Kullan\u0131lan genetik operat\u00f6rler, varolan nesil (population) \u00fczerine uygulanan i\u015flemlerdir. Bu i\u015flemlerin amac\u0131, daha iyi \u00f6zelli\u011fe sahip yeni nesiller \u00fcretmek ve arama algoritmas\u0131n\u0131n alan\u0131n\u0131 geni\u015fletmektir.
\n 3 tip genetik operat\u00f6r vard\u0131r:
\nSeleksiyon (Selection \/ Reproduction)
\n\u00c7aprazlama (Crossover)
\nMutasyon (Mutation)
\n1. Seleksiyon (Selection \/ Reproduction)
\n Yeniden \u00fcretme operat\u00f6r\u00fc, haz\u0131r topluluktan uygun olan bireylerin se\u00e7ilmesi ve bunlar\u0131n sonraki toplulu\u011fa kopyalanarak hayatta kalmalar\u0131yla ilgilidir. Se\u00e7im modeli, tabiat\u0131n hayatta kalabilmek i\u00e7in uygunluk mekanizmas\u0131 modelidir. Yeniden \u00fcretme i\u015fleminde, bireyler onlar\u0131n uygunluk fonksiyonlar\u0131na g\u00f6re kopya edilirler. Uygunluk fonksiyonu, m\u00fcmk\u00fcn oldu\u011fu kadar y\u00fckseltilmesi gereken baz\u0131 faydal\u0131 ve iyi \u00f6l\u00e7\u00fclerdir. Topluluk uzay\u0131ndaki her bir bireyin uygunluklar\u0131 baz al\u0131narak ne kadar say\u0131da kopyas\u0131n\u0131n olaca\u011f\u0131na karar verilir. En iyi bireylerden daha fazla kopya al\u0131n\u0131r, en k\u00f6t\u00fc bireylerden kopya al\u0131nmaz. Bu hayatta kalmak i\u00e7in uygunluk stratejisinin GA ya sa\u011flad\u0131\u011f\u0131 avantajd\u0131r.<\/p>\n
1.1. Rulet Tekerle\u011fi Se\u00e7imi
\n GA taraf\u0131ndan \u00fcretilen d\u00f6llerin say\u0131s\u0131n\u0131 belirlemede birka\u00e7 yol vard\u0131r. Birbirine yak\u0131n parametrelerden ka\u00e7\u0131nmak i\u00e7in uygun bir se\u00e7im metodu kullan\u0131lmal\u0131d\u0131r. Tekrar \u00fcretme ba\u015flang\u0131c\u0131nda basit bir y\u00f6ntem \u201croulette wheel selection\u201d (rulet tekerle\u011fiyle se\u00e7im)’e g\u00f6re bireylerin uygunluk de\u011ferlerini bir rulet tekerle\u011finde haz\u0131rlar. Rasgele tekerle\u011fin d\u00f6nd\u00fcr\u00fclmesinden sonra, bireyin bir sonraki nesil i\u00e7in se\u00e7ilmesi, tekerlek \u00fczerinde kaplad\u0131\u011f\u0131 alanla do\u011frudan ba\u011flant\u0131l\u0131d\u0131r. Bu y\u00f6ntem d\u00fc\u015f\u00fck uygunlu\u011fa sahip bireylere de se\u00e7ilme hakk\u0131 verir. <\/p>\n
N
\n Pse\u00e7ilen=Fi \/ \u00e5 Fi (2.4)
\n i=1
\nFi: i. Eleman i\u00e7in uygunluk de\u011feri
\nN: Birey say\u0131s\u0131
\nEbeveynler uygunluklar\u0131na g\u00f6re se\u00e7ilirler. Kromozomlar ne kadar iyiyse, o kadar se\u00e7ilme \u015fanslar\u0131 fazlad\u0131r. \u015e\u00f6yle bir rulet tekerle\u011fi d\u00fc\u015f\u00fcn\u00fcn.<\/p>\n
Sonra bir bilye at\u0131l\u0131r ve kromozomu se\u00e7er. Daha fazla uygunlu\u011fu olan kromozomlar daha \u00e7ok se\u00e7ilecektir. Bu a\u015fa\u011f\u0131daki algoritmayla simule edilebilir:
\n 1. [Sum] Populasyondaki t\u00fcm kromozom uygunluklar\u0131 toplam\u0131n\u0131 hesapla \u2013 toplam S.
\n 2. [Select] (0,S) \u2013 r aral\u0131\u011f\u0131ndan rastgele bir say\u0131 \u00fcret.
