الگوریتم ژنتیک_1

الگوریتم ژنتیک راه حلی برای برنامه ریزی محیطهای در هم تنیده با جمعیت زیاد

الگوریتم ژنتیک راه حلی است برای برنامه ریزی محیطهای در هم تنیده با جمعیت زیاد .

الگوریتم ژنتیک یکی از الگوریتم های پرکاربرد و محبوب برای حل مسائل سخت می باشد و به وفور از الگوریتم ژنتیک باینری استفاده می شود.

مفهوم آسان و قابل درک این الگوریتم آن را به عنوان الگوریتم پرکاربرد در زمینه های الگوریتم های تکاملی بدل کرده است.

الگوریتم ژنتیک، الگوریتمی برای بهینه سازی و جستجو است که بر اساس اصول علم ژنتیک و انتخاب طبیعی پایه ریزی شده.

در الگوریتم ژنتیک گروهی از موجودات زنده شبیه سازی میشوند و در شرایطی رشد و نمو می کنند که هدف کلی آن بیشینه کردن شایستگی کل جمعیت یا کمینه کردن یک هزینه مرتبط با جمعیت است.

این روش در دهه های ۱۹۶۰ و ۱۹۷۰ توسط جان هالند معرفی و ایجاد شد و نهایتا توسط یکی از شاگردانش به نام دیوید گُلدبرگ جمع آوری شد.

مهم ترین و ابتدایی ترین نوع الگوریتم ژنتیک، الگوریتم ژنتیک باینری است که در آن متغیرها به صورت باینری کد می شوند.

این نوع از الگوریتم ژنتیک را، الگوریتم ژنتیک گسسته نیز می نامند زیرا متغیرها در آن دارای تغییرات پیوسته نیستند و نمی توانند هر مقداری به خود بگیرند.

مجموعه متغیر های مسأله، که می بایست مقدار بهینه برای آن ها پیدا شود، در قالب رشته های باینری کد می شوند و به همدیگر الحاق می گردند.

به این ترتیب یک کروموزوم از متغیر های مسأله به دست می آید.

همان طور که در طبیعت، هر رشته ژنی، یک موجود خاص و منحصر به فرد را مشخص می کند، در مورد الگوریتم ژنتیک نیز، هر کروموزوم یک جواب منحصر به فرد برای مسأله مورد بررسی را مشخص می کند.

الگوریتم ژنتیک میتواند برای اجرای یک هدف خاص اجرا شود و یا چند هدف مشخص را به طور همزمان دنبال کند.

رشدجمعیت و نیاز جوامع بشری به مدیریت بهینه منابع، آمایش سرزمین، تعیین مکان مناسب برای برخی از کاربری ها مانند کاربری های صنعتی، که تاثیری عمده در شرایط اقتصادی و اجتماعی و زیست محیطی دارند، میتواند یکی از کاربردهای مهم الگوریتم ژنتیک چند هدفه باشد.

یکی از مهم ترین مشکلات پیش رو برای مدل سازی و مکان یابی کاربری های صنعتی، تعداد زیاد توابع هدف اقتصادی و اجتماعی و زیست محیطی، و تناقض برخی از آن ها با یکدیگر است.

روش ها و توابع پایه موجود در سیستم های اطلاعات مکانی (نظیر هم پوشانی) پاسخگوی چنین برنامه ریزی های چند هدفه آمایشی نیست و نیاز به استفاده از تکنیکهای پیشرفته و سازماندهای شده متناسب با موضوع ، قویا احساس میشود .

استفاده از الگوریتم چند هدفه ژنتیک NSGA-II به منظور حمایت از تصمیم گیری در یافتن زمین های مناسب برای کاربری صنعتی میتواند یکی از این راهکارها باشد.

برای استفاده از این الگوریتم در گام اول جمع اوری داده های دقیق و کامل و سپس استفاده از نرم افزارهایی مانند آرک جی آی اس – آرک جی آی اس پرو – کوانتوم جی آی اس ضروری است .

این نرم افزارها به ارزیاب امکان برقراری ارتباط صحیح بین داده های موجود ،توانایی آنالیز و تجزیه و تحلیل سیستمی دقیق و دریافت خروجی مناسب جهت رتبه بندی های کاربری های مختلف از جمله کاربری صنعتی را میدهد که در مجموع میتوانند راهگشای اتخاذ تصمیمات مناسب و به موقع و بر اساس استانداردهای محیط زیستی روز دنیا باشند.

درباره سردبیر

این مطلب را نیز مطالعه کنید

اثرات زیست محیطی

مفهوم اثرات زیست محیطی

مفهوم اثرات زیست محیطی همانگونه که از عنوان این متن پیداست، میخواهیم در مورد محیط …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

error: متن محافظت شده است !!