Professional Documents
Culture Documents
03 Zandieh Soft Computing GA
03 Zandieh Soft Computing GA
ﻮ ﻢ
Genetic Algorithm
1
2
GA ﭘﻴﺸﻴﻨﻪ
اﻳﺪه اﺻﻠﻲ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ) (GAﻣﺒﺘﻨﻲ ﺑﺮ ﻧﻈﺮﻳﻪ ﺗﻜﺎﻣﻠﻲ داروﻳﻦ (1859) 1اﺳﺖ.
ﻧﻈﺮﻳﻪ ﺗﻜﺎﻣﻠﻲ داروﻳﻦ ﺑﺼﻮرت ﺗﺤﻠﻴﻠﻲ اﺛﺒﺎت ﻧﺸﺪه اﺳﺖ اﻣﺎ از ﻧﻈﺮ ﺗﺠﺮﺑﻲ ﺗﺎﺋﻴﺪ ﺷﺪه اﺳﺖ.
ﺑﻌﺒﺎرﺗﻲ اﻓﺮاد ﻳﻚ ﺟﺎﻣﻌﻪ )اﻧﺴﺎﻧﻲ/ﺣﻴﻮاﻧﻲ (.../از ﻃﺮﻳﻖ ﺟﻔﺘﮕﻴﺮي ﻧﺴﻞ ﺟﺪﻳﺪي اﻳﺠﺎد ﻣﻲ ﻛﻨﻨﺪ.
دارﻧﺪ.
ﺳﺎزﮔﺎري ﺑﻴﺸﺘﺮي ﺎﺑﺎ ﻃﻃﺒﻴﻌﺖ ا
ﻧﺴﻞ ﺟﺪﻳﺪ ،ﺎ ﮔﺎ
اﻓﺮاد ﻞ
ﻣﻮارد اﻓ ا
اﻏﻠﺐ ا
در اﻏﻠ
در ﻣﻮارد اﺳﺘﺜﻨﺎﻳﻲ ﻣﻤﻜﻦ ﺟﻬﺸﻬﺎﻳﻲ 2در ﺧﺼﻮﺻﻴﺎت ﻳﻚ ﻓﺮد رخ ﻣﻲ دﻫﺪ.
اﻏﻠﺐ اﻓﺮاد ﺟﻬﺶ ﻳﺎﻓﺘﻪ ﺑﺎ ﻃﺒﻴﻌﺖ ﻧﺎﺳﺎزﮔﺎرﻧﺪ.
در ﻣﻮارد ﻧﺎدر ﺳﺎزﮔﺎري ﺑﺴﻴﺎر ﺑﺎﻻﻳﻲ دارﻧﺪ.
1- Darwin’s Evolutionary Theory 2- Mutation
3
GA ﭘﻴﺸﻴﻨﻪ
ﺑﻄﻮر ﺧﻼﺻﻪ در ﻫﺮ ﻧﺴﻞ ،ﺷﺎﻧﺲ اﻧﺘﻘﺎل ﺧﺼﻮﺻﻴﺎت ﮔﻮﻧﻪ ﻫﺎي ﺑﻬﺘﺮ ﺑﻪ ﻧﺴﻞ ﺑﻌﺪ ﺑﻴﺸﺘﺮ اﺳﺖ و
ﮔﻮﻧﻪ ﻫﺎي ﺑﺎ ﺧﺼﻮﺻﻴﺎت ﺑﺪ ﺑﺘﺪرﻳﺞ از ﺑﻴﻦ ﻣﻲ روﻧﺪ.
در ﻧﺘﻴﺠﻪ ﺑﺎ ﮔﺬﺷﺖ زﻣﺎن ﺧﺼﻮﺻﻴﺎت ﮔﻮﻧﻪ ﻫﺎ ﺗﻜﺎﻣﻞ ﻣﻲ ﻳﺎﺑﻨﺪ.
