Genetski algoritmi

Genetski algoritmi su heurističke, stohastička metoda optimizacije koje su predložene po prvi put 1975. godine, Holandiji. Oni su zasnovani na ideji evolucije prirodnom selekcijom, koja nudi čak Darwin.

Genetski algoritmi rade sa različitim pojedinaca, to je populacija u kojoj svaki pojedinac može poslužiti kao rješenje za bilo koji određeni problem. Svaki pojedinac ima da se ocjenjuje na stepen adaptacije, u zavisnosti od toga koliko je dobar je rješenje koje odgovara na njega. Ako uzmemo u obzir da u odnosu na prirodu, tu se procjenjuje stepen efikasnosti tijela tokom takmičenja za resursima. Pojedinci su mnogo više prilagođene, može reproducirati putem ukrštanje sa drugim članovima populacije. Ovo uzrokuje pojavu novih vrsta, koje kombinuju određene karakteristike prenosi kao nasljeđe od roditelja.

Manje prilagođen pojedinci će biti u stanju da reprodukuje potomstvo imaju manje šanse, tako da imovine koju posjeduju, postepeno će nestati u toku evolucije čitave populacije. Ponekad su spontani promjene u genima ili mutacije. Ispostavilo se da su dobre osobine iz generacije u generaciju će biti distribuiran u cijeloj populaciji. Ukrštanjem pojedince koji su najbolje odgovara, što je dovelo do onoga što je istraživao pretraživanje lokacije koje predstavljaju najveću budućnost. Na kraju, to je rješenje. Genetski algoritmi imaju prednost činjenice da se radi o relativno kratkom vremenskom periodu približne rješenja koja su optimalna. To je vrijedno s obzirom na problem u vezi programiranja.

Genetski algoritmi se sastoje od sljedećih komponenti:

- kromosom predstavlja rješenje problema koji se razmatra se sastoji od gena. Ova populacija kromosoma se smatra primarnim;

- skup izjava (dizajniran za stvaranje novih rješenja na osnovu novih stanovnika);

- funkcije cilja (dizajniran za procjenu prikladnosti rješenja).

Za genetski algoritam daje standardni set operatora: selekcija, mutacija i crossover. Moguće je da se razmotri upotreba genetskih algoritama uz pomoć razjasni šta svakog pojedinog operatera. Operator izbor bira hromozoma u skladu sa onim vrijednostima funkcija fitness. Ovdje je predstavljen na najmanje dva od najpopularnijih operater: turnir i rulet. metoda rulet uključuje ostvarivanje izbor pojedinaca sa n trčanja. Za svakog člana populacije zaposlenih u ruleta sadrži jedan sektor na potrebnu vrijednost. Članovi stanovništva sa znatno većom stopom adaptacije u ove selekcije će biti češće biraju od predstavnika koji imaju nizak fitness. Kada se metoda se provodi turnir n Ekipe koje omogućavaju pojedincima da izaberite n. Osnova svakog događaja postavljeni uzorak k elemenata stanovništva, najbolji uzorak među njima treba izabrati.

Ako i dalje razmotriti programiranje algoritama, potrebno je reći o metodu ukrštanja. operater prelaz se razmjenjuju između par porcija hromozoma ili hromozoma u populaciji.

Zadnje operater - mutacije - na stohastičkog varijacije kromosoma.

Posebno razmatranje korištenja genetskih algoritama pruža više obimnog materijala, nego može da stane na papir, tako da treba uzeti u obzir odvojeno.