 10 فصل کتاب ویرایش هفتم مبانی احتمال شلدون راس بصورت فایل PDF و زبان انگلیسی به قیمت ۲۰۰۰ تومان.

قابل توجه اینکه قیمت کتاب به برکت ماه رمضان ۲۰۰۰ تومان شده و بعد از اتمام این ماه ۳۰۰۰ تومان میباشد.

توضیح اینکه هیچ کتاب کاملی که شامل حل تمام تمرینات و مسائل باشد در بازار وجود نداشته و از این رو این کتاب منبع با ارزشی برای دانشجویان رشته مهندسی صنایع و سایر رشته ها، چه برای کارشناسی ارشد و چه برای یادگیری به شمار می رود.

نکته مهم برای دانلود لیست تمرینات حل شده ی این کتاب به تفکیک فصول اینجا کلیک کنید.

جهت دریافت کتاب مبلغ ذکر شده را به حساب سیبای بانک ملی به شماره 0307966559000 به نام وحید حضرتی واریز نمایید. (قابل واریز در کلیه شعب بانک ملی و عابر بانک ها (شماره کارت ۶۰۳۷۹۹۱۱۰۷۲۱۸۵۵۸)) و سپس به v.hazrati@yahoo.com و یا 9141073253 اطلاع دهید تا فایل کتاب روز بعد در اولین فرصت برایتان ارسال گردد.

نرم افزار چیدمان کارخانه (َALDEP & CRAFT) -ماکروها و کاربرد آنها دراکسل

قابل استفاده در طرح ریزی کارخانه

برای دانلود نرم افزار چیدمان کارخانه (َALDEP & CRAFT) اینجا کلیک کنید

یا اینجا کلیک کنید

عناوین

1.      آشنایی با ماکروها و کاربرد آنها دراکسل

2.      به کارگیری ماکروها در اکسل

3.      فعال سازی قابلیت ماکرو در اکسل

4.      فراخوانی یک ماکرو در اکسل

5.      اضافه کردن یک ماکرو در اکسل

6.      شروع کار با برنامه چیدمان کارخانه (َALDEP & CRAFT)

7.      تعریف مسئله و روش حل آن

8.      حل مسئله

1.  آشنایی با ماکروها و کاربرد آن در اکسل

ماکروها نرم افزارهای کمکی هستند که به نرم افزار اصلی اضافه می شوند تا باعث افزایش قابلیت های آن یا تغییر خصوصیات نرم افزار بنابه سلیقه ی کاربر شود.

نرم افزارآفیس که یکی از نرم افزارهای پرکاربردی است بستری مناسب را فراهم کرده تا هرکس بنا به نیازهای خود بتواند از یکی از محیط های آن مانند اکسل ، اکسس ، پاورپوینت، CRM ، Share point و ... استفاده کند.

مسلما هیچ نرم افزاری یافت نمی شود که بتواند تمام نیازهای مارا برآورده سازد. آنها می توانند تنها محیطی را برای راحت تر کردن کار کربران فراهم کنند.

کاربر باید بنا به نیاز خود محیطی را که بیشترین نزدیکی به خواسته هایش را دارد پیدا کند و سپس با کار بر روی آن محیط سعی برنزدیک تر کردن محیط به نیازهایش را داشته باشد و وظیفه ماکروها هم در حقیقت همین است.

ماکروها معمولا با زبان visual basic نوشته می شوند و به شاخه ای از VB که برای نرم افزارهای مختلف است (VBA (visual basic for application  گفته می شود.

2.  به کارگیری ماکروها در اکسل

ماکروها را می توان به دو صورت در اکسل استفاده کرد

v      فراخوانی آن به منظور یکبار استفاده

در این قسمت برای اینکه از یک ماکرو فقط یکبار اسفاده کنیم یکبار آن را فراخوانی می کنیم و با آن کار میکنیم .در این روش برای استفاده مجدد از ماکرو باید دوباره آن را فراخوانی کنیم

v      افزودن یک ماکرو به اکسل

در این روش ماکرو به عنوان جزئی از اکسل می شود و همانند قابلیت های دیگر اکسل می توان بارها از آن استفاده کرد

3.  فعال کردن قابلیت ماکروها در اکسل

برای اینکه برای به کارگیری ماکروها در اکسل با مشکل مواجه نشیم بهتر است در صورتیکه از ماکروهای مورد استفاده اطمینان داریم مراحل زیر را انجام دهیم :

Excel2003 >> Tools\Options\Security\Macro Security\Security Level\Low

گزینه ی آخر(Low) را انتخاب میکنیم .این گزینه اجازه ی اجرای هر ماکرویی را به شما می دهد به همین دلیل باید از امنیت آن ماکرو مطمئن باشید.

4.  فراخوانی یک ماکرو برای یکبار استفاده

برای استفاده از یک ماکرو صرفا برای یکبار مانند یک فایل اکسل می توانید آن را باز کنید و با توجه به دستورالعمل آن از آن استفاده کنید.

البته باید دقت داشت که نوع فایلهای ماکرویی که تحت اکسل کار می کنند از نوع Xla  هستند.

5.  اضافه کردن یک ماکرو به اکسل

این روش که روش بسیار مفیدی است و پیشنهاد می شود برای ماکروهایی که می خواهید از آنها به طور مکرر استفاده کنید با این روش کار کنید.

Excel2003 >> Tools\Add-Ins\Browse

Excel2007 >> Excel Options\Add-Ins\Go\Browse

با استفاده از گزینهBrowse  فایل مورد نظر خود را پیدا میکنیم تا در لیست ظاهر شود. (Facility Layout)

برای فعال کردن آن باید مربع کنار آن تیک خورده باشد با این روش  با هرباراجرا ماکرو نیز فعال می شود.

6.  شروع کار با برنامه چیدمان کارخانه

همانطور که قبلا توضیح داده شد و ماکروی layout را به اکسل اضافه کردید .باید به منوهای اکسل گزینه ای به نام مهندسی صنایع اضافه شده باشد .

با کلیک بر روی آن می توانید یکی از زیر مجموعه های آن را که همان چیدمان کارخانه است را اتخاب کنید (به صورت پیش فرض فعال است) حال زیر مجموعه های چیدمان کارخانه نمایان می شود.

برای ایجاد یک پروژه جدید ابتدا باید یک sheet  خالی در صفحه موجود باشد.

حال بر روی گزینه ی ” پروژه جدید“ کلیک می کنیم تا پنجره ی مربوطه باز شود.

در قسمت ” نام پروژه“ نام پروژه ی دلخواه خود را وارد کنید (پیشفرض گزینه ی  productionاست(.

پس از وارد کردن تعداد دپارتمانها و تعداد نقاط ثابت  و همچنین تعیین واحد اندازه گیری می توانید مسئله ای فرضی و کاملا صادفی را با تیک زدن در محل مربوطه ایجاد کنید. در این حالت ماتریس جریان به صورت تصادفی با توجه به تعداد دپارتمنهای وارد شده ایجاد می شود .با کلیک بر روی تایید وارد مرحله بعدی می شویم.

پس از تایید فرم نمای کلی sheet تغییر کرده و اطلاعاتی که وارد کرده اید در قالب جدول ارائه می شود.

دقت کنید سلول هایی که با رنگ زرد مشخص می شوند سلولهایی هستند که توسط خود نرم افزار محاسبه می شوند و صرفا جنبه ی خروجی دارند.

در قسمتهای اطلاعات پروژه شما اطلاعات کلی را که وارد کرده اید می بینید.

در قسمت اطلاعات کارخانه در صورتیکه طول و عرض کارخانه بیشتر از 100و50 است می توانید در سلول مقیاس اعدادی بزرگتر از یک را وارد کنید تا تعداد سلول ها را بر اساس واحد اندازه گیری ( مثلا متر) تعدیل دهد.

در قسمت اطلاعات دپارتمان باید مساحت هر دپارتمان و همچنین ثابت یا متغییر بودن آن را با حروف V( variable)  و F(Fix) نشان دهید.

در مرحله بعد باید ماتریس جریان را بر اساس فرم از-به که در دسترس دارید پر کنید.

