الگوریتم ژنتیک
قالب بندی : PDF
قیمت : رایگان
عنوان مقاله : الگوریتم ژنتیک و حل مسئله TSP
شرح مختصر : در این مقاله ابتدا الگوریتمهای ژنتیک را معرفی کرده و مراحل انجام چنین الگوریتمهایی توضیح داده می شود. بعد از اینکه یک دید کلی نسبت به الگوریتمهای ژنتیک پیدا کردیم به مساله TSP میپردازیم. ابتدا چند روشی که برای حل مسئله TSP ارائه شده است را بیان می کنیم و بعد سعی می کنیم الگوریتمهای ژنتیک مختلفی را برای این مساله مطرح کنیم و پس بررسی می کنیم که کدام یک از این الگوریتمهای ژنتیک بهتر از بقیه روشها جواب می دهند. در پایان نیز مقایسه ای بین الگوریتمهای ژنتیک و دیگر الگوریتمها انجام می دهیم.
الگوریتم های ژنتیک (به انگلیسی: Genetic Algorithm)، (با نماد اختصاری GA) تکنیک جستجویی در علم رایانه برای یافتن راهحل تقریبی برای بهینهسازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتمهای تکامل است که از تکنیکهای زیستشناسی فرگشتی مانند وراثت و جهش استفاده میکند. این الگوریتم برای اولین بار توسط جان هلند معرفی شد.
در واقع الگوریتمهای ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیشبینی یا تطبیق الگو استفاده میکنند. الگوریتمهای ژنتیک اغلب گزینه خوبی برای تکنیکهای پیشبینی بر مبنای رگرسیون هستند. در هوش مصنوعی الگوریتم ژنتیک (یا GA) یک تکنیک برنامهنویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده میکند. مسئلهای که باید حل شود دارای ورودیهایی میباشد که طی یک فرایند الگوبرداری شده از تکامل ژنتیکی به راهحلها تبدیل میشود سپس راه حلها بعنوان کاندیداها توسط تابع ارزیاب (Fitness Function) مورد ارزیابی قرار میگیرند و چنانچه شرط خروج مسئله فراهم شده باشد الگوریتم خاتمه مییابد. الگوریتم ژنتیک بطور کلی یک الگوریتم مبتنی بر تکرار است که اغلب بخشهای آن به صورت فرایندهای تصادفی انتخاب میشوند.
این الگوریتمها از بخشهای زیر تشکیل میشوند: تابع برازش – نمایش – انتخاب – تغییر
کلمات کلیدی : الگوریتم ژنتیک، حل مسئله TSP ، الگوریتم های ژنتیکی، کروموزوم، اصول الگوریتم ژنتیک، روشهای مختلف الگوریتم ژنتیک، Traveling Salesman Problem، الگوریتم، انواع الگوریتم، الگوریتم بهینه، الگوریتم رقابت استعماری، الگوریتم و فلوچارت، الگوریتم مورچگان، الگوریتم دایجسترا، ژنتیک، مسئله مازینگ، الگوریتم برتر، اصول الگوریتم ژنتیک