استفاده از الگوریتم ژنتیک برای بهینه سازی توابع ژئورفرنسینگ

استفاده از الگوریتم ژنتیک برای بهینه سازی توابع ژئورفرنسینگ نحوه کار الگوریتم ژنتیک به این صورت است که با ایجاد تعداد جواب تصادفی سعی دارد یک تابع هزینه را مینیمم نمایید. هریک از جواب های کاندید را یک کروموزوم می نامند و هر یک از پارامترهای مورد جستوجو در این کروموزوم را ژن می نامند. الگوریتم ژنتیک عملگرهای محاسباتی مختلفی دارد که بترتیب زیر در این پژوهش استفاده شده است: Crossover:با استفاده از این عملگر، 2 کاندید انتخاب شده و با استفاده از آنها 2 جواب جدید تولید می شود. در این تحقیق از روش single-point crossover استفاده شده است. در این روش یکی از ژن ها به تصادف انتخاب شده و جای آن در 2 کاندید عوض می شود. به اینصورت جواب جدید تولید می شود. برای مشخص کردن تعداد کروموزوم های جدیدی که از این روش ایجاد می شود از یک ضریب استفاده می شود که در فایل شبیه سازی با نام pCrossover عنوان شده است.با استفاده از این عملگر در تعدادی از کروموزوم های اولیه تغییرات تصادفی ایجاد می شود. در این تحقیق از روش random mutation استفاده شده است. در این روش به یکی از ژن های تعدادی از کروموزوم ها مقداری مابین [0,1] اضافه می شود. در این تحقیق هر یک از مقادیر a0, a1, …, b0,b1, … بعنوان ژن درنظر گرفته شده و مجموع آن ها به عنوان کروموزوم در نظر گرفته شده است. فایل الگوریتم ژنتیک در بسته آموزشی به پیوست ضمیمه گشته است.