در این مقاله الگوریتم ژنتیک همراه با فلوچارت و توضیحات کامل ارائه شده است. اگر می خواهید در رابطه با الگوریتم ژنتیک اطلاعات خوبی را بدست آورید ادامه این مطلب را بخوانید. الگوریتم ژنتیک از اصول علم ژنتیک و قانون تکامل داروین استفاده میکند.
الگوریتم ژنتیک را با نرم افزارهایی مانند متلب می توان پیاده سازی نمود و برای حل مسائل مختلف از آن بهره برد. برای مشاهده لیست اساتید و مدرسین متلب بر روی عبارت معلم خصوصی متلب MATLAB کلیک نمائید. مطالعه دانلود جزوه نرم افزار مطلب هم مفید است.
ایده کلی در الگوریتم ژنتیک این است که تعداد زیادی جواب تولید میشود جواب ها توسط یک تابع تناسب مورد ارزیابی قرار میگیرند آن گاه تعدادی از بهترین حل ها باعث تولید حل های جدید تری میشوند که این کار باعث تکامل راه حل ها میگردد و بدین ترتیب فضای جست و جو به سمت راه حل مطلوب تکامل پیدا میکند در این نوع الگوریتم تضمینی برای یافتن جواب بهینه وجود ندارد چرا که از قوانین بنیادین احتمال پیروی میکند و احتمال به تله افتادن الگوریتم در مینمم های محلی بسیار ناچیز است. الگوریتم ژنتیک فقط نیاز به اطلاعاتی در مورد کیفیت حل های ایجاد شده به وسیله هر مجموعه از متغیر ها دارد در صورتی که دیگر روش های بهینه سازی نیاز به اطلاعات و یا حتی شناخت کامل مسئله دارند. الگوریتم ژنتیک یک روش برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مساله استفاده می کند. از مزایای الگوریتم ژنتیک می توان به ساده بودن، پاسخ های دقیق، سریع و موثر بودن اشاره کرد اما مهمترین عیب الگوریتم ژنتیک بالا بودن هزینه اجرایی آن است.
حتما ببینید: فیلم آموزشی - امکانات جدید نرم افزار مطلب MatLab 2016 و سیمیولینک simulink در کنترل و دینامیک
الگوریتم ژنتیک از اصول علم ژنتیک و قانون تکامل داروین استفاده میکند. و میتوان الگوریتم را بر روی نرم افزار متلب پیاده سازی نمود. کاربرد این الگوریتم در حل مسائلی چون نحوه کنترل ایستگاه های خطوط انتقال نفت، تنظیم تصاویر اشعه ایکس، طراحی تراشه های کامپیوتری طراحی خرپا با کمترین وزن و بالاترین استحکام، برنامه ریزی کار در کارخانه جات و کارگاه های تولیدی، تشخیص چهره، بهینه سازی هندسی ورق های کامپوزیتی، بهینه سازی پرچ ها از نظر تنش برشی و... میباشد. فلوچارت الگوریتم به شکل زیر است:
مطالعه نمائید: دانلود جزوه آموزشی matlab
الگوریتمهای ژنتیک (به انگلیسی: Genetic algorithm) تکنیک جستجو در علم رایانه برای یافتن راهحل تقریبی برای بهینهسازی مدل، ریاضی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتمهای تکاملی است که از تکنیکهای زیستشناسی فرگشتی مانند وراثت، جهش زیستشناسی و اصول انتخابی داروین برای یافتن فرمول بهینه جهت پیشبینی یا تطبیق الگو استفاده میشود. الگوریتمهای ژنتیک اغلب گزینه خوبی برای تکنیکهای پیشبینی بر مبنای رگرسیون هستند. در مدلسازی الگوریتم ژنتیک یک تکنیک برنامهنویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده میکند (کلیک کنید: مشاهده لیست مدرسین برنامه نویسی). مسئلهای که باید حل شود دارای ورودیهایی میباشد که طی یک فرایند الگوبرداری شده از تکامل ژنتیکی به راهحلها تبدیل میشود سپس راه حلها به عنوان کاندیداها توسط تابع ارزیاب (Fitness Function) مورد ارزیابی قرار میگیرند و چنانچه شرط خروج مسئله فراهم شده باشد الگوریتم خاتمه مییابد. بهطور کلی یک الگوریتم مبتنی بر تکرار است که اغلب بخشهای آن به صورت فرایندهای تصادفی انتخاب میشوند که این الگوریتمها از بخشهای تابع برازش، نمایش، انتخاب و تغییر تشکیل میشوند.
برای مطالعه بیشتر در زمینه الگوریتم ژنتیک در ویکی پدیا بر روی این لینک کلیک کنید.
منبع: ایران مدرس