دانلود پایان نامه

که در این رابطه و به ترتیب کران پایین و بالای متغییر می باشند.
همچنین میزان دقت در یک رشته به تعداد بیت های(ژن های) موجود در یک رشته بستگی دارد که با افزایش این بیت ها دقت طرح افزایش می یابد، میزان دقت یک رشته n بیتی را از فرمول زیر می توان محاسبه کرد[6]:

به این نکته نیز باید اشاره کرد در صورت چند متغییر بودن طرح می توان این رشته ها را کنار یکدیگر قرار داد.


2-2-3 کروموزم
از کنار هم قرار گرفتن ژن ها، کروموزوم ساخته می شود. هر موجود زنده تعداد مشخصی کروموزوم دارد. در الگوریتم ژنتیک به مجموعه ای از رشته ها که در کنار یکدیگر قرار گرفته اند کروموزم می گویند. به عنوان مثال انسان، 46 کروموزوم و پشه 6 کروموزوم دارد. کروموزوم ها، به طور عام، به صورت جفت هستند. کروموزوم های جفت، از نظر شکل، اندازه و موقعیت ژن ها مشابه هستند و به آن ها کروموزوم های همتا گفته می شود[15]. موقعیت هر ژن مشخص در مکان خاصی از کروموزوم های همتا قرار دارد. یک خصوصیت در یک موجود زنده، با توجه به این که موقعیت آن ژن در کروموزوم های همتای آن موجود چه حالت هایی دارند، توصیف و مشخص می شود. در الگوريتم‏هاي ژنتيكي، هر كروموزوم نشان دهنده يك نقطه در فضاي جستجو و يك راه‏حل ممكن براي مسئله مورد نظر است. خود كروموزوم‏ها (راه حل‏ها) از تعداد ثابتي ژن (متغير) تشكيل مي‏شوند. براي نمايش كروموزوم‏ها، معمولاً از كدگذاري‏هاي دودويي (رشته‏هاي بيتي) استفاده مي‏شود. مقادیر موجود در هر کروموزوم به تنهایی معنی خاصی ندارد، بلکه باید ترجمه شوند تا به عنوان متغیر تصمیم گیری دارای معنی و نتیجه باشند[9].
2-2-4 آلل
ژن هایی که حالت مختلف یک صفت را بیان می کنند آلل گفته می شود. در الگوریتم ژنتیک هر ژن می تواند مقادیر متفاوتی به خود بگیرد که این مقادیر، آلل های یکدیگر برای یک متغیر در یک مسئله هستند[15].
2-2-5 جمعیت
یکی از مهم ترین اصول بقاء اصل انتخاب یا گزینش شدن می باشد، در الگوریتم ژنتیک نیز برای پیاده سازی اصل بقاء نیازمند یک جمعیت اولیه می باشیم که این جمعیت به صورت یک انتخاب تصادفی از مجموعه فضای مجاز طرح می باشد.
2-2-6 اصل بقاء و برازندگی
برای اینکه بتوان یک جامعه(جمعیت) را در مسیر تکامل حفظ کرد:
باید گونه هایی را که توانایی تطبیق بیشتری با محیط دارند انتخاب نمود.
راه کاری اندیشید که بتوان نوابغ را در سیر تکامل و تطور حفظ نمود.
برای حل هر مسئله بهینه سازی، باید یک تابع شایستگی طراحی شود. در حل بسیاری از مسایل، به خصوص بهینه سازی توابع، تابع شایستگی مقدار آن تابع را به ازای متغیرهای ورودی بر می گرداند. به عبارت دیگر، تابع شایستگی همان تابع هدف است[15].
در ابتدا باید تعریف جدیدی مطابق با کاربرد تابع هدف در الگوریتم ژنتیک ارائه کرد طبق تعریف تابع هدف، تابعی است که قصد بیشینه یا کمینه کردن آن را داریم اما در الگوریتم ژنتیک تابع هدف را این گونه تعریف می کنیم”تابع هدف، شاخصی از نحوه عملکرد افراد در فضای مسئله می باشد[6].”
در گام دوم باید برازندگی هر فرد را با توجه به تابع هدف بدست آورد، تابع برازش را به شکل زیر تعریف می کنیم:
برازش هر فرد حاصل تقسیم مقدار تابع هدف هر فرد به مجموع مقادیر تابع هدف است[6].

f :تابع هدف
F : مقدار برازش