مروری بر الگوریتم ژنتیک و کاربردهای آن

الگوریتم ژنتیک (ga) روشی برای بهینه سازی پارامترها در مسائل دشوار بر اساس اصل انتخاب ژنتیک می باشد. علاوه بر بهینه سازی، در راستای اهداف یادگیری ماشین و تحقیق و توسعه را نیز به کار گرفته می شود. این الگوریتم بر اساس زیست شناسی برای تولید کروموزوم با متغیرهایی مانند انتخاب، ترکیب و جهش، که با هم عملیات ژنتیکی را تشکیل می دهند کار می کند که در ابتدا روی یک جمعیت تصادفی قابل استفاده است. هدف ga ارائه راه حل در نسل های متوالی است. میزان موفقیت در یک کروموزوم به طور مستقیم با ارزیابی راه حلی که توسط آن نشان داده می شود، نسبت دارد، در نتیجه تضمین می کند که کیفیت در نسل های متوالی بهتر خواهد بود. این فرآیند زمانی به نتیجه می رسد که ga بتواند راه حلی بهینه و قابل قبول بر اساس پارامترهای مسئله ارائه کند. جان هالند به عنوان پدر الگوریتم ژنتیک اصلی در نظر گرفته می شود که در سال 1970 این الگوریتم را ارائه داده است. علاوه بر این، یک روش جستجوی تصادفی توسط چارلز داروین برای حل موثر یک مشکل ارائه شده است. در این مقاله، بررسی الگوریتم ژنتیک و گردش کار اساسی آن اشاره شده و کاربردهای آن نیز مورد بحث قرار گرفته است.