در واﻗﻊ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ،ﺷﺒﻴﻪ ﺳﺎزي اﻳﻦ ﻓﺮآﻳﻨﺪ ﺗﻜﺎﻣﻞ ﺑﻴﻮﻟﻮژﻳﻜﻲ 1ﺑﺮاي ﺑﻬﻴﻨﻪ ﺳﺎزي
ﮔﻠﺪﺑﺮگ ).((1970
اﺳﺖ)ﻫﻠﻨﺪ ،دﻳﺠﻮﻧﮓ و ﮔﻠﺪﺑ گ
اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ در ﻃﺒﻘﻪ روﺷﻬﺎي ﺟﺴﺘﺠﻮي ﺗﺼﺎدﻓﻲ ﻫﺪاﻳﺖ ﺷﺪه 2ﻗﺮار دارد.
اﻳﻦ اﻟﮕﻮرﻳﺘﻢ ﺑﺨﺼﻮص ﺑﺮاي ﺑﻬﻴﻨﻪ ﺳﺎزي ﻣﺴﺎﺋﻞ ﭘﻴﭽﻴﺪه ﺑﺎ ﻓﻀﺎي ﺟﺴﺘﺠﻮي ﻧﺎﺷﻨﺎﺧﺘﻪ ﻣﻨﺎﺳﺐ اﺳﺖ.
Hill Climbing
Cli bi T b S
Tabu Search
h Simulated Evolutionary
Annealing Algorithms
Genetic Genetic
Programming Algorithms
4
اﺟﺰاي ﻳﻚ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ
ﺟﻮاب1 روﺷﻲ ﺑﺮاي ﻧﻤﺎﻳﺶ
ﻛﺪﮔﺬاري ﺟﻮاﺑﻬﺎ در ﻗﺎﻟﺐ ﻳﻚ رﺷﺘﻪ )ﺑﺮدار /ﻣﺎﺗﺮﻳﺲ( ﺑﻪ ﻋﻨﻮان ﻛﺮوﻣﻮزوم 2ﺷﻨﺎﺧﺘﻪ ﻣﻲ ﺷﻮد.
ﻣﺤﺎﺳﺒﻪ ﻣﻲ ﻛﻨﻨﺪ.
ﺳﺎزي ﺎ ﻪ
ﺑﻬﻴﻨﻪ ﺎزي
ﻣﺴﺎﻟﻪ ﻨﻪ
ﺑﻪ ﺗﺎﺗﺎﺑﻊ ﻫﺪف ﺎﻟﻪ
ﺗﻮﺟﻪ ﻪ
را ﺎﺑﺎ ﺗ ﻪ
ﺑﺮازﻧﺪﮔﻲ ا
ﺗﺎﺗﺎﺑﻊ ازﻧﺪﮔ
اﻧﺘﺨﺎب4 اﺳﺘﺮاﺗﮋي
در ﻫﺮ ﻧﺴﻞ ﺑﻪ ﻛﺮوﻣﻮزوﻣﻬﺎي ﺑﺮﺗﺮ ،ﺑﺎﻳﺪ ﺷﺎﻧﺲ ﺑﻴﺸﺘﺮي ﺑﺮاي زاد و وﻟﺪ داده ﺷﻮد.
ﻋﻤﻠﮕﺮﻫﺎي ژﻧﺘﻴﻜﻲ
ﻓﺮآﻳﻨﺪ زاد و وﻟﺪ و اﻳﺠﺎد ﻧﺴﻞ ﺟﺪﻳﺪ ﺟﻮاﺑﻬﺎ ﺑﺎ اﺳﺘﻔﺎده از ﻋﻤﻠﮕﺮﻫﺎي ژﻧﺘﻴﻜﻲ ﺳﻪ ﮔﺎﻧﻪ )ﺗﻘﺎﻃﻊ،3
و ﻛﭙﻲ( اﻧﺠﺎم ﻣﻲ ﺷﻮد. ﺟﻬﺶ4
ﭘﺎراﻣﺘﺮ5 ﺗﻨﻈﻴﻢ
ﭘﺎراﻣﺘﺮﻫﺎي اﻟﮕﻮرﻳﺘﻢ دارد.
