مجموعه آموزشی الگوریتم های ژنتیک (GA)

الگوريتم هاي ژنتيك (GA) با اقتباس از فرآيندهاي مشاهده شده در تكامل طبيعي، اولين بار توسط دكتر جان هولند (John Holland) در دهه 70 میلادی پيشنهاد گرديد. این الگوریتم با شبيه سازي فرآيندهاي ژنتيك طبيعي سعي مي كند مسائل پيچيده دنياي واقعي را كه با روش هاي بهينه سازي متداول قابل حل نيستند را حل نمايد. در ساختار الگوریتم ژنتیک در ابتدا جمعيتي از کروموزم ها توليد مي شوند و در هر تکرار براي ايجاد کروموزم هاي جديد از عملگرهايي از قبيل باز توليد، تقاطع و جهش استفاده مي گردد، سپس برازندگي كروموزم ها ارزيابي مي شود و از ميان كروموزم هاي قبلي و نوزادان(كروموزم هاي جديد) توسط يكي از تكنيكهاي انتخاب، كروموزم هاي برتر انتخاب شده و بدين ترتيب اندازه جمعيت در نسل بعدي نيز ثابت خواهند ماند. پس از چندين تكرار، الگوريتم به سمت بهترين كروموزم همگرا شده و بصورت اميدوار كننده اي نمايان گر جواب بهينه يا نزديك به بهينه خواهد بود.
فیلم آموزشی الگوریتم های ژنتیک، بحث های نظری (تئوری) و عملی بر روی الگوریتم های ژنتیک را به صورت کامل پوشش داده است. همچنین از طریق این بسته آموزشی، دانش پژوهان علاوه بر مروری بر مبانی تئوری الگوریتم های ژنتیک، با نحوه پیاده سازی این الگوریتم در محیط متلب آشنا خواهند شد. در نهایت این مجموعه آموزشی به ارائه چند مسأله کاربردی و نمونه با استفاده از الگوریتم های ژنتیک پرداخته است.

درباره مدرس

درباره مدرس

اهم سر فصل های ملاحظه شده در این مجموعه آموزشی در زیر اشاره شده اند:

• مروری بر مبانی الگوریتم ژنیتک و دلایل پیدایش آن
• مروری بر مفاهیم و ساختار الگوریتم ژنتیک
• بررسی ساختار الگوریتم های ژنتیک برای حل مسائل پیوسته
• بررسی ساختار الگوریتم های ژنتیک برای حل مسائل گسسته
• روش های انتخاب والدین در الگوریتم های ژنتیک (Selection)
• انتخاب تصادفی (Random Selection)
• انتخاب چرخه رولت (Roulette Wheel)
• انتخاب نخبه گرایی (Elitism)
• انتخاب رقابتی (Tournament Selection)
• روش های تقاطع در الگوریتم های ژنتیک (Crossover or Recombination)
• معرفی عملگرهای تقاطع مورد استفاده در مسائل پیوسته و گسسته
• تقاطع تک نقطه ای ( Single Point)
• تقاطع دو نقطه ای ( Double Point)
• تقاطع یکنواخت ( Uniform)
• تقاطع ترکیبی
• روش های جهش در الگوریتم های ژنتیک (Mutation)
• معرفی عملگرهای جهش مورد استفاده در مسائل پیوسته گسسته
• روش جابجایی(Swap)
• روش معکوس کردن(Reversion)
• روش وارونگى (Inversion)
• روش های تلفیق جمعیت در الگوریتم های ژنتیک
• روش شایسته سالاری
• روش انتخاب تصادفی
• روش ایجاد تنوع در جمعیت
• روش ترکیبی)
• پیاده سازی الگوریتم ژنتیک برای حل یک مسئله پیوسته
• پیاده سازی الگوریتم ژنتیک برای حل یک مسئله گسسته