دوشنبه 30 مهر 1397 | Monday 22 nd of October 2018 صفحه اصلی گروه الکترونیکی کامپیوتر
1-3- مفاهیم پایه ای الگوریتم ژنتیک

الگوریتم های ژنتیک تفاوت بسیار زیادی با روش های بهینه سازی قدیمی دارند. در این الگوریتم ها باید فضای طراحی به فضای ژنتیک تبدیل شود. بنابر این الگوریتم های ژنتیک باید با یک سری متغیر های کد شده کار کنند. یکی از تفاوت های دیگر GAبا روش های قدیمی بهینه سازی در این است که در GAبا جمعیت یا مجموعه ای از نقاط در یک لحظۀ خاص کار می کنیم. در حالی که در روش های قدیمی بهینه سازی تنها برای یک نقطۀ خاص عمل می کردیم.

هر کروموزوم ویژگی های یک نمونه فرد را مشخص می کند که هر کدام از این ویژگی ها را یک ژن، و در اصطلاح الگوریتم ژنتیک، متغیر می گوییم. یک تعداد از کروموزوم ها به عنوان یک جمعیت

شتاخته می شود. در صفحۀ یک جمعیت از کروموزوم ها را مشاهده می کنید که به صورت ماتریس

(1-1)

نمایش داده شده است، و هر سطر ان به یک کروموزوم مربوط می شود.

به طور کلی یک GAبه صورت زیر کار می کند:

شکل 1-2: نمودار گردشی الگوریتم ژنتیک

شکل 1-2: نمودار گردشی الگوریتم ژنتیک

فرض کنید می خواهیم مقدار مینیمم تابع زیر را با استفاده از الگوریتم ژنتیک بدست اوریم:

(1-2)

(1-3)

(1-4)

محدودۀ تابع را نیز به صورت زیر در نظر می گیریم:

Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26