ﻣﻘﺎدﻳﺮ ﭘﺎراﻣﺘ ﻫﺎي
ﺗﺮﻛﻴﺐ ﻣﻘﺎدﻳ
ﺑﺴﺘﮕﻲ ﺑﻪ ﺗ ﻛﻴﺐ
ﻋﻤﻠﻜﺮد اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ،ﺑﺴﺘﮕ
ﻋﻤﻠﻜ د
ﺗﺮﻛﻴﺐ ﻣﻘﺎدﻳﺮ ﭘﺎراﻣﺘﺮﻫﺎ روي ﭘﺎﻳﺪاري اﻟﮕﻮرﻳﺘﻢ ،ﻛﻴﻔﻴﺖ ﺟﻮاب و زﻣﺎن ﺣﻞ ﺗﺎﺛﻴﺮﮔﺬار اﺳﺖ.
5
ﻣﻌﺎدل1 اﻟﻔﺎظ
ژﻧﺘﻴﻚ
اﻟﮕﻮرﻳﺘﻢ ژ ﻴ
ﻮرﻳ ﻢ ﻃﺒﻴﻌﺖ
ﺒﻴ
ﻣﺴﺎﻟﻪ ﺑﻬﻴﻨﻪ ﺳﺎزي ﻣﺤﻴﻂ
ﺟﻮاﺑﻬﺎي ﻣﻮﺟﻪ اﻓﺮادي ﻛﻪ درﻣﺤﻴﻂ زﻧﺪﮔﻲ ﻣﻲ ﻛﻨﻨﺪ
ﻛﻴﻔﻴﺖ /ﺑﺮازﻧﺪﮔﻲ ﺟﻮاب درﺟﻪ ﺳﺎزﮔﺎري ﻫﺮ ﻓﺮد ﺑﺎ ﻣﺤﻴﻂ اﻃﺮاف
ﻣﺠﻤﻮﻋﻪ اي از ﺟﻮاﺑﻬﺎي ﻣﻮﺟﻪ ﺟﻤﻌﻴﺘﻲ از اﻓﺮاد
ژﻧﺘﻴﻜﻲ
ﻋﻤﻠﮕﺮﻫﺎي ژﻧﺘ ﻜ
ﺗﻜﺎﻣﻞ ﻋ ﻠﮕ ﻫﺎي
ﻓﺮآﻳﻨﺪ ﺗﻜﺎ ﻞ
ﺟﻬﺶ ددر ﻓ آ ﻨﺪ
ﺗﺮﻛﻴﺐ و ﺶ
اﻧﺘﺨﺎب ،ﺗ ﻛ
اﻧﺘﺨﺎ
ﺑﻜﺎرﮔﻴﺮي ﻋﻤﻠﮕﺮﻫﺎي ژﻧﺘﻴﻜﻲ ﺑﻄﻮر ﻣﻜﺮر ﺗﻜﺎﻣﻞ ﺟﻤﻌﻴﺖ در راﺳﺘﺎي ﺳﺎزﮔﺎري
روي ﻣﺠﻤﻮﻋﻪ اي از ﺟﻮاﺑﻬﺎي ﻣﻮﺟﻪ ﺑﻴﺸﺘﺮ ﺑﺎ ﻣﺤﻴﻂ
1- Metaphor
Offspring Copy
Best solution End 0011011001
Decoding
6
ﺷﺒﻪ ﻛﺪ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ
[Initialization]
[Initialize Parameters] (PopSize, Numgen, Pc, Pm, StopCriteria,..)
[Initialize Population] Generate PopSize chromosomes, randomly.
[Evaluation] Evaluate the fitness of each chromosome.
[New Generation]
Repeat
[Selection] Select Parents based on selection strategy.
[Crossover]Produce (PopSize * Pc) of offspring with Crossover.
[Mutation] Produce (PopSize * Pm) of offspring with Mutation.
[Reproduction] Copy remaining chromosomes based on elitism.
[Replacing] Place new offspring in the new population.
[Evaluation] Evaluate the fitness of each chromosome.
Until StopCriteria is met
[End] Return the best solution in final population.
