genetik algoritma

• 100 milyar yilda, 1.000.000.000 tane uzerinde ardi$ik numaralar yazili ta$in rastgele cekildiginde, eninde sonunda bir gun sirali gelecegini kabullenemeyen insanlara uzak kavram.
• temel düzeyde bahsedilecek olursa,
  1. problemin aranan çözümleri bitler (ya da harfler) olarak tanımlanır
  2. çözüm önerilerinin fitness (uygunluk) ları belirlenir
  3. uygunluğu çok olanın çıkma olasılığı daha fazla olmak üzere rastgele eşleştirme yapılır
  4. eşlenen çiftler kromozom parçalarını (rastgele bir noktadan başlayarak) takas eder
  5. programcının isteğine göre bir mutasyon olabilir (tek bir bitin/harfin değiştirilmesi)
  6. yeni çözüm önerileri ile ikinci basamağa dönülür
  
  (http://www.alife.org/)
• genlerin kari$masi icin cross over ve mutasyon kullanilir.
• hatalarindan ders cikaran programın oluşmasında hayati önem taşıyan matematiksel çözüm.
• jenerasyon ilerledikçe ve fit parentlar çıkmaya başladıkça rank veya elitist denen yöntemlere geçilir. rank'de parent ve children setleri fitnesslarına göre dizilir ve en iyi x tane seçilir. elitist'de ise en iyi x seçilirken geri kalan rastgele belirlenir. böylelikle elde ettiğimiz fit sonuçların kaybedilmemesi amaçlanır.
• (bkz: rastlantının doğası ile ilgili yanılgılar)
• minimumu tespit edilmeye calisilan hiperduzlem cok keskin bir minimum yaparsa itina ile sicmasi muhtemel optimizasyon algoritmasi. nitekim genetik algoritma soyle yavvasca hiperduzlem uzerinde elinizi gezdirme tarzinda takilir. derin ve ani bir minimumu idrak edemezsiniz.
• heuristic bir metoddur.
• ayrıca benzer optimizasyon teknikleri için
  (bkz: tabu arama)
  (bkz: tavlama benzetimi)
• basta tubitak, odtu vb. yerlerin zeka sorularını cozmeye yarayan fakat hayatın cok cesitli alanlarinda kullanılabilicek algoritmadir...ogrenmesi ve uygulamasi da en zevkli olanidir..iki uc hafta bilgisayarinizi acik birakip bir sabah monitore baktiginizda problemin cozulmus oldugunu gormenin verdigi haz dayanilmazdir..