İkili ve gerçek kodlu genetik algoritmaların karşılaştırılması

Biyolojik süreci modelleyerek karmaşık amaç fonksiyonlarını optimize eden Genetik Algoritmalar (GA) evrim algoritmalarındandır. Son zamanlarda GA'lar ile ilgili çalışmalar belirgin bir şekilde artmış ve bilgisayar teknolojisindeki ilerlemelere bağlı olarak çoğu uygulama alanlarında etkili bir şekilde kullanılmaya başlanmıştır. GA'larda problemlerin çözümünde hesaplama hassasiyeti önemli bir yer işgal etmektedir, ikili Genetik algoritmalarda parametrelerin "1" ve "0" kullanılarak ifade edilmesi, parametre boyutlarını artırır ve hassasiyeti azaltır. Bunun yerine gerçek rakamlarla kodlama yapabilen Gerçek Kodlu Genetik Algoritmaları kullanmak daha avantajlıdır. Gerçek kodlu GA, hem daha hassas hem de bilgisayar belleğinde daha az yer kaplamaktadır. Bu çalışmada; ikili GA ile gerçek kodlu GA'nın, çeşitli fonksiyonlar aracılığıyla performans testleri yapılmıştır.

Comparison of binary and real coded genetic algorithms

Genetic Algorithms (GA) is subset of evolutionary algorithms that model biological processes to optimize highly complex objective functions. Studies concerned to Genetic Algorithms has sharply increased in recent years. The dramatic increase in computation power of computers has made it possible to use these Genetic algorithm effectively in many application. The computing precision at GA is very important to solve problems. Using "1" and "0" to represent parameters increase parameter sizes and reduces sensitivity at Binary Genetic Algorithms. Therefore, using Real Coded Genetic Algorithms are more advantage. Real coded GA are both more sensitive and less storage at computer memory. In this work, Binary GA and real coded GA are realesed performance test by means of varied functions.

___

Adewuya, A.A, 1996, New methods in Genetic Search with Real Valued Chromosomes, Master's Thesis, Cambridge: Massachusetts Institute of Technology.
Davis, L., 1991, "Hybridization and numerical representation," in L.Davis(Ed.), The Handbook of Genetic Algorithms, New York: Van Nostrand Reinhold, pp. 61-71.
Eshelman, L.J., and D.J. Shatter, 1993, "Real-coded genetic algorithms and interval-schemata", in D.L. Whitley (Ed.), Foundations of Genetic Algorithms 2, San Mateo, CA: Morgan Kaufman, pp.187-20.
Goldberg, D.E.,1989, Genetic Algorithms in Search, Optimization, and Machine Learning, New York: Addison Wesley.
Haataja,1994, Solving Optimization Problems. CSC- Center for Scientific Computing Ltd, Yliopistopaino. ISBN 952-9821-02-6. Ed. 1. 232p (In Finnish).
Haupt Randly L., Haupt Sue E., 1998, Practical Genetic Algorithms, A Willey-Interscience Publication, USA.
Holland, J.H., 1992 July, "Genetic algorithms," Sci. Am. Pp. 66-72.
Michalewicz, Z., 1994, Genetic Algorithms + Data structures = Evolution Programs, 2n ed., New York: Springer-Verlag.
Palko S., 1996, "Structural Optimization of Induction Motor using a Genetic Algorithm and a Finite Element Method", Acta Polytechnica Scandinavvica, Electrical Engineering Series No. 4, Helsinki, pp. 10-12.
Radcliff, N.J., 1991, "Forma analysis and random respectful recombination." In Proc. of Fourth International Conference on Genetic Algorithms, San Mateo, CA: Morgan Kauffman.
Wright, A., 1991, " Genetic Algorithms for real parameter optimization," in G.J.E. Rawlins (Ed.), Foundations of Genetic Algorithms 2, San Mateo, CA: Morgan Kaufman, pp.205-218.