کاربر دها
ساخت سايت
کاربرد الگوریتم های ژنتیک بسیار زیاد میباشد
optimization,
automatic programming,
machine learning,
economics,
operations research,
ecology,
studies of evolution and learning, and
social systems
زیر شاخه های EA
روش های EA به دو نوع مرتبط به هم ولی مجزا دسته بندی
میشوند :
.1Genetic Algorithms (GAs)
در این روش راه حل یک مسئله بصورت یک bit string
نشان داده میشود .
.2Genetic Programming (GP)
این روش به تولید expression trees که در زبانهای برنامه
نویسی مثل lisp مورد استفاده هستند میپردازد بدین ترتیب
میتوان برنامه هائی ساخت که قابل اجرا باشند .
الگوریتم های ژنتیک
روش متداول پیاده سازی الگوریتم ژنتیک بدین ترتیب است که :
مجموعه ای از فرضیه ها که population نامیده میشود تولید وبطور
متناوب با فرضیه های جدیدی جایگزین میگردد .
در هر بار تکرارتمامی فرضیه ها با استفاده از یک تابع تناسب یا
Fitness مورد ارزیابی قرار داده میشوند . آنگاه تعدادی از بهترین
فرضیه ها با استفاده از یک تابع احتمال انتخاب شده و جمعیت جدید را
تشکیل میدهند .
تعدادی از این فرضیه های انتخاب شده به همان صورت مورد استفاده
واقع شده و مابقی با استفاده از اپراتورهای ژنتیکی نظیر Crossover
و Mutation برای تولید فرزندان بکار میروند .
منبع : matlabdl