در صورتیکه نقاط ثابت نیز داشته باشید باید مخنصات مربوط به آن  و همچنین هزینه های مربوطه را نیز وارد کنید. 

در پایان نیز می توانید  هزینه های جریان مورد نظر خود را در ماتریس مربوطه وارد کنید.

در حالت پیش فرض تمامی هزینه ها یکسان فرض شده است .

7.  تعریف مسئله و روش حل آن

حال روی دکمه ی دایره ای شکل ”تعریف مسئله“ کلیک کرده تا فرم بعدی باز شود.

در این فرم ابتدا الگوریتمی که تمایل دارید با آن مسئله حل شود را علامت میزنیم .

در قسمت مربوط به نحوه ی شروع چیدمان که فقط برای الگوریتم کرفت فعال می باشد می توانیم مشخص کنیم که طرح اولیه را خود کاربر بدهد یا اینکه بر حسب توالی دپارتمانها مرتب شوند (همانطور که می دانیم کرفت یک الگوریتم بهبود دهنده است ولی  ALDEP یک الگوریتم سازنده .به همین دلیل کرفت (CRAFT) نیاز به طرح اولیه دارد).

در قسمت مربوط به نحوه ی محاسبه مسافت می توان مشخص کرد که مسافت بین دپارتمان به صورت "اقلیدسی" محاسبه شود یا به صورت "مستقیم".

در قسمت بعد طول و عرض کارخانه را بر حسب سلول مشخص می کنیم.دقت کنید حداکثر طول مجاز 100 و حداکثر عرض مجاز50 می باشد.

2 قسمت باقی مانده که مربوط به ALDEP هستند عرض دپارتمانها را مشخص می کند و تعیین می کند که آیا از حداکثر آن  استفاده شود؟

در صورتیکه الگوریتم کرفت را با فرض ایجاد چیدمان اولیه به صورت توالی  یا الگوریتم ALDEP را انتخاب کرده باشید وارد صفحه بعدی می شوید که دپارتمانها مشخص شده اند و مسئله برای شروع بهینه سازی آماده است .

اما در صورتیکه الگوریتم کرفت را با فرض ایجاد طرح اولیه توسط خودتان انتخاب کرده  باشید باید جدول خالی را که در سمت راست صفحه مشاهده می کنید با اعداد مربوط به دپارتمانها پر کنید و برای اینکه بعد از هر مرحله از صحت پرکردن خود اطمینان حاصل کنید می توانید بر روی  دکمه ی بازخوانی کلیک کنید. پس از طی این مرحله مسئله برای شروع بهینه سازی آماده است. همچنین می توان با کلیک بر روی دکمه مربوطه یک چیدمان تصادفی ایجاد کرد و وارد مرحله ی بهینه سازی شد.

8.  حل مسئله

برای حل مسئله و یافتن جواب بهینه کافی است بر روی دکمه ای با همین نام کلیک کرده و بین 2 گزینه ی موجود یکی را انتخاب کنید و نتیجه را در سمت راست صفحه مشاهده کنید در این قسمت مشخصات جابه جایی سلول ها نیز نمایش داده شده است. می توانید با کلیک روی دکمه جابه جایی دپارتمانها و تعویض آنها مقدار هزینه جدید را مشاهده کنید.

تهیه کننده: وحید حضرتی v.hazrati@yahoo.com

منبع برنامه: این ماکرو توسط آقای علیرضا نوری تاجر از دانشجویان دانشگاه آزاد قزوین نوشته شده است.

باز گرداندن فایل ها و پوشه های مخفی شده توسط ویروس

شاید شما هم خواستید فایل یا پوشه ای رو که توسط ویروس هیدن شده رو

به حالت اول برگردونید. برای این منظور ابتدا سیستم خودتون رو با آنتی ویروس اسکن

کنید و سپس با کمک این برنامه فوق العاده و رایگان میتونید به آسانی فایل ها و فولدر های خودتون رو نمایش بدین.

برای این منظور بعد از اجرای برنامه یک بار در دسکتاپ یا جای دیگه راست کلیک کنید و Refresh کنید تا فایلهای هیدن نمایش داده بشن.

بعدا آدرس رو به برنامه بدین تا کارا انجام بشند.

برای دانلود نسخه کامل برنامه با حجم ۳۱۰ کیلوبایت کلیک کنید.

یا

اینجا کلیک کنید.

بقیه در ادامه مطلب

به یک دانشجوی مهندسی صنایع، و یک دانشجو فیزیک و یک دانشجو ریاضیات، هرکدام 150 دلار دادند و ازآنها خواسته شدکه با استفاده از این پول، ارتفاع یکی از هتل های شهر را که دانشگاه درآن قرارداشت. بادقت محاسبه کنند. سه دانشجو با اشتیاق فراوان برای انجام این محاسبه دنبال تهیه ملزومات رفتند. دانشجوی فیزیک اول به یک مغازه ساعت فروشی رفت و یک کرونومتر خرید و بعد، از یک فروشگاه چند گوی فلزی به اندازه های مختلف خرید و سپس به یک لوازم التحریری رفت تا یک ماشین حساب بخرد و آخر سر هم چندنفر از دوستانش را خبرکرد تا دراین کار به او کمک کنند. این دانشجوی فیزیک زمانی را که هریک از گوی ها را از پشت بام هتل به زمین رسید اندازه گرفت و بعد بامحاسبه زمانهای سقوط گوی ها و فرمول های فیزیکی، ارتفاع هتل را به دست آورد. دانشجوی ریاضیات منتظرشد تا خورشید کمی پایین برود وبعد، زاویه سنج و شاقول و متری را که خریده بود از کیفش درآورد طول سایه را اندازه گرفت، زاویه خطی که نوک پشت بام هتل را به نوک سایه آن متصل می کرد محاسبه کرد و بعد با استفاده از فرمول های مثلثات ارتفاع هتل را تعیین کرد. واضح است که با این همه کار، آنها دیگر فرصت نکردند برای امتحان فردایشان به اندازه کافی مطالعه کنند و همین باعث شده بود تا زیاد سرحال نباشند. روز بعد این سه دانشجو یکدیگر را در دانشگاه دیدند، درحالی که سرحالی دانشجوی مهندسی باعث تعجب دو دانشجوی دیگر شده بود. آنها طریق محاسبه ارتفاع هتل را از هم پرسیدند و وقتی توضیحات دانشجوهای ریاضیات و فیزیک به پایان رسید دانشجوی مهندسی صنایع با قیافه حق به جانب روش خود را به این شکل توضیح داد: کاری نداشت! من پیش مسئول پذیرش هتل رفتم یک دلار به او دادم و پرسیدم ارتفاع هتل چندمتر است بعد با 149 دلار باقی مانده باقی روز را حسابی خوش گذراندم.

اولين و اساسي ترين گام در تدوين و اجراي برنامه آموزشي ، اجراي صحيح و مبتني بر واقعيت فرايند نيازسنجي است . نيازسنجي در حقيقت سنگ زيرين ساختمان آموزش است و هر قدر اين سنگ زيرين بنياني تر و مستحكم تر باشد ، بناي روي آن محكم تر و آسيب ناپذير خواهد بود‌. در قلمرو آموزش ، نيازسنجي به عنوان يكي از مولفه هاي اساسي و ضروري فرايند برنامه ريزي در نظر گرفته مي شود و هر كجا كه مسئله تدوين طرحها و اتخاذ مجموعه‌اي از تدابير آموزشي مطرح باشد‌، از نيازسنجي به طور مكرر ياد مي شود و مبناي منطقي هر برنامه وجود نياز يا مجموعه اي از نيازهاست . برنامه ريزان آموزشي در سراسر جهان و در تمامي سازمانهايي كه با آموزش سروكار دارند ، ناگزيرند براي تدوين برنامه ها و طرحهاي آموزشي خويش ، دلايل قانع كننده اي داشته باشند .

تكنيك دلفي را به صورت ديگري نيز مي توان به كار برد و آن عبارت است از اينكه ............................

1- در انجام كارها روي شيوه‌اي خاص تأكيد نكنيد. شايد كسي بتواند از مسير كوتاه‌تر و بهتري شما را به مقصد برساند.