. )ﻓﻀﺎي ﺟﻮاب( اﻧﺠﺎم ﻣﻲ ﺷﻮد2 از ﻃﺮﻓﻲ ارزﻳﺎﺑﻲ و اﻧﺘﺨﺎب روي ﻓﻀﺎي ﻓﻨﻮﺗﻴﭗ
ﻓﻀﺎي ژﻧﻮﺗﻴﭗ
ﻓﻀﺎي ﻓﻨﻮﺗﻴﭗ
3رﻣﺰﮔﺬاري
ﺰﮔﺬا
R0c01cd
4رﻣﺰﮔﺸﺎﻳﻲ
B0c01cd
G0c01cd
7
ﻧﻜﺎﺗﻲ درﺑﺎره ﻧﮕﺎﺷﺖ ﺑﻴﻦ ﻓﻨﻮﺗﻴﭗ و ژﻧﻮﺗﻴﭗ
ﻣﻮﺟﻪ ﺑﻮدن 1ﻛﺮوﻣﻮزوم
واﻗﻊ ﺷﺪه ااﺳﺖ ﺎﻳﺎ ؟
ﻧﻪ؟ رﻣﺰﮔﺸﺎﻳﻲ ﺷﺪه در ﺎﻧﺎﺣﻴﻪ ﻣﻮﺟﻪ ا
ﻛﻛﺮوﻣﻮزوم ﮔ ﺎ
ﻛﺮوﻣﻮزوم ﺑﻮدن2 ﻗﺎﻧﻮﻧﻲ
ﻛﺮوﻣﻮزوم ﺑﻴﺎﻧﮕﺮ ﻳﻚ ﺟﻮاب ﺑﺮاي ﻣﺴﺎﻟﻪ داده ﺷﺪه اﺳﺖ ﻳﺎ ﻧﻪ؟
ﻛﺮوﻣﻮزوم ﺑﻮدن3 ﻣﻨﺤﺼﺮ ﺑﻔﺮد
ﺑﻴﻦ ﻓﻀﺎي ﻓﻨﻮﺗﻴﭗ و ﻓﻀﺎي ژﻧﻮﺗﻴﭗ ،راﺑﻄﻪ ﻳﻚ-ﺑﻪ-ﻳﻚ وﺟﻮد دارد ﻳﺎ ﻧﻪ؟
ﻏﻴﺮﻗﺎﻧﻮﻧﻲ
ﻏ ﻗﺎﻧﻮﻧ
ﻓﻀﺎي ﻓﻨﻮﺗﻴﭗ
ﻓﻀﺎي ژﻧﻮﺗﻴﭗ ﻧﺎﻣﻮﺟﻪ
ﻓﻀﺎي ﻣﻮﺟﻪ
ﻣﻮﺟﻪ
1- Feasibility 2- Legality 3- Uniqueness
ﺑﺮاي ﻣﺴﺎﺋﻞ ﺑﻬﻴﻨﻪ ﺳﺎزي ﺑﺎ ﻣﺤﺪودﻳﺘﻬﺎي ﺑﻔﺮم ﻣﺴﺎوي ﻳﺎ ﻧﺎﻣﺴﺎوي ﻣﻲ ﺗﻮان روش ﺟﺮﻳﻤﻪ دﻫﻲ 3را
ﺑﺮاي ﺟﻮاﺑﻬﺎي ﻧﺎﻣﻮﺟﻪ ﺑﻜﺎر ﮔﺮﻓﺖ.
ﻣﻌﻤﻮﻻ ﺑﺎ روش ﺟﺮﻳﻤﻪ دﻫﻲ ،ﺟﻮاﺑﻬﺎ ﺑﻪ ﺳﻤﺖ ﻣﺮز ﺑﻴﻦ ﻓﻀﺎي ﻣﻮﺟﻪ و ﻧﺎﻣﻮﺟﻪ ﻫﺪاﻳﺖ ﻣﻲ ﺷﻮﻧﺪ.
8
ﻏﻴﺮﻗﺎﻧﻮﻧﻲ ﺑﻮدن ﺟﻮاب
ﻏﻴﺮﻗﺎﻧﻮﻧﻲ ﺑﻮدن 1ﺟﻮاب ﻧﺎﺷﻲ از ﻃﺒﻴﻌﺖ روش رﻣﺰﮔﺬاري اﺳﺖ.
ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻨﻜﻪ روﺷﻬﺎي رﻣﺰﮔﺬاري واﺑﺴﺘﻪ ﺑﻪ ﻣﺴﺎﻟﻪ اﺳﺖ ،از ﻃﺮﻓﻲ ﻋﻤﻠﮕﺮﻫﺎي ژﻧﺘﻴﻜﻲ ﻋﻤﻮﻣﻲ
ﻣﻴﺒﺎﺷﻨﺪ ﻟﺬا در اﻛﺜﺮ ﻣﻮاﻗﻊ ﭘﺲ از ﺑﻜﺎرﮔﻴﺮي ﻋﻤﻠﮕﺮﻫﺎ ﺟﻮاب از ﻓﺮم ﻗﺎﻧﻮﻧﻲ ﺧﺎرج ﻣﻲ ﺷﻮد.
در اﻳﻦ ﻣﻮارد ﻣﻲ ﺗﻮان ﺑﺎ ﺑﻜﺎرﮔﻴﺮي اﺳﺘﺮاﺗﮋي ﺗﻌﻤﻴﺮ 2ﺟﻮاﺑﻬﺎي ﻏﻴﺮﻗﺎﻧﻮﻧﻲ را اﺻﻼح ﻛﺮد.
اﺳﺘﻔﺎده از روﺷﻲ ﻛﻪ ﭘﺲ از ﺑﻜﺎرﮔﻴﺮي ﻋﻤﻠﮕﺮﻫﺎي ژﻧﺘﻴﻜﻲ ﻧﻴﺎز ﺑﻪ ﺗﻌﻤﻴﺮ ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ.
1- Performance
9
روﺷﻬﺎي ﻣﺨﺘﻠﻒ رﻣﺰﮔﺬاري
روش رﻣﺰﮔﺬاري ﭼﻨﺪ وﺿﻌﻴﺘﻲ
10
ﮔﺮد1 ﻣﺜﺎل :ﻣﺴﺎﻟﻪ ﻓﺮوﺷﻨﺪه دوره
ﺑﺎﻳﻨﺮي1 روش اول:
ﻫﺮ ﺟﻮاب ﺑﺎ ﻳﻚ ﻣﺎﺗﺮﻳﺲ رﻣﺰﮔﺬاري ﻣﻲ ﺷﻮد.
ژﻧﻮﺗﻴﭗ ﻓﻨﻮﺗﻴﭗ
1 2 3 4 5 2 4
1 0 1 0 0 0
2 0 0 0 1 0 1
3 1 0 0 0 0 5
4 0 0 0 0 1
5 0 0 1 0 0 3
1- Binary
ﺑﻪ ازاي ﻫﺮ ﺟﻮاب در ﻓﻀﺎي ﻓﻨﻮﺗﻴﭗ ،ﭼﻨﺪ رﻣﺰ ﺗﺮﺗﻴﺒﻲ ﻣﺘﻔﺎوت در ﻓﻀﺎي ژﻧﻮﺗﻴﭗ وﺟﻮد دارد.
ژﻧﻮﺗﻴﭗ ﻓﻨﻮﺗﻴﭗ
1- Permutation
11
ﻣﺜﺎل :ﻣﺴﺎﻟﻪ ﻣﻜﺎﻧﻴﺎﺑﻲ اﻳﺴﺘﮕﺎﻫﻬﺎي آﺗﺶ ﻧﺸﺎﻧﻲ
ژﻧﻮﺗﻴﭗ ﻓﻨﻮﺗﻴﭗ
1 0 1 0 1 0 0 0 1
1 2 3 4 5 6 7 8 9 1 2 3 4
7
6
5 8
9
12
ﻣﻮازي1 ﻣﺜﺎل :ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﻣﺎﺷﻴﻨﻬﺎي
روش اول :ﺗﺮﺗﻴﺒﻲ
ﻫﺮ ﺟﻮاب ﺑﺎ ﻳﻚ ﺑﺮدار از اﻋﺪاد ﺣﻘﻴﻘﻲ رﻣﺰﮔﺬاري ﻣﻲ ﺷﻮد.
