25 | 

9 4

 

 

γονότυπους) που μπορούν να μεταλλαχθούν και να τροποποιηθούν. Παραδοσιακά, οι λύσεις 

αντιπροσωπεύονται  σε  δυαδική  μορφή  ως  συμβολοσειρές  των  0  και  1,  αλλά  είναι  επίσης 

δυνατές και άλλες κωδικοποιήσεις (Whitley, 1994). 

Η  εξέλιξη  ξεκινά  συνήθως  από  έναν  πληθυσμό  ατόμων  που  δημιουργούνται  τυχαία 

και είναι μια επαναληπτική διαδικασία, με τον πληθυσμό σε κάθε επανάληψη να ονομάζεται 

γενιά. Σε κάθε γενιά αξιολογείται η καταλληλότητα κάθε ατόμου στον πληθυσμό. η φυσική 

κατάσταση  είναι  συνήθως  η  αξία  της  αντικειμενικής  συνάρτησης  στο  πρόβλημα 

βελτιστοποίησης  που  επιλύεται.  Τα  πιο  κατάλληλα  άτομα  επιλέγονται  στοχαστικά  από  τον 

τρέχοντα πληθυσμό και το γονίδιο κάθε ατόμου τροποποιείται (ανασυνδυάζεται και πιθανώς 

τυχαία  μεταλλάσσεται)  (Crossover  and  Mutation)  για  να  σχηματίσει  μια  νέα  γενιά.  Η  νέα 

γενιά  υποψήφιων  λύσεων  χρησιμοποιείται  στη  συνέχεια  στην  επόμενη  επανάληψη  του 

αλγορίθμου.  Συνήθως,  ο  αλγόριθμος  τερματίζεται  όταν  είτε  έχει  παραχθεί  ένας  μέγιστος 

αριθμός  γενεών,  είτε  έχει  επιτευχθεί  ικανοποιητικό  επίπεδο  φυσικής  κατάστασης  για  τον 

πληθυσμό. 

Ένας τυπικός γενετικός αλγόριθμος απαιτεί: 

Α) Μια γενετική αναπαράσταση του τομέα της λύσης, 

Β) Μια λειτουργία φυσικής κατάστασης για την αξιολόγηση του τομέα λύσης. 

Μια τυπική αναπαράσταση κάθε υποψήφιας λύσης είναι ως μια σειρά bit. Οι πίνακες 

άλλων  τύπων  και  δομών  μπορούν  να  χρησιμοποιηθούν  ουσιαστικά  με  τον  ίδιο  τρόπο.  Η 

κύρια  ιδιότητα  που  καθιστά  αυτές  τις  γενετικές  αναπαραστάσεις  βολικές  είναι  ότι  τα  μέρη 

τους ευθυγραμμίζονται εύκολα λόγω του σταθερού τους μεγέθους, το οποίο διευκολύνει τις 

απλές εργασίες  crossover (Surry, 1995). Μπορούν επίσης να χρησιμοποιηθούν παραστάσεις 

μεταβλητού  μήκους,  αλλά  η  εφαρμογή  crossover  είναι  πιο  περίπλοκη  σε  αυτήν  την 

περίπτωση. Οι δενδροειδείς αναπαραστάσεις διερευνώνται σε γενετικό προγραμματισμό και 

οι  αναπαραστάσεις  μορφής  γραφημάτων  διερευνούνται  στον  εξελικτικό  προγραμματισμό. 

Ένας  συνδυασμός  γραμμικών  χρωμοσωμάτων  και  δέντρων  διερευνάται  στον 

προγραμματισμό γονιδιακής έκφρασης (Carter, 1995). 

Μόλις  καθοριστεί  η  γενετική  αναπαράσταση  και η  λειτουργία  φυσικής  κατάστασης, 

ένας  γενετικός  αλγόριθμος  προχωρά  στην  αρχικοποίηση  ενός  πληθυσμού  λύσεων  και  στη 

συνέχεια στη βελτίωσή του μέσω επαναλαμβανόμενης εφαρμογής των τελεστών μετάλλαξης, 

διασταύρωσης, αντιστροφής και επιλογής.