الگوریتم ژنتیک به‌عنوان یکی از روشهای تصادفی بهینه یابی شناخته شده که توسط جان هلند در سال 1970 ابداع شده است، در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند.
این الگوریتم همانطور که از نام آن پیداست از توارث صفات والدین به فرزندان به وسیله ترکیب کروموزوم های والدین ایده می گیرد. بدین طریق که تعدادی کروموزوم تولید، بعد آن ها را ترکیب کرده و کروموزوم جدیدی ایجاد می کنند و از آنجا که والدین قوی (به طور کلی) به احتمال بیشتری فرزندان قوی تولید می کنند از ترکیب کروموزوم های قوی ، می توان به کروموزوم های قوی تر دست پیدا کرد، برای شروع کار یک جمعیت از فضای جسجورا انتخاب کرده و با توجه به تابع هدف شروع به جستجو می نمایند، جواب مساله به شکل کروموزوم که خود شامل یک رشته از عددها و نمادها می باشد، نمایش داده می شود. دو عامل تقاطع (Crossover) و جهش (Mutation) در جهت رسیدن به جواب بهینه در مساله مداخله می کنند این دو عامل (تقاطع و جهش) با توجه به ارزش گذاری کروموزوم ها، بهترین ها را نسل به نسل انتقال می دهند تا جواب بهینه بدست آید.
مقایسه الگوریتم ژنتیک :
-
الگوریتم ژ نتیک همزمان با یک مجموعه از نقاط جستجو می کند نه با یک نقطه تنها.
-
الگوریتم ژنتیک از قوانین احتمالی پیروی می کند نه قوانین طبیعی
-
الگوریتم ژنتیک بر روی یک مجموعه از خواص کد شده عمل می کند و نه بر روی مقادیر اصلی آن ها( به جزء در مواردی که از نمایش حقیقی در رشته ها استفاده شود)
-
الگوریتم ژنتیک به مشتق گیری یا هر گونه اطلاعات کمکی نیاز ندارد و تنها تابع هدف و شیوه تعیین برازش از اطلاعات خام ، جهت جستجو را مشخص می کنند.
دانلود : الگوریتم ژنتیک - Genetic Algorithm
برچسب :الگوریتم ژنتیک چیست؟ - عملگرهای یک الگوریتم ژنتیک - فلو چارت این الگوریتم
