Genetski algoritmi - meko racunarstvo-22

Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.


Zadnjih desetak godina pojačano je proučavanje i razvoj genetskih algoritama. Počeli su se sve više primenjivati u raznim područjima kao što su neuronske mreže,
pri traženju najkraćeg puta, problemu rasporedjivanja procesa, traženju maksimuma
funkcija, itd.
Genetski algoritam je heuristički algoritam koji je prilagodljiv i počiva na idejama prirodne selekcije i genetike.
Osnovni koncept genetskog algoritma simulira procese u prirodnom sistemu, koji su neophodni za evoluciju. U osnovi procesa selekcije koji se odvija u prirodi su sledeće
činjenice:
• jedinke bolje prilagodjene okolini preživljavaju i imaju jači uticaj na formiranje sledećih pokolenja
• jedinke jedne generacije u populaciji formiraju novu generaciju na taj način što se osobine novih jedinki dobijaju kombinacijom genetskog sadržaja roditelja
• s vremena na vreme dolazi do mutacije, tj. do slučajne izmene genetskog sadržaja jedne jedinke
Genetski algoritmi su u osnovi heurističke metode koje imitiraju evolucijski proces.
Analogija izmedju genetskog algoritma i evolucijskog procesa vidi se u procesu
selekcije i genetskim operatorima. U prirodi jedinka koja je najbolje prilagodjena ima
najveću verovatnoću preživljavanja i parenja, a time i prenošenja svog genetskog
materijala na potomke. Selekcijom se odabiraju dobre jedinke koje se prenose u
sledeću populaciju, a manipulacijom genetskog materijala stvaraju se nove jedinke.
Takav ciklus selekcije, reprodukcije i manipulacije genetskim materijalom ponavlja
se sve dok nije zadovoljen uslov zaustavljanja evolucijskog procesa.
Snaga genetskog algoritma leži u činjenici da su oni sposobni da odrede položaj
globalnog optimuma u prostoru s više lokalnih ekstrema...

SADRŽAJ

UVOD --------------------------------------------------------------1
PREDSTAVLJANJE GENETSKOG ALGORITMA----------------------------4
EVOLUCIJSKI PROCESI---------------------------------------------6
OPIS I OSNOVA GENETSKOG ALGORITMA-----------------------------8
• OSNOVA ---------------------------------------------------------8
• GENERISANJE ---------------------------------------------------9
• FUNKCIJA FITNESS----------------------------------------9
• SELEKCIJA--------------------------------------------------------9
• PREMOŠTAVANJE-----------------------------------------------11
• MUTACIJA I UKRŠTANJE---------------------------------------11
PREDSTAVLJANJE REŠENJA---------------------------------------14
• KODIRANJE------------------------------------------------14
• BINARNI PRIKAZ-------------------------------------------15
• PRIKAZ GRAYEVIM KODOM---------------------------------------15
PRIMENA GENETSKIH ALGORITAMA----------------------------------16
• PREDNOSTI GENETSKIH ALGORITAMA-----------------------16
• NEDOSTATCI GENETSKIH ALGORITAMA---------------------16
• KORIŠĆENJE GENETSKIH ALGORITAMA-----------------------16
TESTIRANJE GENETSKIH ALGORITAMA---------------------------17
ZAKLJUČAK-------------------------------------------------------18
• DOBRE STRANE GENETSKIH ALGORITAMA-------------------------18
• LOŠE STRANE GENETSKIH ALGORITAMA----------------------------18