مقدمه و تاریخچه
روند الگوریتمهای ژنتیک
مزایا و معایب الگوریتمهای ژنتیک
پارامتر‌های کنترل
حل TSP با استفاده از GA
جمع‌بندی
مقدمه و تاریخچه:
GA بعنوان دسته‌ای از الگوریتمهای تکاملی
ابداع توسط آقای John Holland در سال 1975 در میشیگان
شبیه‌سازی روند GA بر اساس روند تکاملی طبیعت
پایه‌گذاری بر اساس نظریه آقای چارلز داروین
روشی برای جستجو در فضاهای بزرگ
کاربرد در مسائل بهینه‌سازی
مقدمه:
الگوریتم ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کند.
الگوریتم ژنتیک یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند.
الگوریتم ژنتیک برای مسائل جستجو و بهینه سازی بکار برده می شود.
هنگامی که لغت تنازع بقا به کار می‌رود اغلب بار ارزشی منفی آن به ذهن می‌آید. شاید همزمان قانون جنگل به ذهن برسد و حکم بقای قوی‌تر!
طبیعت مناسب ترین‌ها (Fittest) را انتخاب می کند نه بهترین‌ها.
قانون انتخاب طبیعی:
قانون انتخاب طبیعی بدین صورت است که تنها گونه‌هایی از یک جمعیت ادامه نسل می دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می روند.
طبیعت با بهره گیری از یک روش بسیار ساده(حذف تدریجی گونه‌های نامناسب و در عین حال تکثیر بالاتر گونه های بهینه) توانسته است دائما هر نسل را از لحاظ خصوصیات مختلف ارتقا بخشد. البته این روش به تنهایی برای رسیدن به تکامل کافی نیست(حد اقل در مورد آنچه که در طبیعت وجود دارد). وجود فرآیندی به نام "جهش (Mutation)" نیز لازم است.
شامل 54 اسلاید powerpoint
دانلود پاورپوینت الگوریتم های ژنتیک
