الگوریتم ژنتیک برای اولین بار توسط Holland John در سال 0791 مطرح گردید. این روش بر مبنای ایده تکامل در طبیعت ميباشد و به جستجوی فضای جواب مساله بصورت اتفاقي ميپردازد. این جستجو در جهت پیداکردن جوابهایي بهتر درهر نسل نسبت بهنسل قبل صورت ميپذیرد. از قابلیتهای مهم الگوریتم ژنتیک امکان اجرای آن بطور موازی در حل مسائل ميباشد. همچنین برای حل مسائلي که بسیار پیچیده هستند و یا دارای ابعاد بزرگ ميباشند بسیار موثر عمل ميکند.
در الگوریتم ژنتیک متغیرهای کنترلي فضای جستجو در قالب رشتههایي به نام کروموزم کد ميگردند. در واقع هر کروموزم یک جواب برای مساله مورد نظر ميباشد. مجموعههایي از کروموزمها یک جمعیت را به وجود ميآورد. بدین ترتیب برای هر کروموزم یک تابع هدف وجود خواهد داشت و این تابع هدف معیاری جهت بقاء یا عدم بقاء یک کروموزم جهت ایجاد نسل و گسترش خصوصیات آن کروموزم ميباشد.
مشابه الگوریتم DE ،الگوریتم ژنتیک هم با یک جمعیت اولیه شروع به کار ميکند. از آنجایي که الگوریتم ژنتیک از یک روش مبتني بر جستجوی اتفاقي استفاده مينماید، هر چه جمعیت اولیه بزرگتر در نظر گرفته شود احتمال همگرایي الگوریتم به سمت بهینه سراسری افزایش پیدا ميکند. به عبارتي با بزرگ انتخاب کردن تعداد اعضای جمعیت اولیه دامنه تغییرات متغیرهای کنترلي متنوعتر شده. و الگوریتم با تعداد حاالت بیشتری در فضای جستجوی جواب شروع به کار مينماید. گاهي اوقات جمعیت اولیه را بسیار بزرگ در محدوده 0111 تا 01111 کروموزم در نظر ميگیرند ولي در فرایند تکراری الگوریتم از بخش کوچکي در محدوده 01 تا 011 کروموزوم به عنوان نسل برتر استفاده ميشود.
در این مطلب، آموزش پیاده سازی الگوریتم ژنتیک در نرم افزار دیگسایلنت در قالب فایل pdf آموزش داده می شود.
در اینجا فایل کامل آموزش برای دانلود قرار داده شده است.