\n 3. [Loop] Populasyon boyunca git ve uygunluklar\u0131 0\u2019dan toplam s \u2018e kadar topla. E\u011fer toplam s , r \u2018den b\u00fcy\u00fckse dur ve oldu\u011fun yerdeki kromozomu geri g\u00f6nder.
\n Tabii ki 1. basamak her populasyon i\u00e7in bir kez performe edilir.<\/p>\n
1.2 Rank Se\u00e7imi
\n Yukar\u0131daki se\u00e7im e\u011fer uygunluklar \u00e7ok fazla de\u011fi\u015fiyorsa baz\u0131 problemlere yol a\u00e7acakt\u0131r. Mesela en iyi kromozom uygunlu\u011fu t\u00fcm rulet tekerle\u011finin %90\u2019\u0131 ise di\u011fer kromozomlar\u0131n se\u00e7ilme \u015fanslar\u0131 \u00e7ok az olacakt\u0131r. Rank se\u00e7imi \u00f6nce populasyonu s\u0131ralar ve daha sonra her kromozom uygunlu\u011fu bu s\u0131ralamadan sonra al\u0131r. En k\u00f6t\u00fcs\u00fc 1 uygunlu\u011funu alacak, ikinci en k\u00f6t\u00fc 2 ve en iyisi N uygunluk de\u011ferini alacak ki N de populasyondaki kromozom say\u0131s\u0131d\u0131r.
\n Say\u0131lar\u0131 d\u00fczenlemek i\u00e7in uygunluklar\u0131 de\u011fi\u015ftirdikten sonra durumun nas\u0131l de\u011fi\u015fti\u011fini a\u015fa\u011f\u0131daki \u015fekilde g\u00f6rebilirsiniz:<\/p>\n
Bundan sonra her kromozomun se\u00e7ilme hakk\u0131 olacakt\u0131r. Fakat bu metod daha yava\u015f gibidir, \u00e7\u00fcnk\u00fc en iyi kromozomlar di\u011ferlerinden fazla de\u011fi\u015fiklik g\u00f6stermez.<\/p>\n
1.3 Steady-State Se\u00e7imi (Kararl\u0131 Hal)
\n Bu yerine ge\u00e7me y\u00f6ntemleri olarak da adland\u0131r\u0131labilirler. Bu ebeveynleri se\u00e7mek i\u00e7in k\u0131smi bir metod de\u011fildir. Bu se\u00e7imin ana fikri kromozomlar\u0131n b\u00fcy\u00fck k\u0131sm\u0131 bir sonraki nesilde hayatta kalmak zorundad\u0131r.
\n O zaman GA \u015fu \u015fekilde \u00e7al\u0131\u015f\u0131r. Yeni \u00e7ocuklar olu\u015fturmak i\u00e7in her nesilde g\u00fczel iyi uygunluklu birka\u00e7 kromozom se\u00e7ilir. Sonra k\u00f6t\u00fc d\u00fc\u015f\u00fck uygunluklu baz\u0131 kromozomlar at\u0131l\u0131r ve yeni \u00e7ocuk onun yerine yerle\u015ftirilir. Populasyonun geri kalan k\u0131sm\u0131 yeni nesilde hayattad\u0131r. Yani k\u0131saca bu y\u00f6ntemde alt populasyon olu\u015fturulduktan sonra uygunluklar hesaplan\u0131r, en k\u00f6t\u00fc kromozomlar yerlerini ba\u015flang\u0131\u00e7 populasyonundaki en iyi kromozomlara terk eder.<\/p>\n
1.4 Elitizm
\n Bu da yerine ge\u00e7me metodu olarak bilinir. Elitizm fikriyle zaten daha \u00f6nce tan\u0131\u015f\u0131lm\u0131\u015ft\u0131. Mutasyon ve \u00e7aprazlamalarla yeni nesil olu\u015ftururken en iyi kromozomu se\u00e7mek i\u00e7in b\u00fcy\u00fck bir \u015fansa sahip oluruz.
\n Elitizm en iyi kromozomu ya da birka\u00e7 en iyi kromozomlar\u0131 yeni nesile kopyalama metodunun ad\u0131d\u0131r. Gerisi klasik yolla yap\u0131l\u0131r. Elitizm \u00e7ok h\u0131zl\u0131 bir \u015fekilde GA\u2019 n\u0131n performans\u0131n\u0131 artt\u0131r\u0131r \u00e7\u00fcnk\u00fc en iyi bulunan \u00e7\u00f6z\u00fcm\u00fc kaybetmeyi \u00f6nler.
