الگوریتم ­های ژنتیک متعلق به کلاس بزگتری از الگوریتم­های تکاملی هستند،که برای ایجاد راه حل­ های بهینه سازی مسائل از روش­های الهام گرفته از تکامل طبیعی، مانند وراثت، جهش، گزینش وتقاطع استفاده می­کنند، و به این صورت است که طبیعت، افرادقوی تر را برای زندگی برمی ­گزیند. الگوریتم ژنتیک روش بهینه ­سازی الهام گرفته از طبیعت جاندار است که می­ توان در طبقه ­بندی ها، آن را به عنوان یک روش عددی ، جستجوی مستقیم و تصادفی معرفی کرد. این الگوریتم، الگوریتمی مبتنی بر تکرار است و اصول اولیه آن از علم ژنتیک اقتباس گردیده است و…..

این پروژه شامل فهرست زیر می باشد.

1-معرفی کلی الگوریتم ژنتیک…    12

2-الگوریتم ژنتیک…    12

3-مکانیزم الگوریتم ژنتیک..    13

4-عملگرهای الگوریتم ژنتیک.    16

4-1- کدگذاری   16

4-2- ارزیابی   16

4-3- ترکیب   16

4-4- جهش    16

4-5- رمزگشایی   16

5-چارت الگوریتم به همراه شبه کد آن.  17

5-1- شبه کد و توضیح آن  17

6-انواع روش‌های انتخاب.   20

6-1- انتخاب چرخ رولت   21

6-2- انتخاب حالت پایدار 22

6-3- انتخاب نخبه گرایی   23

6-4- انتخاب رقابتی   23

6-5- انتخاب قطع سر  23

6-6- انتخاب جایگزینی نسلی اصلاح شده 24

6-7- انتخاب مسابقه  24

6-8- انتخاب مسابقه تصادفی   24

7-انواع روش‌های ترکیب.   24

7-1- جابه‌جایی دودوئی   25

7-2- ترکیب تک‌نقطه‌ای   26

7-3- ترکیب دو نقطه‌ای   26

7-4- ترکیب n نقطه‌ای   27

7-5- ترکیب یکنواخت   27

7-7- ترکیب حسابی   28

7-8- ترتیب   28

7-9- چرخه  29

7-10- بخش نگاشته  30

8-جهش…    31

8-1- جهش باینری   31

8-2- جهش حقیقی   32

8-3- وارونه سازی بیت   32

8-4- تغییر ترتیب قرارگیری   33

8-5- وارون سازی   33

9-محک اختتام اجرای الگوریتم ژنتیک.    33

10- انواع الگوریتم‌های ژنتیک    34

11- مزایای الگوریتم‌های ژنتیک    35

12-محدودیت‌های الگوریتم‌های ژنتیک.    36

12-1- استراتژی برخورد با محدودیت‌ها 36

12-1-1- استراتژی اصلاح عملگرهای ژنتیک    36

12-1-2- استراتژی رَدّی   36

12-1-3- استراتژی اصلاحی   36

12-1-4- استراتژی جریمه‌ای   37

13- بهبود الگوریتم ژنتیک    37

14- چند نمونه از کاربردهای الگوریتم‌های ژنتیک    37

15- مسائل کلاسیک    38

15-1- حل معمای هشت وزیر  38

15-2- جمعیت آغازین   40

15-3- تابع برازندگی   44

15-4- آمیزش    46

15-5- جهش ژنتیکی   46