KaydedilenlerDerginizi ekleyin

Dergiler / Anadolu Üniversitesi Bilim ve Teknoloji Dergisi :A-Uygulamalı Bilimler ve Mühendislik / 2001 / Cilt: 2 - Sayı: 1

An overview of genetic algorithms

Genetik algoritmalara genel bir bakış

Özgür YENİAY
Sayfa
37–49
Yayın Tarihi
2022-10-11
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Son olarak, Yöneylem Araştırması problemlerinde GA'ların uy-gulamalarına yönelik bir yayın taraması da sunulmaktadır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, birçok farklı alanda başarıyla uygulanmalarından dolayı son yıllarda büyük ilgi gören Genetik Algoritmalar (GA) hakkında genel bilgi verilmektedir.
📊
Temel Bulgular & Veri:GA'ların gösterim, seçme ve genetik operatörler gibi temelleri özetlenmekte ve şema teoremi olarak bilinen GA'ların temel teoremi incelenmektedir.
💡
Sonuç & Katkı:Son olarak, Yöneylem Araştırması problemlerinde GA'ların uy-gulamalarına yönelik bir yayın taraması da sunulmaktadır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Bu çalışmada, birçok farklı alanda başarıyla uygulanmalarından dolayı son yıllarda büyük ilgi gören Genetik Algoritmalar (GA) hakkında genel bilgi verilmektedir. GA'ların gösterim, seçme ve genetik operatörler gibi temelleri özetlenmekte ve şema teoremi olarak bilinen GA'ların temel teoremi incelenmektedir. GA'ların nasıl işlediğini açıklamak amacıyla basit bir örnek verilmektedir. Son olarak, Yöneylem Araştırması problemlerinde GA'ların uy-gulamalarına yönelik bir yayın taraması da sunulmaktadır.

Abstract

In this paper, general knowledge about Genetic Algorithms (GAs), which have received much attention the past few years because of the fact that they have been successfully applied in several different fields of study, is given. The basic principles of GAs, such as representation, selection and genetic operators are summarized and the fundamental theorem of GAs, the so-called schema theorem, is discussed. A simple example is given in order to explain how they work. Finally, a literature survey for the applications of GAs to Operational Research (OR) problems is also provided.

🔖

Bu Makaleye Atıf Yap

YENİAY, Ö. (2022). An overview of genetic algorithms. Anadolu Üniversitesi Bilim ve Teknoloji Dergisi :A-Uygulamalı Bilimler ve Mühendislik, Cilt: 2 - Sayı: 1, 37–49. https://ajindex.com/articles/438526

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Ahuja, R.K., Orlin, J.B. and Tiwari, A. (1994). Assembly Line Balancing Using Genetic Algorithms with Heuristic Generated Initial Populations and Multiple Evaluation Criteria, Decision Sciences, 25,581-606.
  2. Al-Hakim, L. (2000). On Solving Facility Layout Problems Using Genetic Algorithms, International Journal of Production Research, 38, 2573-2582.
  3. Al-Sultan, K.S., Hussain, M.F. and Nizami, J.S. (1996). A Genetic Algorithm for the Set Covering Problem, Journal of the Operational Research Society, 47,702-709.
  4. Altıparmak, F., Dengiz, B. and Smith, A.E. (2000). An Evolutionary Approach for Reliability Optimization in Fixed Topology Computer Networks, Yöneylem Araştırması Dergisi, 12, 57-75.
  5. Armentano, V. A. and Mazzini, R. (2000). A Genetic Algorithm for Scheduling on a Single Machine with Set-up Times and Due Dates, Production Planning & Control, 11,713-720.
  6. Awadh, B., Sepehri, N. and Hawaleshka, O. (1995). A Computer-Aided Process Planning Model Based on Genetic Algorithms, Computers & Operations Jiesearch, 22, 841-856.
  7. Badami, V.S. and Parks, C.M. (1991). A Classifier Based Approach to Flow Shop Scheduling, Computers & Industrial Engineering, 21, 329-333.
  8. Beasley, D., Bull, D.R. and Martin, R.R. (1993). An Overview of Genetic Algorithms: Part I-Funda-mentals, Univ. Compt., 15, 258-269.
  9. Beasly, J.E. and Chu, P.C. (1996). A Genetic Algorithm for The Set Covering Problem, European Journal of Operational Research, 94, 392-404.
  10. Biegel, J.E. and Davern, J.J. (1990). Genetic Algorithms and Job Shop Scheduling, Computers & Industrial Engineering, 19, 81-91.
  11. Bierwirth, C. (1995). A Generalized Permutation Approach to Job Shop Scheduling with Genetic Algorithms, OR Spektrum, 17,87-92.
  12. Blickle, T. and Thiele, L. (1995). A Comparison of Selection Schemes Used in Genetic Algorithms, T1K-Report, No: 11, 2nd edition. Cai, X. and Li, K.N. (2000). A Genetic Algorithm for Scheduling Staff of Mixed Skills Under Multi-Criteria, European Journal of Operational Research, 125, 359-369.
  13. Candido, M.A.B., Khator, S.K. and Barcia, R.M. (1998). A Genetic Algorithm Based Procedure for More Realistic Job Shop Scheduling Problems, International Journal of Production Research, 36, 3437-3457.
  14. Cavalieri. S. and Gaiardelli, P. (1998). Hybrid Genetic Algorithms for a Multiple-Objective Scheduling Problem, Journal of Intelligent Manufacturing, 9, 361-367.
  15. Chan, K.C. and Tansri, H. (1994). A Study of Genetic Crossover Operations on The Facilities Layout Problem, Computers & Industrial Engineer