2- توجه داشته باشيد دانش و تجربه، هيچ كدام به تنهايي رهگشا نيستند، مثل اكسيژن و هيدروژن كه از تركيب معيني از آنها هواي تنفس ما تأمين مي‌شود، مي‌توان با آميختن دانش و تجربه، راهكارهاي حياتي و استثنايي خلق كرد.

3- از هر فرصتي براي استخدام و به كارگيري افراد برجسته استفاده كنيد.

4- به خاطر داشته باشيد رعايت استانداردهاي محيط كار در كارايي كارمندان مؤثر است.

5- با فرق گذاشتن بيهوده بين افراد گروه، انگيزه كاري آنها را از بين نبريد.

6- از مشورت و نظرخواهي با نيروي جوان ابايي نداشته باشيد.

7- با رفتارهاي ضد و نقيض، اعتماد زيردستان را از خود سلب نكنيد.

8- در به وجود آوردن فضاي رقابتي سالم، كوشا باشيد.

9- براي ارتقاي سطح دانش كارمندان و افزايش بهره‌وري آنان، كلاسهاي آموزشي ترتيب دهيد و از لوازم كمك آموزشي بهره گيريد.

10- دقت كنيد كه توبيخ كارمند خطاكار، بايد متناسب با اشتباهاتش تعيين شود.

11- مطمئن شويد مأمور خريدي كه براي سازمان در نظر گرفته‌ايد، علاوه بر كارداني و رعايت اصول درست بازاريابي، مورد اعتماد، زرنگ و خوش‌سليقه نيز هست و همان‌گونه كه بر قيمت كالاها توجه دارد، بر زيبايي و كيفيت آنها نيز اهميت مي‌دهد.

12- در صورت لزوم با قاطعيت نه بگوييد.

13- سعي كنيد با اصول ساده روانشناسي آشنا شويد.

14- طوري رفتار كنيد كه ديگران شما را به عنوان الگو انتخاب كنند و آينده كاري دلخواه خود را در قالب شخصيت شما مجسم كنند.

15- هرگز در حضور كارمندان با ديگر معاشرين خود، پشت سر افراد بدگويي نكنيد.

16- رعايت سلسله مراتب كاري را به مسئولين و سرپرستان گوشزد كنيد.

17- براي آزمودن كارمندانتان با آزمايشهاي فاقد ارزش و بي‌اساس، شخصيت آنان را زير سؤال نبريد.

18- با شروع به موقع جلسات، وقت‌شناسي را عملاً به حاضرين بياموزيد.

19- براي گيراتر شدن سخنان خود، هميشه چند عبارت كليدي از بزرگان و افراد برجسته در ذهن داشته باشيد و در موقع لزوم آنها را به كار ببريد.

20- در انجام كارها به سه نكته بيش از بقيه نكات توجه كنيد: اعتماد به نفس، اعتماد به نفس، اعتماد به نفس.

امروزه نقش و اهميت كيفيت و بهره وري بر كسي پوشيده نيست و در اين ميان دستيابي به كيفيت و افزايش بهره وري در سازمانها يكي از چالش هاي عمده مديران سازمانها مي باشد. انجام درست كار درست يا استفاده هوشمندانه از منابع يك امر بسيار جدي مي باشد و از نان شب نيز واجب تر است و اگر بدانيم كه كشور ما در ميان 18 كشور آسيايي عضو سازمان بهره وري آسيايي، در رده هفدهم قرار دارد شايد كمي به خودمان بياييم و بگوئيم چه بر سر خودمان آورده ايم و منبعد كمي در اين موضوع تعمق بيشتري نمائيم.

براستي چطور ميتوان بهره وري را در يك سازمان افزايش داد ، آيا واقعاً كاردشواري است؟ آيا نياز به هزينه هاي گزاف مي باشد؟  آيا نياز به گرفتن مجوز از مقام بالاتر مي باشد؟  آيا نياز به فعاليت هاي سخت و دشوار است ؟ و …

بايد گفت هرگز چنين نيست. زيرا براي افزايش بهره وري در سازمانها روشهايي وجود دارد بنام روشهاي بهبود بهره وري ، كه بسيار ساده مي باشد و با بكارگيري اين فنون سازمانها ميتوانند ضمن ايجاد سازماني كيفي و  بهره ور ، در انجام صحيح و سريع فعاليتها بكوشند.

لازم به يادآوري است ، سازمانهايي كه در مسير استقرار يك سيستم مديريت كيفيت بر اساس استاندارد ISO 9001:2000 يا ساير استانداردها گام بر ميدارند بايد بدانند كه ايجاد نظام ساماندهي محيط كار و يا  نظام 5S  ، مقدمه و زير بناي فعاليتهاي بعدي ميباشد و سازمانها بايد اين حداقل را در سازمان خود داشته باشند.

 دانلود جزوه 5S . . .   (اين جزوه 9 صفحه PDF شده و با حجم 139 KB مي باشد.) 

برگرفته از بتسا

مؤسسه CERN در سوئيس، به زودي نسل جديدي از شبكه را كه سرعتي معادل ده هزار برابر سرعت باند پهن (Band Width) فعلي دارد، راه‌اندازي خواهد كرد.
آقاي تيم برنزلي، پدر Web كه در سال 1991 شبكه جهاني WWW را راه‌اندازي كرد، هم‌اكنون همراه با تعدادي ديگر از دانشمندان در حال كار بر روي پروژه ای به نام Grid است.
Grid (شبكه) در حقيقت شبكه‌اي جهاني است كه سرعتش ده هزار برابر سرعت شبكه جهاني فعلي است.
BackBone يا زيرساخت Grid از ابتدا و تماماً بر روي فيبرهاي نوري بنا شده است. اين فيبرهاي نوري، مؤسسه CERN سوئيس را به يازده مركز در سرتاسر جهان متصل مي‌كند. مراكزي در آمريكا، كانادا، اروپا و آسياي جنوب شرقي.
در واقع پروژه Grid به منظور ثبت و ذخيره‌سازي اطلاعات مربوط به پروژه LHC (ابرشتاب‌دهنده ذرات- Large Haddron Collidar) طراحي و پياده‌سازي شده است.
از آنجايي كه اطلاعات مربوط به پروژه LHC به ميزان قابل توجهي زياد است و همچنين از آنجايي كه لازم است اين اطلاعات در اختيار دانشمندان مختلف جهان به صورت Online قرار گیرد، نیاز به شبکه ای مجزا از اینترنت برای رد و بدل این اطلاعات بوده است.
البته به مانند اينترنت، Grid هم اگر چه براي منظوري خاص طراحي شده است، اما استفاده عمومي از آن به زودي آغاز خواهد شد.
كار روي پروژه Grid از سال 2001 آغاز شده و بناست آقاي برنزلي رسماً در تابستان امسال آن را افتتاح نمايد.
در حال حاضر Grid حدود 5 هزار سرور را در 11 مركز تحت پوشش خود دارد كه اين تعداد قرار است تا دو سال آينده يعني سال 2010 به دويست هزار سرور در سرتاسر جهان برسد.
با بهره‌برداري از اين شبكه، كاربران آن خواهند توانست با سرعتي فراتر از حد تصور، اقدام به Download و يا Upload فايل‌هاي خود در شبكه نمايند. به عنوان مثال يك فايل فيلم كه حدود يك گيگابايت حجم دارد، در كمتر از يك ثانيه Download خواهد شد.
بد نيست بدانيد پروژه LHC در سال 2007 در زميني به وسعت 27 كيلومتر مربع واقع در مرز سوئيس و فرانسه و در عمق 100 متري زمين راه‌اندازي شده است.

زمینه های کاری مهندسین صنایع:

در این قسمت به بررسی حیطه های کاری یک مهندس صنایع می پردازیم:

1_مدیریت تولید( Manufacturing management):

از انجایی که اعتبار هر کشور صنعتی به توانایی ان کشور در تولید موثر بستگی دارد در کشورهای صنعتی به این گرایش توجه بسیاری می شود.مهندسان تولید در راستای کسب مزیت هایی در رقابت های جهانی ازمهندسی شیمی مهندسی مکانیک و اقتصاد همراه با مهندسی صنایع بهره می گیرند تا مسایل طراحی توسعه و اجرای عملیات سیستمهای تولیدی پیشرفته را به طور موثر حل کنند.