\n Ayr\u0131ca Musbaka ve Oranlama y\u00f6ntemleri de vard\u0131r.<\/p>\n
2. \u00c7aprazlama (Crossover)
\n Ama\u00e7, ana (parent) kromozom genlerinin yerini de\u011fi\u015ftirerek \u00e7ocuk (child) kromozomlar \u00fcretmek ve b\u00f6ylece varolan uygunluk de\u011feri y\u00fcksek olan kromozomlardan, uygunluk de\u011feri daha y\u00fcksek olan kromozomlar elde etmektir. Burada \u00f6nemli olan bir konuda , \u00e7aprazlama noktas\u0131n\u0131n \u00e7aprazlamadan elde edilecek \u00e7ocuk kromozomlar\u0131n uygunluk de\u011ferleri \u00fczerindeki etkisidir. Bu i\u015flem yap\u0131l\u0131rken her zaman sonu\u00e7lar \u00f6nceden tahmin edilemez. Bu y\u00fczden geli\u015fig\u00fczel yap\u0131lan de\u011fi\u015fikliklerde sonucun m\u00fckemmelli\u011fe do\u011fru gitmesi i\u00e7in belirli kriterler bulmak i\u00e7in \u00e7al\u0131\u015f\u0131l\u0131r. Kromozomlardaki genlerin yap\u0131s\u0131 ve etkileri ara\u015ft\u0131r\u0131larak, bu genlere yap\u0131lan m\u00fcdahalelerle bireye baz\u0131 iyi \u00f6zellikler kazand\u0131r\u0131labilir. \u00c7aprazlamadan elde edilecek \u00e7ocuk kromozomlar\u0131n uygunluk de\u011feri bir \u00f6nceki ana kromozomlardan daha y\u00fcksek olmayabilir.<\/p>\n
Benzer \u015fekilde GA, \u00e7aprazlama i\u015flemini uygunluk de\u011ferlerine g\u00f6re se\u00e7ilmi\u015f iki ebeveyn bireyden, iyi \u00f6zellikte yeni bireyler elde etmek i\u00e7in kullan\u0131r. \u00c7aprazlama rasgele se\u00e7ilmi\u015f iki \u00e7ift katar\u0131n i\u00e7indeki alt k\u00fcme bilgilerin de\u011fi\u015ftirilmesi i\u015flemdir. Kendi i\u00e7indeki bilgilerini 1. Pozisyondan itibaren, katar\u0131n uzunlu\u011funun bir eksik pozisyonuna kadar, aradaki bilgi k\u0131smen kar\u015f\u0131l\u0131kl\u0131 bireyler aras\u0131nda yer de\u011fi\u015ftirilir.
\n E\u011fer iki bireyin problemin \u00e7\u00f6z\u00fcm\u00fcnde baz\u0131 etkileri var ise onlar\u0131n bir par\u00e7alar\u0131 faydal\u0131, iyi veya uygun nitelenebilecek bilgi ta\u015f\u0131maktad\u0131r. \u00c7aprazlama belki problemin \u00e7\u00f6z\u00fcm\u00fcnde, bu faydal\u0131 bilgileri birle\u015ftirerek, daha \u00e7ok etkili yeni bireyler \u00fcretecektir. Tablo 2.’de ikili kodda verilmi\u015f bir katarda, \u00f6rnek 2 bitlik bir \u00e7aprazlama i\u015flemi verilmi\u015ftir.<\/p>\n
\u00c7aprazlamadan ba\u015fka tersinme denilen bir \u00fcreme y\u00f6ntemi daha vard\u0131r. Holland bunu tan\u0131mlayarak kromozom uzunlu\u011fu \u00e7ok olan bireylerde \u00e7aprazlama yerine bunun kullan\u0131lmas\u0131n\u0131 performans a\u00e7\u0131s\u0131ndan \u00f6nermi\u015ftir. Tersinme (inversion) bir kromozomu olu\u015fturan genlerden ard\u0131\u015f\u0131k bir grubun kendi i\u00e7erisinde birbirleriyle yer de\u011fi\u015ftirerek ters dizilmeleridir. \u00d6rne\u011fin:011110101 kromozomu (her genin bir bit oldu\u011fu varsay\u0131m\u0131 ile) 5. ve 8. Gen kromozomlar\u0131 aras\u0131nda tersindi\u011finde ortaya 011101011 kromozomu \u00e7\u0131kar.
