توضیحات
معرفی الگوریتم ژنتیک
الگوریتم ژنتیک یک گروه از الگوریتمهای تصادفی است که از تکامل طبیعی در سیستمهای بیولوژیک الهام گرفته شدهاند. این نوع الگوریتم اولین بار در اواسط دههی هفتاد توسط جان هلند معرفی شدند. از زمان معرفی این نوع الگوریتمها در زمینه های متنوعی چون مهندسی ، اقتصاد ، بیولوژی و علوم کامپیوتر بکار گرفته شدهاند. بعدها این روش با تلاشهای گلدبرگ 1989, گسترش یافته و امروزه نیز به واسطه تواناییهای خویش , جای مناسبی را در میان دیگر روشها پیدا کرده است. فرایند بهینه یابی در الگوریتم ژنتیک بر اساس یک روند تصادفی- هدایت شده استوار میباشد. این روش، بر مبنای نظریه تکامل تدریجی و ایده های بنیادین داروین پایه گذاری شده است.
الگوریتم ژنتیک یک بهینه سازی غیر جبری است که مناسب برای توابعی است که بهینه سازی آنها با روشهای جبری کاری طاقت فرسا است. الگوریتم ژنتیک برای مسایلNP-Hard بسیار مناسب میباشد. همچنین این الگوریتمها قادر به حل مسایلی هستند که در فضای حلشان ناپیوستگی وجود دارد. یکی دیگر از مزایای این روش، توانایی اعمال آن به مسایلی است که دارای متغیرهای زیاد میباشند.
با این وجود این الگوریتم (و سایر الگوریتمهای تکاملی) فضای پاسخ را به صورت موازی و خوشه به خوشه و نه به صورت عضو به عضو میکاوند به همین دلیل امکان رخ دادن اپتیمم های محلی از بین میرود. این روشها نیازی به اطلاعات مربوط به مشتقات تابع هدف ندارند. تنها شکل اصلی تابع مورد نیاز میباشد.
نرم افزار GA Solver
نرم افزار الگوریتم ژنتیک با هدف تسهیل و توسعه این روش در سایر رشتهها طراحی شده است. اگر چه نرم افزارهای مهندسی چون متلب برای استفاده از این الگوریتم بسیار کارآمد میباشد اما به علت عدم آشنایی با محیط متلب و نحوه کد نویسی در آن، باعث دشواری بسیاری از پژوهشگران شده است. نرم افزار GA Solver 2012 امکان استفاده از الگوریتم ژنتیک را در محیط نرم افزار اکسل فراهم میسازد. با توجه به اینکه بسیاری از کاربران با محیط اکسل آشنایی دارند و علاوه بر آن به سادگی میتوان مسائل را در محیط اکسل مدل سازی نمود بنابراین نرم افزار GA Solver 2012 به راحتی میتواند تابع هدف تعریف شده در محیط اکسل را با توجه به متغیرهای تصمیم و نحوه ارتباط آنها با یکدیگر ، بهینه سازی کند.
محیط نرم افزار بسیار کاربر پسند طراحی شده است به طوری که به راحتی میتوان مسئله مورد نظر خود را با چند کلیک ساده جهت بهینه سازی آماده کرد. کار کردن با این نرم افزار نیازی به کد نویسی و دانستن مفاهیم فنی ندارد بنابراین تمامی افرادی که توانایی کار کردن با نرم افزار اکسل را دارند به راحتی میتوانند از الگوریتم ژنتیک برای بهینه سازی مسائل خود استفاده کنند.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.