الگوریتم های ژنتیک ( به انگلیسی: Genetic algorithm ) تکنیک جستجو در علم رایانه برای یافتن راه حل تقریبی برای بهینه سازی مدل، ریاضی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم های تکاملی است که از تکنیک های زیست شناسی فرگشتی مانند وراثت، جهش زیست شناسی و اصول انتخابی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می شود. الگوریتم های ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی بر مبنای رگرسیون هستند. در مدل سازی الگوریتم ژنتیک یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند. مسئله ای که باید حل شود دارای ورودی هایی می باشد که طی یک فرایند الگوبرداری شده از تکامل ژنتیکی به راه حل ها تبدیل می شود سپس راه حل ها به عنوان کاندیداها توسط تابع برازش یا تابع برازندگی ( Fitness Function ) مورد ارزیابی قرار می گیرند و چنانچه شرط خروج مسئله فراهم شده باشد الگوریتم خاتمه می یابد. به طور کلی یک الگوریتم مبتنی بر تکرار است که اغلب بخش های آن به صورت فرایندهای تصادفی انتخاب می شوند که این الگوریتم ها از بخش های تابع برازش، نمایش، انتخاب و تغییر تشکیل می شوند.
هنگامی که لغت تنازع بقا به کار می رود اغلب بار ارزشی منفی آن به ذهن می آید. شاید هم زمان قانون جنگل به ذهن برسد و حکم بقای قوی ترها!
البته همیشه هم قوی ترین ها برنده نبوده اند؛ مثلاً دایناسورها با وجود جثه عظیم و قوی تر بودن در طی روندی کاملاً طبیعی بازیِ بقا و ادامه نسل را واگذار کردند در حالی که موجوداتی بسیار ضعیف تر از آن ها حیات خویش را ادامه دادند. ظاهراً طبیعت، بهترین ها را تنها بر اساس هیکل انتخاب نمی کند! در واقع درست تر آنست که بگوییم طبیعت مناسب ترین ها ( Fittest ) را انتخاب می کند.
قانون انتخاب طبیعی بدین صورت است که تنها گونه هایی از یک جمعیت ادامه نسل می دهند که بهترین خصوصیات را داشته باشند و آن هایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می روند.
الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده آن برگرفته از طبیعت می باشد. الگوریتم های ژنتیک برای روش های کلاسیک بهینه سازی در حل مسائل خطی، محدب و برخی مشکلات مشابه بسیار موفق بوده اند ولی الگوریتم های ژنتیک برای حل مسائل گسسته و غیر خطی بسیار کاراتر می باشند. به عنوان مثال می توان به مسئله فروشنده دوره گرد اشاره کرد. در طبیعت از ترکیب کروموزوم های بهتر، نسل های بهتری پدید می آیند. در این بین گاهی اوقات جهش هایی نیز در کروموزوم ها روی می دهد که ممکن است باعث بهتر شدن نسل بعدی شوند. الگوریتم ژنتیک نیز با استفاده از این ایده اقدام به حل مسائل می کند. روند استفاده از الگوریتم های ژنتیک به صورت زیر می باشد:
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفهنگامی که لغت تنازع بقا به کار می رود اغلب بار ارزشی منفی آن به ذهن می آید. شاید هم زمان قانون جنگل به ذهن برسد و حکم بقای قوی ترها!
البته همیشه هم قوی ترین ها برنده نبوده اند؛ مثلاً دایناسورها با وجود جثه عظیم و قوی تر بودن در طی روندی کاملاً طبیعی بازیِ بقا و ادامه نسل را واگذار کردند در حالی که موجوداتی بسیار ضعیف تر از آن ها حیات خویش را ادامه دادند. ظاهراً طبیعت، بهترین ها را تنها بر اساس هیکل انتخاب نمی کند! در واقع درست تر آنست که بگوییم طبیعت مناسب ترین ها ( Fittest ) را انتخاب می کند.
قانون انتخاب طبیعی بدین صورت است که تنها گونه هایی از یک جمعیت ادامه نسل می دهند که بهترین خصوصیات را داشته باشند و آن هایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می روند.
الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده آن برگرفته از طبیعت می باشد. الگوریتم های ژنتیک برای روش های کلاسیک بهینه سازی در حل مسائل خطی، محدب و برخی مشکلات مشابه بسیار موفق بوده اند ولی الگوریتم های ژنتیک برای حل مسائل گسسته و غیر خطی بسیار کاراتر می باشند. به عنوان مثال می توان به مسئله فروشنده دوره گرد اشاره کرد. در طبیعت از ترکیب کروموزوم های بهتر، نسل های بهتری پدید می آیند. در این بین گاهی اوقات جهش هایی نیز در کروموزوم ها روی می دهد که ممکن است باعث بهتر شدن نسل بعدی شوند. الگوریتم ژنتیک نیز با استفاده از این ایده اقدام به حل مسائل می کند. روند استفاده از الگوریتم های ژنتیک به صورت زیر می باشد:
wiki: الگوریتم ژنتیک