유전자 알고리즘은발견 적, 확률 적 최적화 방법으로 1975 년 네덜란드에서 처음 제안되었다. 그들은 다윈 (Darwin)에 의해 제안 된 자연 선택 (natural selection)을 가진 진화론에 근거하고 있습니다.
유전 알고리즘은 다양한개인, 즉 각 개인이 특정 문제에 대한 해결책으로 사용할 수있는 인구. 각 개인은 그것에 해당하는 문제의 해결책이 얼마나 좋은지에 따라 적합성의 정도를 평가해야합니다. 우리가 자연과 관련하여이를 고려한다면, 자원에 대해 경쟁하면서 유기체의 효율성 정도가 평가됩니다. 상당히 잘 적응 된 개체는 다른 개체군과 교배하여 자손을 번식시킬 수 있습니다. 이것은 부모로부터 물려받은 몇 가지 특성을 결합한 새로운 개인의 출현의 원인이됩니다.
덜 적응 된 개인은 재현 할 수 있습니다.자손은 거의 발생하지 않으므로 그들이 소유하고있는 속성은 전체 인구에서 진화 과정에서 점차 사라질 것입니다. 때로는 유전자 또는 돌연변이에 자발적인 변화가 있습니다. 세대별로 훌륭한 특성들이 인구 전체에 분포 될 것이라는 것이 밝혀졌습니다. 가장 적합한 개인을 횡단하는 것은 가장 큰 잠재 고객을 대표하는 검색 사이트를 탐구한다는 사실에 이르게합니다. 결국 문제의 해결책이 있습니다. 유전 알고리즘은 비교적 짧은 기간에 최적의 근사 솔루션을 찾는다는 이점이 있습니다. 프로그래밍에 관한이 질문을 고려해 볼 가치가 있습니다.
유전 알고리즘은 다음과 같은 구성 요소로 구성됩니다.
- 염색체는 고려중인 문제에 대한 해결책으로 유전자로 구성됩니다. 이 염색체 개체군은 초기 것으로 간주됩니다.
- 연산자 집합 (새로운 집단을 기반으로 새로운 솔루션을 생성하도록 설계됨).
- 객관적인 기능 (의사 결정의 적합성을 평가하기 위해 고안된 것).
유전 알고리즘을 위해서표준 연산자 세트 : 선택, 돌연변이 및 교차. 각 특정 연산자가 의도 한 바를 명확히함으로써 유전 알고리즘의 사용을 고려할 수 있습니다. 선택 연산자는 적합도 함수의 값이 무엇인지에 따라 염색체를 선택합니다. 가장 인기있는 중 2 개는 토너먼트와 룰렛입니다. 룰렛 방법은 n 회의 시작을 통한 개인 선택을 포함합니다. 사용 된 인구의 각 구성원에 대해 룰렛 휠에는 필요한 크기의 섹터가 하나씩 들어 있습니다. 현저하게 높은 체력 지수를 가진 인구의 구성원은 체력이 낮은 대표자보다 선택 될 가능성이 더 높습니다. 토너먼트 방법이 n 토너먼트로 구현되면 n 명의 개인을 선택할 수 있습니다. 각 토너먼트는 인구 집단의 k 요소 샘플을 기반으로하며, 그 중에서도 가장 적합한 개인을 선택해야합니다.
알고리즘을 계속 고려한다면프로그래밍이라면 교차라는 메서드에 대해 말할 가치가 있습니다. 교차 연산자는 동일한 모집단의 한 쌍 또는 염색체 사이에서 염색체의 부분을 교환합니다.
마지막 연산자 인 돌연변이는 염색체의 일부가 확률 적으로 변하는 것입니다.
유전자 알고리즘의 적용에 대한 특정 고려 사항은 기사에 들어갈 수있는 것보다 더 많은 양의 자료이므로 별도로 고려해야합니다.
