الگوریتم ژنتیک ، به عنوان یک الگوریتم محاسباتی بهینه سازی ، با در نظر گرفتن مجموعه ای از نقاط فضای جواب در هر تکرار محاسباتی ، بنحو موثری نواحی مختلف فضای جواب را جستجو می کند.

در مکانیزم جستجو گرچه مقدار تابع هدف تمام فضای جواب محاسبه نمی شود ولی مقدار محاسبه شده تابع هدف برای هر نقطه ، در متوسط گیری اماری تابع هدف برای هر نقطه ، در متوسط گیری اماری تابع هدف در کلیه زیر فضاهایی که ان نقطه بدان ها وابسته بوده ، دخالت داده می شود و این زیر فضاها بطور موازی از نظر تابع هدف متوسط گیری اماری می شوند . این مکانیزم را توازی ضمنی ) ( implicit parallelismمی گویند .

این روند باعث می شود که جستجوی فضا به نواحی از ان که متوسط اماری تابع هدف در ان ها زیاد بوده و امکان وجود نقطه بهینه مطلق در ان ها بیشتر است ، سوق پیدا کند . چون در این روش بر خلاف روش های تک مسیری ، فضای جواب به طور همه جانبه جستجو می شود ، امکان کمتری برای همگرایی به یک نقطه بهینه محلی وجود خواهد داشت .

امتیز دیگر این الگوریتم ان است که هیچ محدودیتی برای تابع بهینه شونده ، مثل مشتق پذیری یا پیوستگی لازم ندارد و در روند جستجو خود تنها به تعیین مقدار تابع هدف در نقاط مختلف نیاز دارد و هیچ اطلاعات کمکی دیگری ، مثل مشتق تابع را استفاده نمی کند .

لذا می توان در مسائل مختلف اعم از خطی ، پیوسته یا گسسته استفاده می شود و به سهولت با مسائل مختلف قابل تطبیق است . در هر تکرار هر یک از رشته های موجود در جمعیت رشته ها ، رمز گشایی شده و مقدار تابع هدف برای ان بدست می اید .

مکانیزم الگوریتم ژنتیک بر اساس مقادیر بدست امده تابع هدف در جمعیت رشته ها ، به هر رشته یک عدد برازندگی نسبت داده می شود . این عدد برازندگی احتمال انتخاب را برای هر رشته تععین خواهد کرد .

بر اساس این احتمال انتخاب ، مجموعه ای از رشته ها انتخاب شده و با اعمال عملکرد های ژنتیکی روی ان ها رشته های جدید جای گزین رشته هایی از جمعیت اولیه می شوند تا تعداد جمعیت رشته ها در تکرار های محاسباتی مختلف ثابت باشد .

مکانیزم های تصادفی که روی انتخاب و حذف رشته ها عمل می کنند به گونه ای هستند که رشته هایی که عدد برازندگی بیشتری دارند ، احتمال بیشتری برای ترکیب و تولید رشته های جدید داشته و در مر حله جایگزینی نسبت به دیگر رشته ها مقاوم تر هستند .

بدین لحاظ جمعیت دنباله ها در یک رقابت بر اساس تابع هدف در طی نسل های مختلف ، کامل شده و متوسط مقدار تابع هدف در جمعیت رشته ها افزایش می یابد .

بطور کلی در این الگوریتم ضمن انکه در هر تکرار محاسباتی ، توسط عملگر های ژنتیکی نقاطی جدیدید از فضای جواب مورد جستجو قرار می گیرند توسط مکانیزم انتخاب ، روند جستجو نواحی از فضا را که متوسط اماری تابع هدف در ان ها بیشتر است ، کنکاش می کند .

بر اساس سیکل اجرایی فوق ، در هر تکرار محاسباتی ، توسط عملگر های ژنتیکی نقاط جدیدی از فضای جواب مورد جستجو قرار می گیرند توسط مکانیزم انتخاب ، روند جستجو نواحی از فضا را که توسط اماری تابع هدف در ان ها بیشتر است ، کنکاش می کند .

بر اساس سیکل اجرایی فوق ، در هر تکرار محاسباتی ، سه عملگر اصلی روی رشته ها عمل می کند . این سه عمل گر عبارتند از دو عملگر ژنتیکی و عملکرد انتخاب تصادفی . گلد برگ ) ( Gold bergالگوریتم ژنتیکی هالند را با عنوان الگوریتم ژنتیک ساده ) ( SGAمعرفی می کند .

نوشتن دیدگاه


 

آموزش های گام به گام

چهارمین کارگاه ارتباطات و نظریه اطلاعات برگزار می شود

چهارمین کارگاه ارتباطات و نظریه اطلاعات
چهارمین کارگاه ارتباطات و نظریه اطلاعات

ادامه مطلب...

مسابقه حل مسائل مهندسی شیمی به کمک کامپیوتر دانشگاه صنعتی شریف

مسابقه حل مسائل مهندسی شیمی به کمک کامپیوتر دانشگاه صنعتی شریف
مسابقه حل مسائل مهندسی شیمی به کمک کامپیوتر دانشگاه صنعتی شریف

ادامه مطلب...

سمینار خانه های هوشمند برای دوران پیری

سمینار خانه های هوشمند برای دوران پیری

ادامه مطلب...

مسابقه حل مسائل مهندسی شیمی به کمک کامپیوتر دانشگاه صنعتی شریف

مسابقه حل مسائل مهندسی شیمی به کمک کامپیوتر دانشگاه صنعتی شریف
مسابقه حل مسائل مهندسی شیمی به کمک کامپیوتر دانشگاه صنعتی شریف

ادامه مطلب...