الگوریتم ژنتیک ((Genetic Algorithms(GA)
الگوریتم ژنتیک (Genetic Algorithms(GA))
به نام خدا
الگوریتم های ژنتیک با ایده گرفتن از طبیعت و یکی از مهمترین کاربردهای آنها در مسایل TSP می باشد .
تا کنون ایده های فراوانی در این زمینه داده شده است .
هر الگوریتم ژنتیک اصولا از سه پروسه {(Process)} تشکیل می شود:
1. ازدواج Recombination
2. جهش ژنی Mutation
3. انتخاب مجدد Selection
که هر کدام از این فرایندها می تواند انواع و شکل های متفاوتی داشته باشد ...
این الگوریتمها مبتنی بر روند تکاملی می باشند که برگرفته از نظام طبیعت است . نسلهای موجودات قوی تر بیشتر زندگی می کنند و نسلهای بعدی نیز قوی تر می شوند یا به عبارت دیگر می توان گفت : طبیعت افراد قوی تر (شایسه تر) را برای زندگی برمی گزیند .{نظریه داروین}
حالا با چنین ایده ای می تون مسئله را شبیه سازی کامپوتری نمود .
مزیت الگوریتم های ژنتیکی در این است که برای مسایلی که پاسخ قطعی ندارند و یا نمی توان از راه حلهای معمول به جواب رسید طی روندی تکاملی مجموعه ای از نزدیکترین جوابها به بهترین پاسخ را نشان خواهد داد{بهینه سازی Optimization} .
حال مسئله ی فروشنده ی دوره گرد را تبدیل به یک مسئله ژنتیک می کنیم .........
پس از مطالعه ی بخشهای بالا از مقاله با مشخصات زیر :
نام مقاله : حل مسایل به کمک الگوریتم های ژنتیک (Genetic Algorithms)
نویسنده : آرش گرامی فرد
واژگان پایه :
Genetic algorithm-Recombination-Mutation-Selection-Roulette wheel-tournament
crossover-Chromosome-jene
و با فهرست مطالب :
- الگوریتم ژنتیک
- مسئله فروشنده دوره گرد(TSP)
- انتخاب والد ها (Select Parents)
- Random Selection
· Roulette Wheel
· Ranking Selection
· K-Tournament Slection
- ازدواج یا ترکیب مجدد (Recombination)
· One point crossover
· K-point crossover
· Advanced crossover
- جهش ژنی (Mutation)
· Random Mutation
· Swap
- انتخاب نسل جدید (Selection)
- شرط پایانی (Stop Condition)
- نکات دیگر درباره ی الگوریتم های ژنتیک
- نتایج حاصل پس از اجرای برنامه
- منابع
می توانید آن را از اینجا دانلود کنید .