2_مدیریت مهندسی(Engineering management) :

در چند دهه اخیر این زمینه پیشرفت زیادی داشته است . دلیل این پیشرفت را در سه سطح می توان دید. درسطح ملی تلاش برای رهبری تکنولوژیکی که از کمبود مواد اولیه بهره وری پایین و افزایش رقابت بین المللی ناشی می شود توسعه تکنولوژی های جدید و مدیریت سیستم های تکنولوژی را ایجاب میکند.

در سطح صنعت مدیریت بدون مهندسی با مشکل روبرو شده است ونقش مهم مهارت های مهندسی واطلاعات در مدیریت سیستم های مهندسی مشهود است.در سطح فردی مهندسانی که در نتیجه ی موفقیتهای فنی شان به مدیریت کشیده می شوند هر چقدر هم ازنظر فنی قوی باشند برای رویارویی با پیچیدگی های مسيولیت مدیرت اماده نیستند.

3_سیستم های تولیدی( Production systems) :

این زمینه بر روی طراحی وکنترل تولید توزیع وسیستم های خدماتی تاکید دارد و شامل طراحی کارخانه طراحی حمل ونقل برنامه ریزی تولید کنترل موجودی وبرنامه ریزی وکنترل تولیدی وتوزیع می باشد.

4_مهندسی مالی( financial engineering)

مهندسی مالی برای کسانی که مایل به کار بانکداری مدیریت مالی و امور مشاوه ای مالی هستند طراحی شده است.اموزش در این زمینه شامل فرایندهای احتمالی بهینه سازی محاسبات وبازارهای مالی وکاربرد انها می باشد.

5_مهندسی کیفیت (Quality engineering):

به دلیل رقابت روز ا فزون بین الملی که توجه به بهبود کیفیت محصولات وخدمات را اجتناب ناپذیر ساخته است وبه دلیل پیچیدگی روزافزون سیستمهای تولیدی وخدماتی کنونی امروزه به مهندساین است که بتوانند با مفاهیم وابزارهای فنی ومدیریتی سیستمهای کیفیت را اجرا و هدایت کنند.گرایش مهندسی کیفیت در مهندسی صنایع تلاش درجهت تربیت چنین افرادی دارد. اموزش در این زمینه برمبنای بهبود کیفیت استراتژی های کیفیت سازمانی و روشهای اماری تاکید دارد.

6_(مهندسی سیستمهای اطلاعاتی Information systems engineering):

این گرایش برای کسانی طراحی شده است که مایل به یادگیری مهارت های مهندسی ومدیریتی با تاکید بر سیستم های اطلاعاتی ومحاسباتی هستند علاقه مندان به این گرایش با توانایی های نظیر برنامه نویسی کامپیوتر ومهارت های مربوط به سیستم های اطلاعاتی و اشنایی با نرم افزارهای متفاوت قادرند سیستمهای اطلاعاتی را برای کنترل زنجیره عرضه تولید و تجارت طراحی کننده بجز زمینه های شغلی فوق الذکر بارزترین حیطه کاری مهندسین صنایع(بخصوصدر کشورمان ایران)کارخانجات وسازمان های تولیدی می باشد.

*دامنه ی حیطه های کاری مهندسی صنایع به سرعت با گذشت زمان گسترش یافته و زمینه های کاری مهندسی صنایع روز به روز افزایش میابد.

 ظرفیت پذیرش دانشجوی کارشناسی ارشد مهندسی صنایع کلیه دانشگاههای ایران:

می توان گفت مهمترین٬و پیچیده ترین امتحان ورودی کارشناسی ارشد متعلق به گرایش مهندسی صنایع_صنایع می باشد.دروسی که در این گرایش از دانشجویان امتحان گرفته می شود نسبت به گرایش های دیگر برای دانشجویان صنایع تخصصی تر بوده و لذا دانشجویان صنایع از این جهت از دانشجویان رشته های دیگر جلوتر هستند ولی باید بگوییم سخت ترین امتحان ورودی مربوط به این گرایش می باشد.

فارغ التحصیلان این گرایش توانایی کارهایی از قبیل مدلسازی ٬برنامه ریزی درپروژه های مختلف٬ بررسی مشکلات و ارائه بهترین الگوها در سازمان ها و کارخانه ها برای بهینه سازی مسائل مختلف از قبیل انسان ٬مواد و ماشین آلات را دارا هستند.

آنها سعی می کنند ارتباط منطقی بین اجزاء انواع سیستمهای تولیدی و غیر تولیدی را جستجو کرده و بازدهی آنها را افزایش دهند. البته باید عرض کنیم که شاید این اهداف در مورد مهندسین صنایع در دوره کارشناسی (گرایش تولید صنعتی و گرایش تحلیل سیستم ها)نیز صادق  باشد ولی دانشجویان در دوره کارشناسی ارشد سعی می کنند مطالب را بصورتی عمیقتر و تخصصی تر دنبال کنند.و مخصوصا با خواندن درس هایی که به برنامه ریزی و مسائل سیستماتیک مربوط می شود مدلسازی و ارائه الگوهای مناسب را در خود تقویت کنند.

دروس امتحان ورودی کارشناسی ارشد وضرایب آن: تحقیق درعملیات1(ضریب2)آمارو احتمال(ضریب2) طرح ریزی واحدهای صنعتی(1)کنترل موجودی(1)زبان عمومی و تخصصی(1)

از این به بعد مواظب غافلگیری سره جلسه امتحان باشید

سوالات تستی

جواب های تشریحی

شاید بشه این روش رو به سازمان سنجش برای تغییر نوع کنکور پیشنهاد داد 

 دعای ماتسوشینا

«خداوندا.... تو را شاكرم كه به كشورم ژاپن معادن طلا زغال سنگ نقره مس و چاه هاي نفت و گاز نداده اي و در عوض چيزي را به ما ارزاني داشته اي كه پاياني ندارد

و آن :

"نيروي انساني پر توان و كار آزموده است." »

مهندسى صنايع علمى است که بايد آن را هنرمندانه بکار گرفت،
هنرى است که بايد آن را علمى آموخت

و فنى است که بايد آن را با ذوق در آمیخت

مهندس صنایع
×کار فکرى مي‏کند، اما کارمند نيست.
×مهندسى مي‏کند، اما فقط مهندس نيست.
×مديريت مي‏کند، اما فقط مدير نيست


مهندس صنايع کار آفرين است و مهندسى صنايع، خلاقيت و نوآورى

۱:وبلاگ تخصصی مهندسی صنایع شامل مقالات و مطالب آموزشی مهندسی صنایع

۲:مطالبي جهت آشنايي با مهندسي صنايع

۳:مهندسی صنایع برای شما,دانلود رایگان دیکشنری مهندسی صنایع از سایت بابیلون

 باسمه تعالي

فراخوان طراحي آرم جامعة المصطفي العالمیه

با استعانت از خداوند متعال و درظل توجهات حضرت بقيه الله الاعظم (عج)، نهاد حوزه اي جامعة المصطفي كه مرحله جديد فعاليت خود را پس از تلفيق و تغيير عنوان از دو نهاد "مركز جهاني علوم اسلامی" و "سازمان حوزه ها و مدارس علميه خارج از كشور" با محوريت تعليم و تربيت فراگيران علوم اسلامي و معارف اهل بيت در سراسر گيتي آغاز كرده است، در نظر دارد با دستان توانای هنرمندان عزيز، طراحان گرافيك، اساتيد ارجمند، همكاران گرامي و طلاب و دانشجويان عزيز،‌ آرمي در خور و شايسته با ويژگي ها و قابليت هاي زير،‌ طراحي و انتخاب نمايد.1) معرف نهادي آموزشي،‌ پژوهشي و تربيتي

2) معرف نهاد بين المللي

3) معرف نهاد ديني تمدن ساز و اسلامي

4) حامل نور و نشر معارف اسلامي

5) ساده، زيبا، گويا و بر خوردار از وحدت شكل (منسجم)

6) داراي صلابت و اقتدار آرم

7) سهولت به خاطر سپردن آرم

8) برخوردار از اجراي صحيح و دقيق از حيث فن طراحي آرم

9) متناسب و قابل اجرا در اندازه هاي مختلف و ارايه آن به صورت نماد و تنديس

10) قابليت تغيير در قالب تك رنگ،‌ دو رنگ و چهار رنگ

11) رعايت تناسب رنگ ها و موتيوهاي بكار رفته در طراحي نشان با ماهيت و محتواي برنامه هاي جامعة المصطفي

12) عدم تشابه و متفاوت با نشان هاي ديگر

13) در صورت نياز با بهره گيري از حروف در طراحي آرم، ترجيحاً از تمام يا برخي از حروف نام شريف (المصطفي) و حرف انگليسي M استفاده شود به نحوي كه عنوان هاي جامعة و العالمية در آرم جلوه كمتري داشته باشند.

