유전자 알고리즘 (조지아)는 인공 지능 (또는) 기반 방법론을합니다. 다른 문학의 발전에 대한 유사 알고리즘을 그 번호로 전화를합니다. - 수학의 것이 아닌, 아닌 - 결정적 대신, 최적화 문제를 해결하는 확률 알고리즘을 처리하거나, 할 수있는, 참여 이산 변수 및 아닌 - 제약 객관 기능을합니다.

유전자 알고리즘을 최적화를 사용하여 전력 공학 같은 다양한 분야에서 적용될 수있습니다. 내 학부 논문에 대한 유전자 알고리즘을 사용 최적의 배급 요골 분배 불균형에 대한 고정 및 전환 콘덴서 공급합니다.

참고 사항 : 다음과 같은 토론이 단지 아직 아이디어와 공식을 증명하지 않은합니다. 모든 사람이 초대를 탐구하고, 훨씬 더, 이러한 생각을 구현

제도의 방정식
시스템을 두 개의 변수 atleast 방정식이 기능을합니다. 그것은 선형 또는 아닌 수있습니다 - 선형, 그리고을 구하는 솔루션을 사용하여 시스템이되지 않는 - 단수 및 우주 공간에서 지점이 어디 일치합니다.

일반적으로,이 시스템에는 다음과 같은 형태의 방정식;

f1 (x1, x2, x3,…., xn) = 대답 1
f2 (x1, x2, x3,…., xn) = 대답 2
….
fn (x1, x2, x3,…., xn) = an

여기서 x는 알 수없는 변수를, 아가의 수를 알 수없는 변수와 상수는합니다.

책정
유전자 알고리즘을하는 데 필요한 유일한 정보는 객관적 기능을, 그리고 표현 방식의 형태로 코딩 문자열, 해결 방법에 대한 정보를 포함합니다. 가능한 솔루션을 한 후 평가의 유전 모든 설정 작업을합니다.

따라서 시스템의 동시 유전자 알고리즘을 사용하여 방정식을 해결할 수있습니다시킬 수있다면 표현의 한 형태에 객관적이라고 할 수있는 솔루션 기능과 올바른 관계 수있다면 그 방정식의 모든 변수를 만족합니다. 그게 다야;

f1 (x1, x2, x3,…., xn) - 대답 1 = 0
f2 (x1, x2, x3,…., xn) - 대답 2 = 0
….
fn (x1, x2, x3,…., xn) - 1 = 0

또는 약,

그
절대값의 (f1 (x1, x2, x3,…., xn) - 대답 1), 그리고
절대값의 (f2 (x1, x2, x3,…., xn) - 대답 2), 그리고
…
절대값의 (fn (x1, x2, x3,…., xn) - 1)

모든 최소한이어야합니다.

지난 일련의 방정식 (굵게 및 기울임)이 사실은 유전자 알고리즘을 목적으로하는 데 필요한 기능을합니다. 참고 사항, 그 유전자 알고리즘을 출력하지 않습니다하지만, 매우 부근의 정확한 솔루션을 실제 솔루션을합니다.

문제가 발생할 수있습니다 수도
유전자 알고리즘을 최적화를 전문적 이산 솔루션 및 아닌 - 제약 객관 기능을합니다. 물론, 목적 함수를 우리는 제약이 형성은, 그래서, 우리는 우리는 아무 문제가있습니다. 그러나, 알 수없는 변수, 어떤이 포함됩니다 이산 가능한 해결 방법은없습니다. 사실, 그것은 연속적인 부정적인 무한대로부터 긍정적인합니다. 이 딜레마를 표현 방식에 문제를 일으키는 원인이되는 표본 공간을 무한대로 인해합니다.