شماره کروموزم

مقدار تابع شایستگی

احتمال انتخاب

۱

۲۸۶/۰

۰۲۲/۰

۲

۶۶۳/۰

۰۵۱/۰

۳

۰۷۹/۱

۰۸۳/۰

۴

۲۶۱/۱

۰۹۷/۰

۵

۷۱۱/۹

۷۴۷/۰

شکل ‏۲‑۱۳: احتمال انتخاب در روش چرخ گردان [۱]
انتخاب رتبه­ بندی^[۷۹]
این روش مانند چرخ گردان از نوع روش‌های انتخاب تصادفی وزن­دار است. با این تفاوت که در این روش وزن بر اساس رتبه کروموزوم تعیین می­ شود. این تکنیک از نظر ساختار مشابه روش چرخ گردان است اما نوع توزیع قطاع­های دایره در آنها متفاوت است. روش انتخاب رتبه­‌بندی برای رفع مشکل ایجاد والدین مشابه در روش چرخ گردان مطرح شده است. در این روش ابتدا بر اساس میزان شایستگی، کروموزوم­ها را مرتب نموده سپس به بدترین کروموزوم مقدار شایستگی یک داده می‌شود. به کروموزوم بعدی مقدار دو و به همین نحو تا آخر ادامه می‌یابد. اگر تعداد کروموزوم­های جمعیت n باشد، بهترین کروموزوم مقدار شایستگی برابر n خواهد داشت. حال بر اساس مقدار شایستگی جدید، مانند روش چرخ گردان احتمال و محدوده عددی هر کروموزم مشخص می‌شود.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

گرچه روش رتبه ­بندی مشکل روش چرخ گردان را برطرف نموده اما به آهستگی همگرا می­ شود زیرا بهترین کروموزوم­ها تفاوت چندانی با بقیه کروموزوم‌ها ندارد شکل ۲-۱۴ تفاوت احتمال انتخاب­ کروموزوم‌ها در روش رتبه ­بندی را به صورت درصدی نشان می­دهد.
شکل ‏۲‑۱۴: احتمال انتخاب در روش رتبه­ بندی [۱]
انتخاب نخبه‌گرا^[۸۰]
در این روش تعداد معینی از بهترین کروموزوم­ها در جمعیت جدید کپی می‌شوند. این روند باعث افزایش کارایی الگوریتم ژنتیک می‌شود، زیرا مانع از گم شدن جواب­های خوب به دست آمده می‌شود. این روش به عنوان روشی کمکی در کنار سایر روش‌ها قابل اعمال است.
انتخاب مسابقه‌ای^[۸۱]
این روش که شبیه رقابت در طبیعت عمل می‌کند، توسط گلدبرگ ارائه شده است. در این روش یک زیر مجموعه­ کوچکی از کروموزوم­ها ( معمولا دو یا سه کروموزوم ) به صورت تصادفی انتخاب شده و بهترین کروموزوم از نظر مقدار شایستگی در این مجموعه انتخاب می‌شود. به تعداد کروموزوم­های ‌مجموعه فوق، اندازه مسابقه^[۸۲] می‌گویند. این روش در جمعیت‌های بسیار بزرگ به عنوان بهترین روش شناخته می‌شود. شکل ۲-۱۵ انتخاب مسابقه‌ای را نشان می‌دهد.
شکل ‏۲‑۱۵: انتخاب مسابقه‌ای [۱]
عملگر تبادل^[۸۳]
در طبیعت، نتیجه حاصل از جفت­گیری دو موجود زنده فرزندی خواهد بود که ترکیبی از صفات والدین خود را به همراه خواهد داشت. در الگوریتم ژنتیک نیز عملگری به نام تبادل وجود دارد که از دو کروموزوم والد، یک یا دو فرزند را بوجود می‌آورد. اثرگذاری این مرحله در همگرایی کروموزم­ها به سمت پاسخ مورد نظر به حدی است که معمولا الگوریتم ژنتیک را بوسیله نوع عملگر تبادل آن معرفی می‌کنند. در زیر متداول­ترین روش­های تبادل معرفی شده است.
عملگر تبادل تک نقطه­ای^[۸۴]
در این روش که توسط دیویس ارائه شده است یک نقطه به صورت تصادفی در طول دو کروموزومی که به عنوان والد انتخاب شده‌ است، در نظر گرفته می­ شود. کروموزوم‌ها از آن نقطه به دو قسمت تقسیم می‌شوند. قسمت اول از والد اول و قسمت دوم از والد دوم در کنار هم فرزند اول را ساخته و قسمت دوم از والد اول در کنار قسمت اول از والد دوم ،فرزند دوم را ایجاد می­ کند. شکل ۲-۱۶ عملگر تبادل تک نقطه‌ای را نمایش می‌دهد.
شکل ‏۲‑۱۶: عملگر تبادل تک نقطه­ای [۱]

عملگر تبادل دو نقطه ای^[۸۵]
در این روش به صورت تصادفی دو نقطه از کروموزوم والد انتخاب می‌شود. در نتیجه کروموزوم‌ها به سه قسمت تقسیم می‌شوند دو قسمت بیرون دو نقطه، از والد اول و قسمت بین دو نقطه، از والد دوم در کنار هم فرزند اول را ساخته و قسمت بین دو نقطه از والد اول در کنار دو قسمت خارج از دو نقطه از والد دوم، فرزند دوم را ایجاد می­ کند. شکل ۲-۱۷ عملگر تبادل دو نقطه‌ای را نشان می‌دهد.
شکل ‏۲‑۱۷: عملگر تبادل دو نقطه­ای [۱]
عملگر جهش^[۸۶]
یکی دیگر از عوامل تحول‌زا در موجودات زنده، ‌جهش است. به پیدایش هر نوع تغییر در ژن‌های یک کروموزوم، جهش ­گفته می‌شود. در واقع جهش ژنتیکی در نگاه عامه مردم به تغییرات منفی در ساختار کروموزومی اشاره می­ کند. البته از آنجایی که این تغییرات به صورت تصادفی است امکان ایجاد کروموزوم‌های نامناسب در آن زیاد است. در برخی حالات بدون جهش امکان رسیدن به جواب مناسب وجود ندارد. به عنوان مثال اگر مقدار یک بیت در تمام کروموزوم­ها صفر (یا یک) باشد با هیچ یک از روش­های مطرح شده در جفت­گیری نمی­ توان مقدار این بیت را یک (یا صفر) نمود، چون فرایند تبادل بر اساس انتقال خصوصیات از والدین به فرزندان عمل می­ کند. از آنجایی که این ژن در هیچ والدی یک(یا صفر) نیست در نتیجه فرزندی نمی­ توان تولید نمود که مقدار این ژن در آن یک ( یا صفر) باشد.
عملگر معکوس سازی^[۸۷]
در این روش به صورت تصادفی دو نقطه در کروموزوم انتخاب شده و ژن‌های بین این دو نقطه معکوس می‌شود. شکل ۲-۱۸ عملگر معکوس سازی را نشان می‌دهد.
شکل ‏۲‑۱۸: عملگر معکوس سازی [۱]