ژﻧﻮﺗﻴﭗ ﻓﻨﻮﺗﻴﭗ
M1
1 3 * 4 6 * 5 2
J1
.. M2
J6
M3
ژﻧﻮﺗﻴﭗ ﻓﻨﻮﺗﻴﭗ
M1
1.34 3.05 2.79 2.83 1.11 3.92
J1
.. M2
1 2 3 4 5 6
J6
M3
13
وزﻳﺮ1 ﻣﺜﺎل :ﻣﺴﺎﻟﻪ n
ﻣﻴﺨﻮاﻫﻴﻢ nوزﻳﺮ را در ﻳﻚ ﺻﻔﺤﻪ ﺷﻄﺮﻧﺞ n nﺑﮕﻮﻧﻪ اي ﺑﭽﻴﻨﻴﻢ ﻛﻪ ﻫﻴﭻ دو وزﻳﺮي ﻧﺘﻮاﻧﻨﺪ ﻳﻜﺪﻳﮕﺮ
را ﺑﺰﻧﻨﺪ.
1- n-Queen
14
ﺑﺮازﻧﺪﮔﻲ1 ﺗﺎﺑﻊ
ﮔﺎﻫﺎ ﺑﻪ آن ﺗﺎﺑﻊ ارزﻳﺎﺑﻲ 2ﻧﻴﺰ ﮔﻔﺘﻪ ﻣﻲ ﺷﻮد.
در ﻣﺴﺎﺋﻞ ﺑﻴﺸﻴﻨﻪ ﺳﺎزي ،ﻣﻘﺪار ﺑﺮازﻧﺪﮔﻲ ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻣﻘﺪار ﺗﺎﺑﻊ ﻫﺪف اﺳﺖ.
) fit (i ) of (i ) fit (i ) k . of (i
در ﻣﺴﺎﺋﻞ ﻛﻤﻴﻨﻪ ﺳﺎزي:
اﻧﺘﺨﺎب1 اﺳﺘﺮاﺗﮋﻳﻬﺎي
اﻧﺘﺨﺎب ﺑﺮ اﺳﺎس ﭼﺮخ روﻟﺖ.2
1- Selection Strategy 2- Roulette Wheel 3- Purely Random 4- Elite 5- Tournament
6- Boltzmann 7- Truncation 8- Steady State 9- Ranked-Based
15
اﻧﺘﺨﺎب ﺑﺮ اﺳﺎس ﭼﺮخ روﻟﺖ
اﻳﺪه ي اﺻﻠﻲ :ﺗﺨﺼﻴﺺ ﺷﺎﻧﺲ اﻧﺘﺨﺎب ﺑﺮاي ﻫﺮ ﺟﻮاب ،ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻣﻴﺰان ﺑﺮازﻧﺪﮔﻲ آن ﺟﻮاب
) fit (i
p(i ) popsize
i 1
) fit (i
روش:
ﻣﺤﺎﺳﺒﻪ ي ﻣﻘﺪار ﺑﺮازﻧﺪﮔﻲ ﻫﺮ ﺟﻮاب fit (1), fit (2),..., fit ( popsize)
16
Mutation
• Inversion
1 2 3 4 5 6 7 8 9
1 2 6 5 4 3 7 8 9
• Swap
1 2 3 4 5 6 7 8 9
8 2 3 4 5 6 7 1 9
• Displacement
1 2 3 4 5 6 7 8 9
1 2 3 4 5 7 9 8 6
Crossover
1 2 3 4 5 6 7 8 9
4 5 2 1 8 7 6 9 3
x x x 1 8 7 6 x x
x x x 4 5 6 7 x x
x 2 3 1 8 7 6 x 9 4 2 3 1 8 7 6 5 9
x x 2 4 5 6 7 9 3 1 8 2 4 5 6 7 9 3
17
Crossover
• Order (OX)
1 2 3 4 5 6 7 8 9
4 5 2 1 8 7 6 9 3
2 1 8 4 5 6 7 9 3
2 3 4 1 8 7 6 5 9
Crossover
• Clever
1 2 3 4 5 6 7 8 9
4 5 2 1 8 7 6 9 3
4 5 6 7 2 1 8 9 3
1 8 7 6 2 3 4 5 9
18
ﺷﺮط ﺗﻮﻗﻒGA 1
رﺳﻴﺪن ﺑﻪ ﻳﻚ ﻣﻘﺪار ﺗﻼش ﻣﺤﺎﺳﺒﺎﺗﻲ ﺧﺎص.