14) حتي الامكان آرم، با بهره گيري از نرم افزارهاي گرافيكي طراحي شده باشد.

علاقمندان مي توانند آرم طراحي شده خود را (حداكثر سه اثر)، همراه با مشخصات شناسنامه اي و سوابق علمي تجربي، آدرس و شماره تماس به دبيرخانه هيأت امناي جامعة المصطفي ارسال نمايند.پس از بررسي طرحهاي ارسالي به اثر نمونه و برگزيده هديه اي نفيس و ارزنده و به سه اثر برتر منتخب كميته داوران به ترتيب 1،2،3 سكه بهار آزادي و به كليه شركت كنندگان به رسم يادبود، لوح سپاس و تنديس آرم اهدا خواهد شد.

مهلت ارسال: پايان وقت اداري 7/3/87

نشاني ارسال آثار: قم ـ خيابان معلم ـ ساختمان مركزي جامعة المصطفي العالمية ـ دبيرخانه هيأت امنا

تلفن: 7172316-0251

نشاني الكترونيكي: (dabirkhaneh-14@yahoo.com )

كوچك‌ترين خودروي موجود در بازار فروش آمريكا در بررسي صنايع بيمه اين كشور نمرات بالايي را در آزمون‌هاي تصادف به‌دست آورد.

به گزارش خبرگزاري دانشجويان ايران (ايسنا)، اين خودرو با نام Smart fortwo جزو خودروهاي ميني محسوب شده و در آزمون‌هاي مختلف به ويژه آزمون نصادف نمرات بالايي را كسب كرد.

قسمت‌هاي جلو، عقب و بدنه اين خودرو نيز در اين آزمون‌ها موفق‌آميز عمل كردند.

اين آزمون توسط موسسه بيمه براي ايمني بزرگراه‌ها انجام شد و به برخي نگران‌ها از سوي مصرف‌كنندگان درباره ايمن نبودن اين خودرو پايان داد.

Smart به عنوان يكي از بخش‌هاي برند مرسدس بنز شركت دايملر در سال جاري براي مقابله با بحران افزايش قيمت سوخت وارد بازار آمريكا شد.

به گزارش آسوشيتدپرس، قيمت پايه اين خودرو بين 12 هزار دلار تا 17 هزار دلار بوده و تاكنون 30 هزار نفر براي خريد آن سفارش داده‌اند.

مسئله فروشنده دوره گرد ( Traveling Salesman Problem  یا TSP ) :

    در محدوده ی جغرافیایی فروشنده ی دوره گرد تعدادی شهر وجود دارد که فاصله بین هر زوج از شهر ها مشخص و عددی ثابت است. قرار است فروشنده از یکی از شهر ها شروع  کند و کلیه ی شهر ها را ، هر یک را فقط یکبار ، ملاقات کند و در نهایت به نقطه ی شروع برگدد. مساله فروشنده ی دوره گرد کاربرد های متنوعی دارد. تخلیه ادواری صندوق های پستی به وسیله ی پستچی و عملیات مختلف یک آدم مکانیکی بر روی یک وسیله ی در حال ساخت نمونه هایی از این مسائل هستند. مسئله فروشنده جزو مسائل رام نشدنی می باشد و حل دقیق آن زمان زیادی می برد.

(این مسئله در کامپیوتر و طراحی الگوریتم خیلی معروف است . یک فروشنده هست که می خواهد مابین چند شهر یک دور همیلتنی بزند . مسافرت از هر شهر به شهر دیگری دارای هزینه ای مثبت است . میخواهم دوری همیلتنی با حداقل هزینه را بیابیم .)

    شبکه ی بین شهری را می توان به وسیله ی یک گراف ارزش گذاری شده جهت دار نمایش داد. نظر به اینکه برخی مسیرها ممکن است یک طرفه باشد، گراف بدون جهت توصیه نمی شود. چنین گرافی را نیز می توان توسط یک ماتریس مجاورتی نمایش داد.

    در حالت عادی که بررسی کلیه روش های

www.betsa.ir

 میلیاردها ریال سرمایه های صنعتی کشور را چگونه باید حفظ کنیم ؟

 ماشین آلات صنایع مختلف کشور طی سالیان دراز با هزینه های گزاف خریداری و یا ساخته شده اند  بطوریکه گفته میشود یک سوم سرمایه های کشور (بجز معادن ) ماشین آلات صنعتی بوده و سئوال اینجاست که این سرمایه ها که بالغ بر دهها هزار میلیارد تومان میباشد به چه شیوه هایی  نگهداری میگردند ، بهره وری از این سرمایه های ملی تا چه اندازه علمی و به روز میباشد ، از روشها و تکنیکهای مدرن نگهداری که بیش از سه دهه در کشورهای پیشرفته استفاده میگردد چقدر بهره گیری کرده ایم .

• ۱ مقدمه
• ۲ الگوریتم ژنتیک چیست؟
• ۳ روش های نمایش
• ۴ عملگرهای یک الگوریتم ژنتیک
•  
•  ایده اصلی
•  روش های انتخاب
  • ۱انتخاب Elitist
  • انتخاب Roulette
  • . انتخاب Scaling
  •  انتخاب Tournament
• الگوریتم ژنتیک (Genetic Algorithm - GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتمهای تکامل است که از تکنیکهای زیست‌شناسی فرگشتی مانند وراثت و جهش استفاده می‌کند.

در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند.الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای رگرسیون هستند. مختصراً گفته می شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند.مسئله‌ای که باید حل شود ورودی است و راه‌حلها طبق یک الگو کد گذاری می شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.

کلاً این الگوریتم‌ها از بخش های زیر تشکیل می شوند : تابع برازش - نمایش – انتخاب – تغییر

مقدمه

هنگامی که لغت تنازع بقا به کار می‌رود اغلب بار ارزشی منفی آن به ذهن می‌آید. شاید همزمان قانون جنگل به ذهن برسد و حکم بقای قوی‌ترها!

البته همیشه هم قوی‌ترین‌ها برنده نبوده‌اند. مثلاً دایناسورها با وجود جثه عظیم و قوی‌تر بودن در طی روندی کاملاً طبیعی بازیِ بقا و ادامه نسل را واگذار کردند در حالی که موجوداتی بسیار ضعیف‌تر از آنها حیات خویش را ادامه دادند. ظاهراً طبیعت، بهترین‌ها را تنها بر اساس هیکل انتخاب نمی‌کند! در واقع درست‌تر آنست که بگوییم طبیعت مناسب ترین‌ها (Fittest) را انتخاب می‌کند نه بهترین‌ها.

قانون انتخاب طبیعی بدین صورت است که تنها گونه‌هایی از یک جمعیت ادامه نسل می‌دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می‌روند.

مثلا فرض کنید گونه خاصی از افراد، هوش بیشتری از بقیه افرادِ یک جامعه یا کولونی دارند. در شرایط کاملاً طبیعی، این افراد پیشرفت بهتری خواهند کرد و رفاه نسبتاً بالاتری خواهند داشت و این رفاه، خود باعث طول عمر بیشتر و باروری بهتر خواهد بود (توجه کنید شرایط، طبیعیست نه در یک جامعه سطح بالا با ملاحظات امروزی؛ یعنی طول عمر بیشتر در این جامعه نمونه با زاد و ولد بیشتر همراه است). حال اگر این خصوصیت (هوش) ارثی باشد بالطبع در نسل بعدی همان جامعه تعداد افراد باهوش به دلیل زاد و ولد بیشترِ این‌گونه افراد، بیشتر خواهد بود. اگر همین روند را ادامه دهید خواهید دید که در طی نسل‌های متوالی دائماً جامعه نمونه ما باهوش و باهوش‌تر می‌شود. بدین ترتیب یک مکانیزم ساده طبیعی توانسته است در طی چند نسل عملاً افراد کم هوش را از جامعه حذف کند علاوه بر اینکه میزان هوش متوسط جامعه نیز دائماً در حال افزایش است.

