genetik algoritma

• evrimsel algoritmalar sınıfından olan genetik algoritma biyolojik süreçlerden ilham alan bir bilimsel yöntemdir. bir insanın doğumdan sonra emeklemeyi ve yürümeyi öğrenmesi, koşmanın gerekliliğini kavraması gibi biyolojiksel süreçler robotlar için de geçerlidir. bir robotun yürümeyi öğrenmesi^* de ancak bu biyolojiksel süreçlerin iyi analiz edilip iyi öğretilmesiyle mümkün olabilir.
  
  amacımız robotumuzun en hızlı şekilde en uzun mesafeyi düşmeden yürümesi ise bu amaca uygun parametrelerin iyi seçilmesi ve çok iyi şekilde modellenmesi gerekir. amaç mükemmeli bulmak olmasa da mükemmele yakın sonuçlar bulmak yaptığımız işe olan motivasyonumuzu artırır. yani robotumuzun iteratif olarak 100 denemeden sonra 1 metre yürümesini sağladıktan sonra, fazladan 1 metre daha yürümesi için ne yapabiliriz sorusu karşısında motivasyon kaynağı yaratır. robotumuzun düşmesine neden olan parametrelerin minimizasyonu (etkileyen karar değişkenlerinin gözden geçirilmesiyle), x-y-z koordinatlarındaki dengesinin maksimizasyonu bizim elimizde np-hard bir problem olarak kendini gösterir.
  
  bilim dünyasında, özellikle mühendislik alanında, bu sınıftaki problemlerin çözümü için önerilen popülasyon tabanlı algoritmalardan olan genetik algoritma çözüm değerlerimizin^* iyileştirilmesinde kesinlikle yardımcı olacaktır. genetik algoritma ile tasarlanan kromozomdaki her bir gen bir tasarım parametresinin durumunu (0-1) göstermek üzere, bu parametrelerin optimuma yakın değerlerini araştırmak (popülasyonda üretilen bütün aday çözümler içinden) robotumuzun deneysel olarak yürümesine yardımcı olacak kıstaslar hakkında fikir verecektir. bir nevi parametre optimizasyonu yapmış olacağız.
  
  tam olarak burada bahsettiğim konuyu karşılamasa da aşağıdaki kaynaklar (makaleler) ufuk açıcı bilgiler sunabilir:
  http://www.cc.gatech.edu/…shwin/papers/er-94-01.pdf
  http://www.idt.mdh.se/…rs/ircse11_submission_22.pdf