ﺣﺪاﻛﺜﺮ ﻣﻘﺪار از ﭘﻴﺶ ﺗﻌﻴﻴﻦ ﺷﺪه اي ﺑﺮاي ﺗﻌﺪاد ﻧﺴﻠﻬﺎ ).(Maxgen
ﺣﺪاﻛﺜﺮ ﻣﻘﺪار از ﭘﻴﺶ ﺗﻌﻴﻴﻦ ﺷﺪه اي ﺑﺮاي زﻣﺎن ﻣﺤﺎﺳﺒﺎﺗﻲ ).(MaxCompt
ﻣﻘﺎﻳﺴﻪ ﺗﻔﺎوت ﻣﻴﺎﻧﮕﻴﻦ ﺑﺮازﻧﺪﮔﻲ ﺟﻮاﺑﻬﺎي دو ﻧﺴﻞ ﻣﺘﻮاﻟﻲ ﺑﺎ ﻳﻚ ﻣﻘﺪار از ﭘﻴﺶ ﺗﻌﻴﻴﻦ ﺷﺪه.
ﻣﻘﺎﻳﺴﻪ وارﻳﺎﻧﺲ ﺑﺮازﻧﺪﮔﻲ ﺟﻮاﺑﻬﺎي ﻳﻚ ﻧﺴﻞ ﺑﺎ ﻳﻚ ﻣﻘﺪار از ﭘﻴﺶ ﺗﻌﻴﻴﻦ ﺷﺪه.
ﻣﺤﺎﺳﺒﻪ ﻧﺴﺒﺖ ﺑﺮازﻧﺪﮔﻲ ﺑﻬﺘﺮﻳﻦ ﺟﻮاب ﺑﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺑﺮازﻧﺪﮔﻲ ﺟﻮاﺑﻬﺎي ﻳﻚ ﻧﺴﻞ و ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻳﻚ ﻣﻘﺪار
19
ﺗﻮزﻳﻊ ﺟﻮاﺑﻬﺎ در ﻓﺮآﻳﻨﺪ ﺗﻜﺎﻣﻠﻲ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ
ﻫﻤﮕﺮاﻳﻲ1 ﻧﻤﻮدار
20
Fitness
0 10 20 30 40 50 60 70 80 90
0
50
100
150
200
Generations
21
ﻣﺜﺎل :داده ﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﺴﺎﻟﻪ TSPﺑﺎ n=30
No. x y No. x y No. x y
1 82 7 11 58 69 21 4 50
22
ﻣﻮﻗﻌﻴﺖ ﺷﻬﺮﻫﺎي ﻣﺴﺎﻟﻪ TSPﺑﺎ n=30
120
100
80
y
60
40
20
0
0 10 20 30 40 50 60 70 80 90 100
x
120
100
80
y
60
40
20
0
0 10 20 30 40 50 60 70 80 90 100
x
23
Distance=652 ﻳﻚ ﺟﻮاب ﻣﻮﺟﻪ ﻣﺴﺎﻟﻪ TSP
120
100
80
y
60
40
20
0
0 10 20 30 40 50 60 70 80 90 100
x
120
100
80
y
60
40
20
0
0 10 20 30 40 50 60 70 80 90 100
x
24
TSP ﻧﻤﻮدار ﻫﻤﮕﺮاﻳﻲ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ در ﻣﺴﺎﻟﻪ
1600
1400
Best
1200
Worst
1000 Average
Distance
800
600
400
200
1 6 11 16 21 26 31
Generations
25