بدین ترتیب می‌توان دید که طبیعت با بهره‌گیری از یک روش بسیار ساده (حذف تدریجی گونه‌های نامناسب و در عین حال تکثیر بالاتر گونه‌های بهینه)، توانسته است دائماً هر نسل را از لحاظ خصوصیات مختلف ارتقاء بخشد.

البته آنچه در بالا ذکر شد به تنهایی توصیف کننده آنچه واقعاً در قالب تکامل در طبیعت اتفاق می‌افتد نیست. بهینه‌سازی و تکامل تدریجی به خودی خود نمی‌تواند طبیعت را در دسترسی به بهترین نمونه‌ها یاری دهد. اجازه دهید تا این مسأله را با یک مثال شرح دهیم:

پس از اختراع اتومبیل به تدریج و در طی سال‌ها اتومبیل‌های بهتری با سرعت‌های بالاتر و قابلیت‌های بیشتر نسبت به نمونه‌های اولیه تولید شدند. طبیعیست که این نمونه‌های متأخر حاصل تلاش مهندسان طراح جهت بهینه‌سازی طراحی‌های قبلی بوده‌اند. اما دقت کنید که بهینه‌سازی یک اتومبیل، تنها یک "اتومبیل بهتر" را نتیجه می‌دهد.

اما آیا می‌توان گفت اختراع هواپیما نتیجه همین تلاش بوده است؟ یا فرضاً می‌توان گفت فضا‌پیماها حاصل بهینه‌سازی طرح اولیه هواپیماها بوده‌اند؟

پاسخ اینست که گرچه اختراع هواپیما قطعاً تحت تأثیر دستاورهای صنعت اتومبیل بوده است؛ اما به‌هیچ وجه نمی‌توان گفت که هواپیما صرفاً حاصل بهینه‌سازی اتومبیل و یا فضا‌پیما حاصل بهینه‌سازی هواپیماست. در طبیعت هم عیناً همین روند حکم‌فرماست. گونه‌های متکامل‌تری وجود دارند که نمی‌توان گفت صرفاً حاصل تکامل تدریجی گونه قبلی هستند.

در این میان آنچه شاید بتواند تا حدودی ما را در فهم این مسأله یاری کند مفهومیست به نام تصادف یا جهش.

به عبارتی طرح هواپیما نسبت به طرح اتومبیل یک جهش بود و نه یک حرکت تدریجی. در طبیعت نیز به همین گونه‌است. در هر نسل جدید بعضی از خصوصیات به صورتی کاملاً تصادفی تغییر می‌یابند سپس بر اثر تکامل تدریجی که پیشتر توضیح دادیم در صورتی که این خصوصیت تصادفی شرایط طبیعت را ارضا کند حفظ می‌شود در غیر این‌صورت به شکل اتوماتیک از چرخه طبیعت حذف می‌گردد.

در واقع می‌توان تکامل طبیعی را به این‌صورت خلاصه کرد: جست‌وجوی کورکورانه (تصادف یا Blind Search) + بقای قوی‌تر.

هوش مصنوعی چیست

هوش مصنوعی (به انگلیسی: Artificial Intelligence) یا هوش ماشینی (Machine Intelligence) را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانش‌ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گوناگون و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر.

هوش مصنوعی به هوشی که یک ماشین از خود نشان می‌دهد و یا به دانشی در کامپیوتر که سعی در ایجاد آن دارد گفته می‌شود. بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی آن را دانش شناخت و طراحی عامل‌های هوشمند تعریف کرده‌اند. یک عامل هوشمند سیستمی است که با شناخت محیط اطراف خود, شانس موفقیت خود را بالا می‌برد جان مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود, آن را «دانش و مهندسی ساخت ماشین‌های هوشمند» تعریف کرده‌است. تحقیقات و جستجوهایی انجام شده برای رسیدن به ساخت چنین ماشین‌هایی مرتبط با بسیاری از رشته‌های علمی دیگر می‌باشد،

حال ببینیم که رابطه تکامل طبیعی با روش‌های هوش مصنوعی چیست. هدف اصلی روش‌های هوشمندِ به کار گرفته شده در هوش مصنوعی، یافتن پاسخ بهینه مسائل مهندسی است. بعنوان مثال اینکه چگونه یک موتور را طراحی کنیم تا بهترین بازدهی را داشته باشد یا چگونه بازوهای یک ربات را متحرک کنیم تا کوتاه‌ترین مسیر را تا مقصد طی کند (دقت کنید که در صورت وجود مانع یافتن کوتاه‌ترین مسیر دیگر به سادگی کشیدن یک خط راست بین مبدأ و مقصد نیست) همگی مسائل بهینه‌سازی هستند.

روش‌های کلاسیک ریاضیات دارای دو اشکال اساسی هستند. اغلب این روش‌ها نقطه بهینه محلی (Local Optima) را بعنوان نقطه بهینه کلی در نظر می‌گیرند و نیز هر یک از این روش‌ها تنها برای مسأله خاصی کاربرد دارند. این دو نکته را با مثال‌های ساده‌ای روشن می‌کنیم.

بهینه محلی و بهینه کلی

به شکل زیر توجه کنید. این منحنی دارای دو نقطه ماکزیمم می‌باشد. که یکی از آنها تنها ماکزیمم محلی است. حال اگر از روش‌های بهینه‌سازی ریاضی استفاده کنیم مجبوریم تا در یک بازه بسیار کوچک مقدار ماکزیمم تابع را بیابیم. مثلاً از نقطه 1 شروع کنیم و تابع را ماکزیمم کنیم. بدیهی است اگر از نقطه 1 شروع کنیم تنها به مقدار ماکزیمم محلی دست خواهیم یافت و الگوریتم ما پس از آن متوقف خواهد شد. اما در روش‌های هوشمند، به ویژه الگوریتم ژنتیک بدلیل خصلت تصادفی آنها حتی اگر هم از نقطه 1 شروع کنیم باز ممکن است در میان راه نقطه A به صورت تصادفی انتخاب شود که در این صورت ما شانس دست‌یابی به نقطه بهینه کلی (Global Optima) را خواهیم داشت.

در مورد نکته دوم باید بگوییم که روش‌های ریاضی بهینه‌سازی اغلب منجر به یک فرمول یا دستورالعمل خاص برای حل هر مسئله می‌شوند. در حالی که روش‌های هوشمند دستورالعمل‌هایی هستند که به صورت کلی می‌توانند در حل هر مسئله‌ای به کار گرفته شوند. این نکته را پس از آشنایی با خود الگوریتم بیشتر و بهتر خواهید دید.

الگوریتم ژنتیک چیست؟

الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند.الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای رگرسیون هستند.

برای مثال اگر بخواهیم نوسانات قیمت نفت را با استفاده از عوامل خارجی و ارزش رگرسیون خطی ساده مدل کنیم،این فرمول را تولید خواهیم کرد : قیمت نفت در زمان t = ضریب 1 نرخ بهره در زمان t + ضریب 2 نرخ بیکاری در زمان t + ثابت 1 . سپس از یک معیار برای پیدا کردن بهترین مجموعه ضرایب و ثابت‌ها جهت مدل کردن قیمت نفت استفاده خواهیم کرد. در این روش 2 نکته اساسی وجود دارد. اول این که روش خطی است و مسئله دوم این است که ما به جای اینکه در میان "فضای پارامترها" جستجو کنیم، پارامترهای مورد استفاده را مشخص کرده‌ایم.

