← Tüm ProjelerYapay Zekâ
Evrimsel Genetik Algoritma
Biyolojik evrim süreçlerini (Seçilim, Çaprazlama, Mutasyon) modelleyerek çözüm uzayında arama yapan optimizasyon motoru.
C#Evolutionary ComputationOptimizationGenetic OperatorsAI
❓
Problem
NP-Hard problemlerinin (örn: En kısa yol, Çanta problemi) makul bir sürede çözülmesi.
🎯
Hedefler
- Çözüm çeşitliliğini koruma (Diversity)
- Nesiller boyunca iyileşen popülasyon
- Esnek gen kodlama yapısı
💡
Çözüm
- Encoding: Problemin çözüm parametrelerinin kromozom (Binary veya Real-valued) dizisi olarak kodlanması.
- Roulette Wheel Selection: Başarılı bireylerin fitness değerlerine orantılı olarak, gelecek nesli oluşturmak üzere seçilmesi.
- Crossover & Mutation: Tek noktalı/Çok noktalı çaprazlama ile gen transferi ve mutasyon ile genetik çeşitlilik sağlanması.
- Elitism: En iyi bireylerin bozulmadan (değişime uğramadan) bir sonraki nesle doğrudan aktarılması.
✓
Sonuç
Gezgin Satıcı Problemi (TSP) gibi kombinatoryal problemlerde optimuma %98 yakınlıkta çözüm üretildi.
Kullanılan Teknolojiler
C#
Evolutionary Computation
Optimization
Genetic Operators
AI
🛠️ Kurulum Rehberi
Bu projeyi kendi bilgisayarınızda çalıştırmak için aşağıdaki adımları izleyin:
- 1Projeyi Visual Studio'da açın
- 2Çözmek istediğiniz problemi (örn: Gezgin Satıcı) kodlayın
- 3Genetik operatör oranlarını (Mutation Rate vb.) belirleyin
- 4Simülasyonu başlatın
Benzer bir proje mi düşünüyorsunuz?
Size özel çözüm önerisi için iletişime geçin.