Genetik algoritmalar

Genetik algoritmalar are sezgisel, stokastik optimizasyon yöntemleri içeriğe sahip önerilen için İlk kez 1975, Holland. Bunlar evrim düşüncesine dayanmaktadır doğal seleksiyon tarafından bile Darwin'i sunmaktadır.

Genetik algoritmalar bireylerin çeşitli çalışmak, yani her bireyin herhangi bir soruna bir çözüm olarak hizmet verebilir bir nüfustur. Her birey kendisine tekabül çözümdür ne kadar iyi bağlı olarak uyum derecesine değerlendirilmelidir. doğaya ilişkin olarak bunu ele alırsak, kaynaklar için yarışma sırasında vücudun verimlilik derecesini olmadığı hesaplanmıştır. Bireyler nüfusun diğer üyeleri ile melezlenmesi yoluyla üreyebilir, çok daha iyi uyum sağlarlar. Bu ebeveynlerden miras iletilen belirli özelliklere birleştiren yeni türlerin, görünümünü neden olur.

Az uyarlanmış bireyler sahip oldukları özellikleri, yavaş yavaş tüm popülasyonun evrim sırasında kaybolur, böylece yavrular daha az olasılıkla çoğaltmak mümkün olacaktır. Bazen genlerin veya mutasyonlar spontan değişiklikler vardır. Bu nesilden nesle iyi özellikler nüfus boyunca dağıtılacak çıkıyor. En büyük geleceği temsil arama siteleri araştırdıktan ne yol açan en uygun bireyler interbreeding. Sonunda, bu bir çözümdür. Genetik algoritmalar var avantajı ait Gerçek şu ki o is nispeten kısa periyot süresi yaklaşık çözümleri, hangi are optimum. Bu programlama ile ilgili konuyu dikkate değer.

Genetik algoritmalar, aşağıdaki bileşenlerden oluşur:

- söz konusu sorununa bir çözüm temsil kromozom genden oluşur. Bu nüfus kromozomları yaptırıldığı kabul birincil;

- tabloların bir dizi (yeni nüfus bazında yeni çözümler üretmek için tasarlanmış);

- amaç fonksiyonu (çözeltilerin uygunluğunu değerlendirmek için tasarlanmış).

seçimi, mutasyon ve çaprazlama: genetik algoritma için operatörlerin standart kümesi sağlar. Yardımı ile genetik algoritmalar ne faydası her bir açıklık dikkate almak mümkündür operatörü. Operatör seçimi spor fonksiyonlarının değerlerine koşula uygun olarak kromozom seçer. turnuvası ve rulet: Burada en popüler operatör en az ikisi sunulmuştur. rulet yöntemi n koşuyla bireylerin seçimi egzersiz gerektirir. rulet çarkı istihdam edilen nüfusun her üyesi için gerekli değere bir sektör içermektedir. Bu seçimde bir adaptasyon önemli ölçüde daha yüksek oranlı nüfus üyeleri düşük uygunluğa sahiptirler temsilcileri daha sık seçilecektir. usulün bireylerin n seçmenize izin turnuva n Takımlar uygulandığında. Her olayın temeli nüfusunun örnek k elemanlarını koydu, aralarında en iyi örnek seçilmelidir.

Eğer algoritmaları programlama dikkate devam ederse, Melezleme denilen bir yöntem hakkında söylemek gerekir. Geçiş operatör bir popülasyonda kromozomlar veya kromozom kısımlarının çifti arasında değiş tokuş edilir.

Son operatör - mutasyonlar - kromozomun stokastik varyasyonu.

genetik algoritmalar kullanılması spesifik göz kağıt sığabilecek daha hacimli malzeme içerir, bu nedenle ayrı ayrı göz önüne alınmalıdır.