با استفاده از الگوریتم‌های ژنتیک ما یک ابر فرمول یا طرح، تنظیم می‌کنیم که چیزی شبیه "قیمت نفت در زمان t تابعی از حداکثر 4 متغیر است" را بیان می‌کند. سپس داده‌هایی برای گروهی از متغیرهای مختلف، شاید در حدود 20 متغیر فراهم خواهیم کرد. سپس الگوریتم ژنتیک اجرا خواهد شد که بهترین تابع و متغیرها را مورد جستجو قرار می‌دهد. روش کار الگوریتم ژنتیک به طور فریبنده‌ای ساده، خیلی قابل درک و به طور قابل ملاحظه‌ای روشی است که ما معتقدیم حیوانات آنگونه تکامل یافته‌اند. هر فرمولی که از طرح داده شده بالا تبعیت کند فردی از جمعیت فرمول‌های ممکن تلقی می‌شود.

متغیر‌هایی که هر فرمول داده‌شده را مشخص می‌کنند به عنوان یکسری از اعداد نشان داده‌شده‌اند که معادل [دی ان ای|دی.ان.ای](DNA) آن فرد را تشکیل می دهند.

موتور الگوریتم ژنتیک یک جمعیت اولیه از فرمول ایجاد می‌کند. هر فرد در برابر مجموعه‌ای از داده‌ها‌ی مورد آزمایش قرار می‌گیرند و مناسبترین آنها (شاید 10 درصد از مناسبترین‌ها) باقی می‌مانند؛ بقیه کنار گذاشته می‌شوند. مناسبترین افراد با هم جفتگیری (جابجایی عناصر دی ان ای) و تغییر (تغییر تصادفی عناصر دی ان ای) کرده‌اند. مشاهده می‌شود که با گذشت از میان تعداد زیادی از نسلها، الگوریتم ژنتیک به سمت ایجاد فرمول‌هایی که دقیقتر هستند، میل می‌کنند. در حالی که شبکه‌های عصبی هم غیر‌خطی و غیر‌پارامتریک هستند، جذابیت زیاد الگوریتم‌های ژنتیک این است نتایج نهایی قابل ملاحظه‌ترند. فرمول نهایی برای کاربر انسانی قابل مشاهده خواهد بود، و برای ارائه سطح اطمینان نتایج می‌توان تکنیک‌های آماری متعارف را بر روی این فرمول‌ها اعمال کرد. فناوری الگوریتم‌های ژنتیک همواره در حال بهبود است و برای مثال با مطرح کردن معادله ویروس‌ها که در کنار فرمول‌ها و برای نقض کردن فرمول‌ها‌ی ضعیف تولید می‌شوند و در نتیجه جمعیت را کلاً قویتر می‌سازند.

مختصراً گفته می‌شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسئله‌ای که باید حل شود ورودی است و راه حلها طبق یک الگو کد‌گذاری می‌شوند که تابع fitness نام دارد و هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.

الگوریتم ژنتیک (GA) یک تکنیک جستجو در علم رایانه برای یافتن راه حل بهینه و مسائل جستجو است. الگوریتم‌های ژنتیک یکی از انواع الگوریتم‌های تکاملی‌اند که از علم زیست‌شناسی مثل وراثت، جهش، [انتخاب ناگهانی(زیست‌شناسی)|انتخاب ناگهانی]، انتخاب طبیعی و ترکیب الهام گرفته شده.

عموماً راه‌حلها به صورت 2 تایی 0 و 1 نشان داده می‌شوند، ولی روشهای نمایش دیگری هم وجود دارد. تکامل از یک مجموعه کاملاً تصادفی از موجودیت‌ها شروع می‌شود و در نسلهای بعدی تکرار می‌شود. در هر نسل، مناسبترین‌ها انتخاب می‌شوند نه بهترین‌ها.

یک راه‌حل برای مسئله مورد نظر، با یک لیست از پارامترها نشان داده می‌شود که به آنها کروموزوم یا ژنوم می‌گویند. کروموزوم‌ها عموماً به صورت یک رشته ساده از داده‌‌ها نمایش داده می‌شوند، البته انواع ساختمان داده‌های دیگر هم می‌توانند مورد استفاده قرار گیرند. در ابتدا چندین مشخصه به صورت تصادفی برای ایجاد نسل اول تولید می‌شوند. در طول هر نسل، هر مشخصه ارزیابی می‌شود وارزش تناسب (fitness) توسط تابع تناسب اندازه‌گیری می‌شود.

گام بعدی ایجاد دومین نسل از جامعه است که بر پایه فرآیندهای انتخاب، تولید از روی مشخصه‌های انتخاب شده با عملگرهای ژنتیکی است: اتصال کروموزوم‌ها به سر یکدیگر و تغییر.

برای هر فرد، یک جفت والد انتخاب می‌شود. انتخاب‌ها به گونه‌ای‌اند که مناسبترین عناصر انتخاب شوند تا حتی ضعیفترین عناصر هم شانس انتخاب داشته باشند تا از نزدیک شدن به جواب محلی جلوگیری شود. چندین الگوی انتخاب وجود دارد: چرخ منگنه‌دار(رولت)، انتخاب مسابقه‌ای (Tournament) ،... .

معمولاً الگوریتم‌های ژنتیک یک عدد احتمال اتصال دارد که بین 0.6 و 1 است که احتمال به وجود آمدن فرزند را نشان می‌دهد. ارگانیسم‌ها با این احتمال دوباره با هم ترکیب می‌شوند. اتصال 2 کروموزوم فرزند ایجاد می‌کند، که به نسل بعدی اضافه می‌شوند. این کارها انجام می‌‌شوند تا این که کاندیدهای مناسبی برای جواب، در نسل بعدی پیدا شوند. مرحله بعدی تغییر دادن فرزندان جدید است. الگوریتم‌های ژنتیک یک احتمال تغییر کوچک و ثابت دارند که معمولاً درجه‌ای در حدود 0.01 یا کمتر دارد. بر اساس این احتمال، کروموزوم‌های فرزند به طور تصادفی تغییر می‌کنند یا جهش می‌یابند، مخصوصاً با جهش بیت‌ها در کروموزوم ساختمان داده‌مان.

این فرآیند باعث به وجود آمدن نسل جدیدی از کروموزوم‌ها‌یی می‌شود، که با نسل قبلی متفاوت است. کل فرآیند برای نسل بعدی هم تکرار می‌شود، جفت‌ها برای ترکیب انتخاب می‌شوند، جمعیت نسل سوم به وجود می‌آیند و .... این فرآیند تکرار می‌شود تا این که به آخرین مرحله برسیم.

شرایط خاتمه الگوریتم‌های ژنتیک عبارتند از:

• به تعداد ثابتی از نسل‌ها برسیم.

• بودجه اختصاص داده‌شده تمام شود(زمان محاسبه/پول).

• یک فرد(فرزند تولید شده) پیدا شود که مینیمم (کمترین) ملاک را برآورده کند.

• بیشترین درجه برازش فرزندان حاصل شود یا دیگر نتایج بهتری حاصل نشود.

• بازرسی دستی.

• ترکیبهای بالا.

روش های نمایش

قبل از این که یک الگوریتم ژنتیک برای یک مسئله اجرا شود، یک روش برای کد کردن ژنوم‌ها به زبان کامپیوتر باید به کار رود. یکی از روش‌های معمول کد کردن به صورت رشته‌های باینری است: رشته‌های 0و1. یک راه حل مشابه دیگر کدکردن راه حل‌ها در آرایه‌ای از اعداد صحیح یا اعشاری است، که دوباره هر جایگاه یک جنبه از ویژگی‌ها را نشان می دهد. این راه حل در مقایسه با قبلی پیچیده‌تر و مشکل‌تر است. مثلاً این روش توسط استفان کرمر، برای حدس ساختار 3 بعدی یک پروتئین موجود در آمینو اسید‌ها استفاده شد. الگوریتم‌های ژنتیکی که برای آموزش شبکه‌های عصبی استفاده می شوند، از این روش بهره می گیرند.

سومین روش برای نمایش صفات در یک GA یک رشته از حروف است، که هر حرف دوباره نمایش دهنده یک خصوصیت از راه حل است.

