Genetik Algoritma Basit Örnek

Genetik Algoritma Basit Örnek

Genetik algoritma, doğal seçilim ve genetik kalıtım ilkelerinden esinlenerek geliştirilen bir arama ve optimizasyon algoritmasıdır. Genetik algoritmalar, karmaşık arama alanlarında etkili bir şekilde çözüm bulmak için kullanılırlar.

Genetik algoritmaların temel çalışma prensibi, bir çözüm kümesinin rastgele oluşturulması ve bu çözüm kümesinin belirli bir uygunluk fonksiyonuna göre değerlendirilmesidir. En uygun çözümler daha sonra seçilir ve yeni çözümler oluşturmak için kullanılırlar. Bu işlem, belirli bir durma koşuluna ulaşılıncaya kadar tekrarlanır.

Genetik algoritmaların en önemli avantajlarından biri, karmaşık arama alanlarında etkili bir şekilde çözüm bulmalarıdır. Genetik algoritmalar, geleneksel arama algoritmalarının başarısız olduğu durumlarda bile çözüm bulabilirler.

Genetik algoritmaların bir diğer avantajı ise, paralel olarak çalıştırılabilmeleridir. Bu, genetik algoritmaların büyük veri kümeleri üzerinde çalıştırılmasını mümkün kılar.

Genetik algoritmalar, birçok farklı alanda kullanılırlar. Bunlardan bazıları şunlardır:

Seyahat satıcısı problemi
Zaman çizelgeleme problemi
Sırt çantası problemi
Makine öğrenimi
Yapay zeka

Genetik Algoritma Basit Örnek

Genetik algoritmaların nasıl çalıştığını anlamak için basit bir örnek ele alalım. Bu örnekte, bir fonksiyonun maksimum değerini bulmak için genetik algoritma kullanacağız.

Fonksiyonumuz şu şekilde olsun:

f(x) = x^2

Bu fonksiyonun maksimum değeri, x = 0 noktasında bulunur.

Genetik algoritmamızın ilk adımı, bir çözüm kümesi oluşturmaktır. Bu çözüm kümesi, rastgele oluşturulmuş x değerlerinden oluşur.

x = [1, 2, 3, 4, 5]

Genetik algoritmamızın ikinci adımı, bu çözüm kümesini uygunluk fonksiyonuna göre değerlendirmektir. Uygunluk fonksiyonumuz, fonksiyonumuzun değeridir.

f(x) = [1, 4, 9, 16, 25]

Genetik algoritmamızın üçüncü adımı, en uygun çözümleri seçmektir. Bu örnekte, en uygun çözüm x = 5’tir.

Genetik algoritmamızın dördüncü adımı, yeni çözümler oluşturmaktır. Bu, en uygun çözümleri çaprazlama ve mutasyon operatörleri kullanarak yapılır.

Çaprazlama operatörü, iki çözümü birleştirerek yeni bir çözüm oluşturur. Örneğin, x = 5 ve x = 4 çözümlerini çaprazlarsak, x = 4.5 çözümünü elde ederiz.

Mutasyon operatörü, bir çözümdeki bir değeri rastgele değiştirerek yeni bir çözüm oluşturur. Örneğin, x = 5 çözümünü mutasyon uygularsak, x = 4.9 veya x = 5.1 çözümlerini elde edebiliriz.

Genetik algoritmamızın beşinci adımı, yeni çözüm kümesini uygunluk fonksiyonuna göre değerlendirmektir.

f(x) = [20.25, 22.06, 23.04, 24.01, 25]

Genetik algoritmamızın altıncı adımı, en uygun çözümleri seçmektir. Bu örnekte, en uygun çözüm yine x = 5’tir.

Genetik algoritmamızın yedinci adımı, durma koşulunu kontrol etmektir. Durma koşulumuz, belirli bir sayıda yineleme yapılmış olması veya en uygun çözümün belirli bir değere ulaşmış olmasıdır.

Bu örnekte, durma koşulumuz 10 yineleme yapılmış olmasıdır. 10 yineleme sonunda, en uygun çözüm x = 5’tir.

Faydalı Siteler ve Dosyalar