유전자 알고리즘 (ga)는 무작위 검색을 통해 작동하는 휴리스틱 최적화 방법입니다. 최적화 문제에 대한 가능한 솔루션 세트는 A로 간주됩니다.인구of개인. 개인의 환경에 대한 적응 정도는 그 환경에 의해 지정됩니다.피트니스.
검색 공간에서 개인의 좌표는에 표시됩니다.염색체, 본질적으로 문자열 세트. 에이gene는 최적화되는 단일 매개 변수의 값을 인코딩하는 염색체의 하위 섹션입니다. 유전자에 대한 전형적인 인코딩이 될 수 있습니다binary또는정수.
진화 작업의 시뮬레이션을 통한재조합, 돌연변이및선택조상보다 평균 체력이 높을 수있는 새로운 세대의 검색 포인트가 발견되었습니다.
에 따르면comp.ai.genetic FAQa 너무 강하게 강조 할 수 없습니다.ga문제에 대한 솔루션에 대한 순수한 무작위 검색이 아닙니다. 에이ga확률 론적 프로세스를 사용하지만 결과는 분명히 비 랜덤 (무작위보다 낫다)입니다.
그림 59.1. 유전자 알고리즘의 구조화 된 다이어그램
| P (t) | 한 번에 조상의 세대 t |
| p ''(t) | 한 번에 후손의 세대 t |
+====================================+ | 알고리즘 ga <<<<<<<<<<<<<<<<<<<<<<< | +========================================+ | 초기화 t : = 0 | +========================================+ | 초기화 p (t) | +========================================+ | p (t) |의 체력을 평가하십시오 +========================================+ | 기준을 중지하지 않고 | | +------------------------------------+ | | p '(t) : = 재조합 p (t) | | +------------------------------------+ | | p ''(t) : = 돌연변이 p '(t) | | +------------------------------------+ | | p (t + 1) : = 선택 p ''(t) + p (t) | | +------------------------------------+ | | p ''(t) |의 체력을 평가하십시오 | +------------------------------------+ | | t : = t + 1 | +===+==========================================+