خاصیت هر ‌3تای این روش‌ها این است که آنها تعریف سازنده‌ایی را که تغییرات تصادفی در آنها ایجاد می‌کنند را آسان می‌کنند: 0 را به 1 وبرعکس، اضافه یا کم کردن ارزش یک عدد یا تبدیل یک حرف به حرف دیگر.

توضیحات بالا در شکل قابل مشاهده است

یک روش دیگر که توسط John Koza توسعه یافت، برنامه‌نویسی ژنتیک (genetic programming)است. که برنامه‌ها را به عنوان شاخه‌های داده در ساختار درخت نشان می‌دهد. در این روش تغییرات تصادفی می‌توانند با عوض کردن عملگرها یا تغییر دادن ارزش یک گره داده شده در درخت، یا عوض کردن یک زیر درخت با دیگری به وجود آیند

عملگرهای یک الگوریتم ژنتیک

در هر مسئله قبل از آنکه بتوان الگوریتم ژنتیک را برای یافتن یک پاسخ به کار برد به دو عنصر نیاز است:در ابتدا روشی برای ارائه یک جواب به شکلی که الگوریتم ژنتیک بتواند روی آن عمل کند لازم است. در روش سنتی یک جواب به صورت یک رشته از بیتها، اعداد یا نویسهها نمایش داده می‌شود.دومین جزء اساسی الگوریتم ژنتیک روشی است که بتواند کیفیت هر جواب پیشنهاد شده را با استفاده از توابع تناسب محاسبه نماید. مثلاً اگر مسئله هر مقدار وزن ممکن را برای یک کوله پشتی مناسب بداند بدون اینکه کوله پشتی پاره شود، (مسئله کوله پشتی را ببینید) یک روش برای ارائه پاسخ می‌تواند به شکل رشته ای از بیتهای ۰ و۱ در نظر گرفته شود, که ۱ یا ۰ بودن نشانه اضافه شدن یا نشدن وزن به کوله پشتی است.تناسب پاسخ، با تعیین وزن کل برای جواب پیشنهاد شده اندازه گیری می‌شود.

مسئله کوله پشتی

فرض کنید که جهانگردی می خواهد کوله‌پشتی خود را با انتخاب حالتهای ممکن از بین وسائل گوناگونی که بیشترین راحتی را برایش فراهم می سازند پر کند. این مسئله می تواند با شماره گذاری این وسائل از 1 تا n و تعریف برداری از متغیرهای دودویی(Binary) (j = 1,2,…n) بصورت ریاضی فرمول بندی شود. به این معنی که: اگر شیء j ام انتخاب شود در غیر اینصورت وقتی میزان راحتی باشد که وسیله j ا م فراهم می آورد و وزن آن و c اندازه کوله پشتی باشد. مسئله ما انتخاب برداری از بین بردارهای دودویی x است،که محدودیت را بر آورده کند. بطوریکه تابع هدف ماکزیمم مقدار خود را بگیرد به عنوان نمونه ای از مسائلی که می توانند بصورت مساله کوله پشتی فرمول بندی شوند، مسئله زیر را در نظر بگیرید:

فرض کنید که شما مایل به سرمایه گذاری همه یا قسمتی ازسرمایه تان باشید. اگر مبلغی که برای سرمایه گذاری در نظر گرفتید c دلار باشد و n مورد برای سرمایه گذاری ممکن باشد ، اجازه دهیدکه سود حاصل از سرمایه گذاری j ام و مقدار دلارهایی باشد که آن سرمایه گذاری لازم دارد . بدین ترتیب جواب بهینه مسئله کوله پشتی که تعریف کردیم به ما این امکان را می دهدکه بهترین حالت ممکن را از بین حالتهای مختلف سرمایه گذاری انتخاب کنیم.

در این رابطه باید روشی برای حل این مسئله پیدا کرد . یک روش ابتدایی که در نگاه اول توجه ما را به خود جلب می کند ، عبارت از برنامه نویسی برای کامپیوتر به منظور امتحان کردن تمامی بردارهای دودویی ممکن x است، تا از بین بردارهایی که محدودیت مسئله را ارضاء می کنند بهترین را انتخاب کند. متاسفانه تعداد چنین بردارهایی است.بطوریکه یک کامپیوتر فرضی که می تواند یک بیلیون بردار را در یک ثانیه امتحان کند؛برای n = 60 بیش از 30 سال وقت لازم دارد و بیش از 60 سال برای n = 61 و دهها قرن برای n = 65 والی اخر.

با این وجود ،با استفاده از الگوریتمهایی خاص می توان در بسیاری موارد مسئله ای با n = 100 000 را در عرض چند ثانیه روی یک کامپیوتر کوچک حل کرد

ایده اصلی

در دهه هفتاد میلادی دانشمندی از دانشگاه میشیگان به نام جان هلند ایده استفاده از الگوریتم ژنتیک را در بهینه‌سازی‌های مهندسی مطرح کرد. ایده اساسی این الگوریتم انتقال خصوصیات موروثی توسط ژن‌هاست. فرض کنید مجموعه خصوصیات انسان توسط کروموزوم‌های او به نسل بعدی منتقل می‌شوند. هر ژن در این کروموزوم‌ها نماینده یک خصوصیت است. بعنوان مثال ژن 1 می‌تواند رنگ چشم باشد، ژن 2 طول قد، ژن 3 رنگ مو و الی آخر. حال اگر این کروموزوم به تمامی، به نسل بعد انتقال یابد، تمامی خصوصیات نسل بعدی شبیه به خصوصیات نسل قبل خواهد بود. بدیهیست که در عمل چنین اتفاقی رخ نمی‌دهد. در واقع بصورت همزمان دو اتفاق برای کروموزوم‌ها می‌افتد. اتفاق اول موتاسیون (Mutation) است. موتاسیون به این صورت است که بعضی ژن‌ها بصورت کاملاً تصادفی تغییر می‌کنند. البته تعداد این گونه ژن‌ها بسیار کم می‌باشد اما در هر حال این تغییر تصادفی همانگونه که پیشتر دیدیم بسیار مهم است. مثلاً ژن رنگ چشم می‌تواند بصورت تصادفی باعث شود تا در نسل بعدی یک نفر دارای چشمان سبز باشد. در حالی که تمامی نسل قبل دارای چشم قهوه‌ای بوده‌اند. علاوه بر موتاسیون اتفاق دیگری که می‌افتد و البته این اتفاق به تعداد بسیار بیشتری نسبت به موتاسیون رخ می‌دهد چسبیدن ابتدای یک کروموزوم به انتهای یک کروموزوم دیگر است. این مسأله با نام Crossover شناخته می‌شود. این همان چیزیست که مثلاً باعث می‌شود تا فرزند تعدادی از خصوصیات پدر و تعدادی از خصوصیات مادر را با هم به ارث ببرد و از شبیه شدن تام فرزند به تنها یکی از والدین جلوگیری می‌کند

روش های انتخاب

روش‌های مختلفی برای الگوریتم‌های ژنتیک وجود دارند که می‌توان برای انتخاب ژنوم‌ها از آن‌ها استفاده کرد. اما روش‌های لیست شده در پایین از معمول‌ترین روش‌ها هستند.

انتخاب Elitist

مناسب‌ترین عضو هر اجتماع انتخاب می‌شود.Elitist Selection

 انتخاب Roulette

یک روش انتخاب است که در آن عنصری که عدد برازش (تناسب) بیشتری داشته باشد، انتخاب می‌شود.Roulette Selection

انتخاب Scaling

به موازات افزایش متوسط عدد برازش جامعه، سنگینی انتخاب هم بیشتر می‌شود و جزئی‌تر. این روش وقتی کاربرد دارد که مجموعه دارای عناصری باشد که عدد برازش بزرگی دارند و فقط تفاوت‌های کوچکی آن‌ها را از هم تفکیک می‌کند.Scaling Selection

انتخاب Tournament

یک زیر مجموعه از صفات یک جامعه انتخاب می‌شوند و اعضای آن مجموعه با هم رقابت می‌کنند و سرانجام فقط یک صفت از هر زیر‌گروه برای تولید انتخاب می‌شوند.Tournament Selection

بعضی از روش‌های دیگر عبارتند از:Hierarchical Selection ,Steady-State Selection ,Rank Selection ,Tournament Selection