\n Tersinme genellikle kromozom uzunlu\u011fu fazla olan populasyonlara uygulan\u0131r.<\/p>\n
3. Mutasyon (Mutation)
\n Ama\u00e7, varolan bir kromozomun genlerinin bir ya da birka\u00e7\u0131n\u0131n yerlerini de\u011fi\u015ftirerek yeni kromozom olu\u015fturmakt\u0131r. Yeniden ve s\u00fcrekli yeni nesil \u00fcretimi sonucunda belirli bir s\u00fcre sonra nesildeki kromozomlar birbirlerini tekrarlama konumuna gelebilir ve bunun sonucunda farkl\u0131 kromozom \u00fcretimi durabilir veya \u00e7ok azalabilir. \u0130\u015fte bu nedenle nesildeki kromozomlar\u0131n\u0131n \u00e7e\u015fitli\u011fini art\u0131rmak i\u00e7in kromozomlardan baz\u0131lar\u0131 mutasyona u\u011frat\u0131l\u0131r. A\u00e7\u0131kland\u0131\u011f\u0131 gibi mutasyonun birinci maksad\u0131 bir populasyonun i\u00e7indeki de\u011fi\u015fimi tan\u0131mlamakt\u0131r. Mutasyon populasyonlarda \u00e7ok \u00f6nemlidir. \u00d6yle ki burada ilk populasyon m\u00fcmk\u00fcn olan t\u00fcm alt \u00e7\u00f6z\u00fcmlerin k\u00fc\u00e7\u00fck bir alt k\u00fcmesi olabilir ve ilk populasyondaki t\u00fcm kromozomlar\u0131n \u00f6nemli biti s\u0131f\u0131r olabilir. Halbuki o bitin problemin \u00e7\u00f6z\u00fcm\u00fc i\u00e7in 1 olmas\u0131 gerekebilir ve bunu da \u00e7aprazlama d\u00fczeltemeyebilir. Bu durumda o bit i\u00e7in mutasyon ka\u00e7\u0131n\u0131lmazd\u0131r. Genellikle \u00f6nerilen mutasyon oran\u0131 0.005\/bit\/generasyondur. Bu i\u015flem \u00e7aprazlamadan sonra gelir. Mutasyonun yap\u0131l\u0131p yap\u0131lmayaca\u011f\u0131n\u0131 bir olas\u0131l\u0131k testi belirler. \u00d6rne\u011fin yeni neslin ortalama uygunlu\u011fu \u00a3 Eski neslin ortalama uygunlu\u011fu ise; x. Kromozomun y. Bitini de\u011fi\u015ftir denilebilir. Bu yeni \u00e7ocu\u011fu rast gele de\u011fi\u015ftirir. \u0130kili kodlama i\u00e7in rast gele se\u00e7ilmi\u015f bitlerden 0\u2019lar\u0131 1, 1\u2019leri 0 yapar\u0131z.<\/p>\n","protected":false},"excerpt":{"rendered":"
Kullan\u0131lan genetik operat\u00f6rler, varolan nesil (population) \u00fczerine uygulanan i\u015flemlerdir. Bu i\u015flemlerin amac\u0131, daha iyi \u00f6zelli\u011fe sahip yeni nesiller \u00fcretmek ve arama algoritmas\u0131n\u0131n alan\u0131n\u0131 geni\u015fletmektir. 3 tip genetik operat\u00f6r vard\u0131r: Seleksiyon (Selection \/ Reproduction) \u00c7aprazlama (Crossover) Mutasyon (Mutation) 1. Seleksiyon (Selection \/ Reproduction) Yeniden \u00fcretme operat\u00f6r\u00fc, haz\u0131r topluluktan uygun olan bireylerin se\u00e7ilmesi ve bunlar\u0131n sonraki toplulu\u011fa …<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1407,1403],"tags":[6268,2602,6267,6265,2470,3451,4408,6266],"class_list":["post-2501","post","type-post","status-publish","format-standard","hentry","category-fen-ve-teknoloji-odevleri","category-odevler","tag-crossover","tag-caprazlama","tag-elitizm","tag-genetik-operatorler","tag-kromozom","tag-mutasyon","tag-populasyon","tag-seleksiyon"],"_links":{"self":[{"href":"https:\/\/www.islamidavet.com\/kutuphane\/wp-json\/wp\/v2\/posts\/2501","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.islamidavet.com\/kutuphane\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.islamidavet.com\/kutuphane\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.islamidavet.com\/kutuphane\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.islamidavet.com\/kutuphane\/wp-json\/wp\/v2\/comments?post=2501"}],"version-history":[{"count":0,"href":"https:\/\/www.islamidavet.com\/kutuphane\/wp-json\/wp\/v2\/posts\/2501\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.islamidavet.com\/kutuphane\/wp-json\/wp\/v2\/media?parent=2501"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.islamidavet.com\/kutuphane\/wp-json\/wp\/v2\/categories?post=2501"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.islamidavet.com\/kutuphane\/wp-json\/wp\/v2\/tags?post=2501"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}