بهترین کتاب آموزش الگوریتم ژنتیک همراه با مثال های متعدد به زبان متلب

انواع الگوریتم های ژنتیکی

الگوریتم های ژنتیک که نمونه اولیه آن توسط هالند در سال 1975 ارائه شد، تکامل طبیعی را در سطح ژن و کروموزوم شبیه سازی می کنند. عملکرد غالب در تولید نسل جدید، پیوند کروموزوم هاست، گرچه جهش در ژن ها نیز به عنوان یک عملکرد ثانوی به کار می رود.

انواع بسیاری برایGA شناخته شده است که در اینجا به تعدادی از آنها اشاره می کنیم :

-1 الگوریتم ژنتیک سری[1]

-2 الگوریتم ژنتیک موازی[2]

-3 الگوریتم ژنتیک آشفته [3]

-4 الگوریتم ژنتیک هیبرید [4]

-5 الگوریتم ژنتیک خودسازمان[5]

-6 الگوریتم ژنتیک زایشی [6]

-7 الگوریتم ژنتیک حالت دائمی [7]

1-1-1-1-1 الگوریتم ژنتیکی سری

الگوریتم ژنتیک سری همان الگوریتم ژنتیک معمولی است که در مقابل نوع موازی سری نام گرفته است.

تکامل یک پروسه بهینه  سازی مبتنی بر تغییرات تصادفی تدریجی نمونه های مختلف در یک جمعیت و انتخاب اَحسن آنهاست. با مدل سازی این پروسه می توان یک تکنیک بهینه سازی آماری را به دست آورد که امروزه در مسائل پیچیده مختلف و بخصوص مسائل طراحی، کارائی خود را نشان داده است. در الگوریتم ژنتیک به عنوان یکی از الگوریتم های تکاملی، اثر کدهای ژنتیکی در ترکیب و انتقال اطلاعات و همچنین

فرآیند انتخاب طبیعی بر اساس سازگاری موجود با شرایط زیست محیطی مدلسازی است. در این الگوریتم نمونه هایی که در پروسه تکاملی قرار می گیرند، جوابهای مختلف در فضاهای جواب هستند  متناظر هر جواب (نقطه در فضای جواب)، یک نمونه ژنتیکی (Genotype) به صورت یک رشته از کاراکترها