مسئله ۸ وزیر با الگوریتم ژنتیک در پایتون

مسئله ۸ وزیر یک پازل کلاسیک شطرنج است که هدف آن قرار دادن ۸ وزیر روی صفحه شطرنج به‌گونه‌ای است که هیچ دو وزیری یکدیگر را تهدید نکنند. این پروژه شامل پیاده‌سازی مسئله ۸ وزیر با الگوریتم ژنتیک در پایتون برای حل مسئله به‌طور کارآمد همراه با رابط گرافیکی (GUI) بر پایه PyQt6 برای نمایش خروجی فرآیند است. کاربران می‌توانند الگوریتم را اجرا کرده، پیشرفت آن را دنبال کرده و نتایج را روی صفحه شطرنج مشاهده کنند.

✅ مناسب برای دانشجویان، پژوهشگران و علاقه‌مندان به هوش مصنوعی، این ابزار یک روش تعاملی برای درک الگوریتم‌های ژنتیک و مسائل ارضای محدودیت ارائه می‌دهد.

محتویات این محصول

ویژگی‌های سورس کد

✅ رابط کاربری گرافیکی (GUI) با PyQt6

• رابط مدرن و تعاملی برای تنظیم پارامترها و نمایش نتایج
• نمایش صفحه شطرنج و بهترین راه‌حل پیدا شده توسط الگوریتم ژنتیک

✅ پیاده‌سازی الگوریتم ژنتیک

• کدگذاری کروموزومی که در آن هر ژن نشان‌دهنده موقعیت یک وزیر در صفحه است
• شامل عملگرهای انتخاب(Selection)، ترکیب (Crossover) و جهش (Mutation) برای تکامل بهتر
• استفاده از استراتژی Elitism برای حفظ بهترین راه‌حل در هر نسل

✅ پارامترهای قابل تنظیم
کاربران می‌توانند مقادیر زیر را تغییر دهند:

• اندازه جمعیت (Population Size)
• نرخ جهش (Mutation Rate)
• تعداد نسل‌ها (Number of Generations)
  این ویژگی انعطاف‌پذیری بالایی برای آزمایش پیکربندی‌های مختلف الگوریتم ژنتیک ارائه می‌دهد.

✅ ثبت لاگ‌های اجرای الگوریتم در لحظه

• نمایش امتیاز برازش (Fitness) برای هر نسل
• اعلام پیدا شدن راه‌حل معتبر به‌صورت لحظه‌ای

✅ اجرای چندنخی (Multi-Threaded Execution)

• **اجرای الگوریتم ژنتیک در یک رشته‌ی جداگانه (QThread) برای حفظ روانی رابط کاربری

بررسی ساختار کد منبع

کلاس اجرای الگوریتم ژنتیک (GeneticAlgorithmThread)

این کلاس شامل منطق اصلی الگوریتم ژنتیک است.

🔹 run() → اجرای الگوریتم ژنتیک برای تعداد مشخصی از نسل‌ها، ثبت لاگ‌ها و ارسال به‌روزرسانی‌های GUI
🔹 fitness() → محاسبه تعداد زوج‌های وزیرهایی که یکدیگر را تهدید نمی‌کنند
🔹 random_chromosome() → ایجاد یک کروموزوم تصادفی (چینش تصادفی وزیرها روی صفحه)
🔹 select_parent()، crossover()، mutate() → پیاده‌سازی فرآیند انتخاب، ترکیب و جهش در الگوریتم ژنتیک

کلاس رابط کاربری (GeneticAlgorithmApp)

این کلاس وظیفه مدیریت بخش گرافیکی برنامه را بر عهده دارد.

🔹 __init__() → تنظیم اولیه GUI شامل فیلدهای ورودی برای پارامترهای الگوریتم، دکمه‌های اجرا و نمایش لاگ‌ها و صفحه شطرنج
🔹 run_algorithm() → دریافت ورودی کاربر و اجرای الگوریتم ژنتیک در یک رشته‌ی جداگانه برای به‌روزرسانی رابط کاربری در لحظه
🔹 update_chessboard() → نمایش موقعیت وزیرها روی صفحه شطرنج

ویژگی‌های کلیدی

✅ اجرای الگوریتم ژنتیک در لحظه
مشاهده‌ی روند تکامل الگوریتم و بهینه‌سازی چینش وزیرها به‌صورت زنده

✅ بصری‌سازی تعاملی صفحه شطرنج
نمایش واضح و گرافیکی صفحه شطرنج همراه با چینش نهایی وزیرها

✅ پارامترهای قابل تنظیم برای تکامل الگوریتم
امکان تغییر اندازه جمعیت، نرخ جهش و تعداد نسل‌ها برای آزمایش روش‌های مختلف حل مسئله

✅ اجرای چندنخی برای تجربه کاربری روان‌تر
اجرای الگوریتم ژنتیک در پس‌زمینه برای جلوگیری از هنگ کردن UI هنگام پردازش

موارد استفاده

📌 تحقیقات هوش مصنوعی و یادگیری ماشین

• بررسی عملکرد الگوریتم‌های ژنتیک در حل مسائل

📌 ابزار آموزشی برای مسائل بهینه‌سازی

• درک نحوه تکامل راه‌حل‌ها در الگوریتم‌های ژنتیک

📌 تحلیل و مقایسه الگوریتم‌ها

• آزمایش و مقایسه‌ی روش‌های مختلف انتخاب، ترکیب و جهش

📌 هوش مصنوعی در بازی‌سازی و شطرنج

• استفاده از روش‌های ارضای محدودیت برای تصمیم‌گیری در هوش مصنوعی بازی‌ها

چرا این محصول؟

✔️ مناسب برای مبتدیان و کاملاً تعاملی

• GUI گرافیکی که نیاز به اجرای خط فرمانی را حذف می‌کند

✔️ بصری‌سازی زنده و ثبت مراحل اجرای الگوریتم

• امکان مشاهده‌ی روند حل مسئله در لحظه

✔️ انعطاف‌پذیر و توسعه‌پذیر

• به‌راحتی می‌توان آن را برای حل مسائل N-Queens بزرگ‌تر یا سایر مسائل بهینه‌سازی تعمیم داد

✔️ اجرای سریع و چندنخی

• اجرا در رشته‌ی جداگانه برای جلوگیری از هنگی رابط کاربری

ویژگی‌های برجسته محصول

🎯 رابط گرافیکی PyQt6 برای به‌روزرسانی‌های زنده

• UI کاربرپسند برای تنظیم و اجرای الگوریتم ژنتیک

🤖 استفاده از الگوریتم ژنتیک برای حل مسائل هوش مصنوعی

• شامل انتخاب، ترکیب و جهش برای یافتن بهترین راه‌حل

⚡ اجرای چندنخی برای عملکرد بهینه

• اجرای روان بدون تأثیر بر تعامل کاربر

نتیجه‌گیری

📌 این ابزار حل مسئله ۸ وزیر با الگوریتم ژنتیک در پایتون، یک راهکار ایده‌آل برای دانشجویان، پژوهشگران و علاقه‌مندان به هوش مصنوعی و الگوریتم‌های تکاملی است.

✅ اگر به یادگیری الگوریتم‌های ژنتیک، حل مسائل بهینه‌سازی یا تحلیل هوش مصنوعی در بازی‌ها علاقه دارید، این محصول یک انتخاب جذاب و کاربردی خواهد بود! 🚀♟