Tam Metin

optimizasyonuna yönelik önceki çalışmalarla karşılaştırmış, yakıt maliyet ve faiz
oranı için çözümlerin duyarlılığını değerlendirmiştir.
2.3 Genetik Algoritma
Çok boyutlu giriş ve çıkış parametrelerine sahip sistemlerin optimizasyon
problemlerinde, karar fonksiyonunun tanımlanması, işlem süresinin uzaması ve buna
bağlı iterasyon sayısının artması gibi nedenlerden dolayı çözüm işlemi oldukça
detaylı bir süreçtir. Son yıllarda bir çok alanda kullanım alanı bulan genetik
algoritmalar, yapay zekanın gittikçe genişleyen bir kolu olan evrimsel hesaplama
tekniğinin bir parçasını oluşturmaktadır.
Genetik algoritmalar yapay zekanın gittikçe genişleyen bir kolu olan evrimsel
hesaplama tekniğinin bir parçasını oluşturmaktadır. Genetik algoritma Darwin’in
evrim teorisinden esinlenerek oluşturulmuştur. Herhangi bir problemin genetik
algoritma ile çözümü, problemi sanal olarak evrimden geçirmek suretiyle
yapılmaktadır [81].
Evrimsel hesaplama ilk olarak 1960 ’larda I.Rechenberg tarafından “Evrim
Stratejileri (Evolutions strategie)” isimli eserinde tanıtılmıştır. Onun fikri daha sonra
başka araştırmacıların da ilgisini çekmiş ve geliştirilmiştir. John Holland, evrim
sürecinin bir bilgisayar yardımıyla kullanılarak, bilgisayara anlayamadığı çözüm
yöntemlerinin öğretilebileceğini düşünmüş ve bu düşünceye bağlı olarak genetik
algoritma (GA) yöntemini oluşturmuştur. Onun yöntemi, öğrencileri ve arkadaşları
tarafından geliştirilmiş ve “Doğal ve Yapay Sistemlerde Adaptasyon (Adaptation in
Natural and Artificial Systems)” isimli Holland’ın kitabı 1975 yılında yayınlanmıştır.
1992 yılında John Koza genetik algoritmayı kullanarak çeşitli görevleri yerine
getiren programlar geliştirmiştir. Bu metoda Genetik Programlama adını vermiştir
[14]. Aşağıda genetik algoritmanın uygulama alanlarına yönelik yapılan literatür
taramasından örnekler verilmiştir.
23