אלגוריתם גנטי – הבדלי גרסאות
תוכן שנמחק תוכן שנוסף
←שימושים: הוספת ראייה מתמטית - אלגוריתם גנטי הוא בעצם מציאת נקודות קיצון גלובליות של פונקציה בn משתנים |
|||
שורה 36:
הבעיות שנראות מתאימות ביותר לפתרון על ידי אלגוריתם גנטי הן בעיות של לוחות זמנים (למשל מערכת שעות של אוניברסיטה או לו"ז של טיסות בחברת תעופה) ואכן, הרבה תוכנות מסחריות המתכננות לוחות זמנים משתמשות באלגוריתמים גנטיים. בנוסף, אלגוריתמים גנטיים משמשים בתחום ההנדסה וכן לפתירת בעיות [[אופטימיזציה (מתמטיקה)|אופטימיזציה]].
בראייה מתמטית, אלגוריתם גנטי מאפשר למצוא [[נקודת קיצון|נקודות קיצון]] של פונקציה <math>\ f</math> ב-n משתנים.
תהי <math>\ f : \mathbb{R}^n \rightarrow \mathbb{R}</math> הפונקציה בה רוצים למצוא נקודות קיצון גלובליות, אזי:
* <math>\ \vec{x}=(x_1,\dots,x_n)\isin \mathbb{R}^n</math> הוא '''פרט''' במודל ואיבר ב[[תחום הגדרה|תחום]] של הפונקציה
* <math>x_1,\dots,x_n</math> הם "'''כרומוזומים'''"
* <math> f(\vec{x}) \in \mathbb{R}</math> הוא ה'''שיערוך''' של פרט <math>\vec{x}</math>
* '''זיווג''' הוא לקיחת <math> \vec{x}=(y_1,\dots,y_n), \vec{y}=(y_1,\dots,y_n) \in \mathbb{R}^n </math> פרטים בתחום והחזרת <math> \vec{z} \in \mathbb{R}^n </math> שמורכב מהכרומוזומים של x ו-y. דוגמה ב-<math> \mathbb{R}^4</math>: זיווג של <math>\vec{x}=(x_1,x_2,x_3,x_4), \vec{y}=(y_1,y_2,y_3,y_4)</math> יכול להיות <math>\vec{z}=(y_1,x_2,x_3,y_4)</math>.
* '''מוטציה''' משנה חלק מהכרומוזומים <math>x_1,\dots,x_n</math> של פרט <math>\vec{x}=(x_1,\dots,x_n)</math>
==קישורים חיצוניים==
| |||