محمد تقی احمدیان - تهران، دانشگاه صنعتی شریف
رضا درخشان - تهران، دانشگاه صنعتی شریف
حسن صیادی - تهران، دانشگاه صنعتی شریف

امروزه بدست آوردن نقاط اکسترمم توابع در بهینه سازی اهمیت بسیاری کرد ه اند. یکی از روش های مورد استفاده در بهینه سازی و پیدا کردننقاط اکسترمم توابع، روش الگوریتم ژنتیک است. در این مقاله بعد از معرفی مختصر الگوریتم ژنتیک، از این روش برای بررسی نقاط ماکزیمم تابع (F=t(2)+βxE(2 در بازده متغیرهای t<63 و E<63 پرداخته می شود. این کار با دو فرض β=0 و β=1 انجام می شود. با استفاده از نتایج حاصل نقاط ماکزیمم پیدا می شود. برای اطمینان یافتن نسبت به نتایج خروجی از الگوریتم ژنتیک، از روش مشتق گیری برای پیداکردن نقطه ماکزیمم تابع در تابع مذکور پرداخته می شود. نتایج حاصل نشان می دهد که خروجی این روش با خروجی حاصل از روش الگوریتمژنتیک، یکسان هستند. در ادامه به بررسی تاثیر ضریب جهش در روند به پاسخ رسیدن الگوریتم ژنتیک را بررسی می کنیم. در گام بعد، برایبالا بردن سرعت همگرایی از یک سری شما استفاده می کنیم. نتایج نشان می دهد که این کار سرعت همگرایی را به طور چشمگیری افزایشمی دهد.

بازتولید، تابع دو متغیره، تابع یک متغیره، شما، ضریب جهش