***2
lالگوریتم ژنتیک
lالگوریتم ژنتیک روش یادگیری بر پایه تکامل بیولوژیک است.
lاین روش در سال 1970 توسط John Holland معرفی گردید
lاین روشها با نام Evolutionary Algorithms نیز خوانده میشوند.
***3
lایده کلی
lیک GA برای حل یک مسئله مجموعه بسیار بزرگی از راه حلهای ممکن ار تولید میکند.
lهر یک از این راه حلها با استفاده از یک “ تابع تناسب” مورد ارزیابی قرار میگیرد.
lآنگاه تعدادی از بهترین راه حلها باعث تولید راه حلهای جدیدی میشوند. که اینکار باعث تکامل راه حلها میگردد.
lبدین ترتیب فضای جستجو در جهتی تکامل پیدا میکند که به راه حل مطلوب برسد
lدر صورت انتخاب صحیح پارامترها، این روش میتواند بسیار موثر عمل نماید.
***4
lالگوریتم ژنتیک بجای جستجوی فرضیه های general-to specific و یا simple to complex فرضیه ها ی جدید را با تغییر و ترکیب متوالی اجزا بهترین فرضیه های موجود بدست میاورد.
lدر هرمرحله مجموعه ای از فرضیه ها که جمعیت (population) نامیده میشوند از طریق جایگزینی بخشی از جمعیت فعلی با فرزندانی که از بهترین فرضیه های موجود حاصل شده اند بدست میآید.
***5
lویژگیها
الگوریتم های ژنتیک در مسائلی که فضای جستجوی بزرگی داشته باشند میتواند بکار گرفته شود.
lهمچنین در مسایلی با فضای فرضیه پیچیده که تاثیر اجرا آن در فرضیه کلی ناشناخته باشند میتوان از GA برای جستجو استفاده نمود.
lبرای discrete optimizationبسیار مورد استفاده قرار میگیرد.
lالگوریتم های ژنتیک را میتوان براحتی بصورت موازی اجرا نمود از اینرو میتوان کامپیوترهای ارزان قیمت تری را بصورت موازی مورد استفاده قرار داد.
lامکان به تله افتادن این الگوریتم در مینیمم محلی کمتر از سایر روشهاست.
lاز لحاظ محاسباتی پرهزینه هستند.
lتضمینی برای رسیدن به جواب بهینه وجود ندارد.
***6
lParallelization of Genetic Programming
lسال 1999 شرکت Genetic Programming Inc. یک کامپیوتر موازی با 1000 گره هر یک شامل کامپیوتر های P2, 350 MHZ برای پیاده سازی روش های ژنتیک را مورد استفاده قرار داد.
***7
lکاربر دها
lکاربرد الگوریتم های ژنتیک بسیار زیاد میباشد
loptimization,
lautomatic programming,
lmachine learning,
leconomics,
loperations research,
lecology,
lstudies of evolution and learning, and
lsocial systems