مولد اعداد شبه تصادفی با استفاده از الگوریتم های تکاملی مبتنی بر اتوماتای سلولی

اعداد تصادفی در علوم ریاضی، مهندسی و صنعتی کاربردهای گوناگون و متنوعی دارند، بعضًا برای حل مسائل عددی پیچیده از اعداد تصادفی استفاده میشود. بنا به اهمیت اعداد تصادفی هدف در این پایان نامه تولید اعداد تصادفی مناسب است. به صورت عملی یکی از راههای تولید اعداد تصادفی واقعی استفاده از فرآیندهای فیزیکی طبیعی است. برای جلوگیری از نتایج شبیه سازی اشتباه بوسیله تولید کننده .[ اعداد تصادفی نامناسب از تعدادی آزمون های آماری استفاده می شود[ 20 روشهای متنوعی برای ساخت مولدهای اعداد تصادفی ارائه شده است. در دو دهه اخیر محققان 1]. بسیاری علاقه زیادی برای ساخت مولد های تصادفی با استفاده از اتوماتاهای سلولی نشان دادهاند[ از محققین از الگوریتم ژنتیک برای بدست آوردن قوانین مناسب بر روی اتوماتای سلولی استفاده نمودند. در این میان روش "برنامهریزی سلولی" 1 مورد توجه بسیاری از پژوهشگران قرار گرفت به طوریکه با دادن تغییراتی در آن به راهحلها و روشهای جدیدی برای یافتن اعداد تصادفی دست مییابند و روش خود را با استفاده از تستهای مختلف آماری با برنامهریزی سلولی مقایسه میکنند. در این پایان نامه بر اساس ایده اتوماتای سلولی غیر یکنواخت یک بعدی با شعاع همسایگی یک با استفاده از الگوریتم ژنتیک، یک روش جدید برای پیدا کردن مجموعه قوانین کارا در تولید اعداد شبه تصادفی ارائه میشود. الگوریتم پیشنهاد شده را از این پس مولد اعداد شبه تصادفی با استفاده از الگوریتم مینامیم. به منظور مقایسه الگوریتم پیشنهادی با (prng gaca) ژنتیک مبتنی بر اتوماتای سلولی 2 استفاده میشود و نشان میدهد که الگوریتم “ent” الگوریتمهای قبلی از آزمون آماری نظیر تست پیشنهادی در مقایسه با الگوریتم برنامهریزی سلولی، در تعداد نسل کمتر و سرعت بالاتر به مجموعه قوانین مورد نظر همگرا میشود. بنابراین میتوان تمام روشهایی که در این سالهای اخیر بر اساس تکنیک برنامهریزی سلولی عمل میکردند را مبتنی بر روش ارائه شده پیاده سازی نمود.