الگوریتم های مسیریابی – بخش پنجم و پایانی (ژنتیک)

الگوریتم های مسیریابی ژنتیک (GA)

در حالی که روش های کلاسیک بهینه سازی برای حل مسایل خطی، محدب و برخی مشکلات مشابه بسیار موفق بوده اند ولی الگوریتم های ژنتیک برای حل مسایل گسسته و غیر خطی بسیار کاراتر می باشند.

روند استفاده از الگوریتم های ژنتیک به صورت زیر می باشد:

الف) معرفی جواب های مسئله به عنوان کروموزوم

ب) معرفی تابع فیت نس (fitness)

ج) جمع آوری اولین جمعیت

د) معرفی عملگر های انتخاب

ه) معرفی عملگر های تولید مثل

در اینجا نتایج تحقیقی که در دانشگاهی در سریلانکا برای استفاده از الگوریتمهای ژنتیک در یافتن کوتاه ترین مسیر انجام شده، آورده شده است:

مزیت اصلی الگوریتم های ژنتیک، اشتحکام و انعطاف آن ها به عنوان یک روش جستجو می باشد. الگوریتم های ژنتیک مسایل ترکیبی و دارای اپتیمم های محلی را به خوبی تحلیل کرده و حل می نمایند.

GA ها از لحاظ محاسباتی پیچیده بوده و در مواردی همگرایی آن ها مشکل بزرگی محسوب می شود و تغییر کوچکی در الگوریتم می تواند همگرایی مسئله را به کلی تغییر دهد. تحقیقات انجام شده در این مورد، درهایی را برای استفاده از تئوری های جدید باز نموده است.

 

نتیجه گیری

روش های کلاسیک و مدرن برای تعیین بهترین مسیر را می توان به صورت زیر مقایسه نمود:

روش های کلاسیک از قوانین قطعی برای حرکت به نقطه ی بعد در فضای جستجو استفاده می کنند، در حالی که GA از روش های احتمال بهره می گیرد. روش های کلاسیک جستجو را از یک نقطه شروع کرده و سپس مرحله به مرحله به نقطه ی بعد می روند، در حالی که GA برای جستجو از تعداد زیادی نقطه ی پراکنده ، کار را شروع کرده و به صورت موازی کلیه ی فضای جستجو را بررسی می کند.

Как создать свой бизнес: начало Допустим, вы начинающий предприниматель, который не может позволить себе ни заказать сайт, ни платную рекламу, ни тем более нанять человека, который будет продвигать ваш бизнес в интернете, Студия Topodin, Место работы – интернет! Как начать зарабатывать в сети: бесплатный курс от профессионала! Все больше и больше народа идет в сеть за заработком

مطالب مرتبط

1 نظر

نظر بدهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *