» مقالات » مقالات هایبرد » تکامل در الگوریتم ژنتیک

تکامل در الگوریتم ژنتیک

تکامل در الگوریتم ژنتیک

7089  تعداد بازدید  |  شنبه 1 آذر ماه 1393

یک نمونه از روشهای بهینه سازی را می توان در طبیعت یافت، جایی که در آن موجودات وارگانیسمهای ساده وپیچیده ای که قادرند خود را دائما با تغییرات و شرایط محیطی وفق دهند، تکامل یافته اند

  
یک نمونه از  روشهای بهینه سازی را می توان در طبیعت یافت، جایی که در آن موجودات وارگانیسمهای ساده وپیچیده ای که قادرند خود را دائما با تغییرات و شرایط محیطی وفق دهند، تکامل یافته اند. این تکامل در میان نسلها با ایده بقای مناسب ترینها اتفاق می افتد. در زمین
مسائل مهندسی های نرم افزاری و برنامه نویسی و طراحی سایت  نیز خوشبختانه یک شبیه سازی می تواند برای دستیابی به نتایج مشابه با تقلید از روند موجود در سیستمهای تکاملی صورت پذیردالبته پیشینه این مسائل به حدود سالهای 1960 که در آن سالها علاقهٔ زیادی برای توسعه دادنالگوریتمهای قدرتمند جهت حل مسائل بهینه سازی پیچیده وجود داشت، بر میگردد. در خلال این تلاشها واژه ای که به طور معمول برای اشاره به چنین روشهایی مورد استفاده قرار گرفت، واژه محاسبات تحولی بود که خود شامل الگوریتمهای خاصی چون الگوریتم ژنتیک، استراتژیهای تحول، برنامه ریزی تحولی و برنامه ریزی ژنتیک میشد، اما با گذشت زمان الگوریتمهای ژنتیک بنظر می-رسید از محبوبیت، مقبولیت و کارایی بسیار بیشتری نسبت به دیگر روشها برخوردار باشد.الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که براساس روشهای الهامگرفته از سیستم بیولوژیکی، اقدام به حل مسائل می نماید. در این الگوریتمها جمعیت یک نمونهٔانتزاعی از نامزدهای راه حل یک مسأله بهینه سازی، به راه حل بهتری منجر خواهد شد. همانگونه که درچرخه حیات طبیعی،کروموزومها پاسخگوی چگونگی یا نحوه عملکرد ویژگیهای یک موجود یا گونه ای خاص هستند، پارامترها و راه حلهای احتمالی یک مساله مهندسی یا طراحی نیز می توانند بصورت یک کروموزوم مدلبندی شده و با قراگرفتن در جریان فرایند الگوریتم ژنتیک، بهینه گردند.