تکنیک جدید برای ایجاد جمعیت اولیه در الگوریتم‌های ژنتیکی

این مقاله روش جدیدی را برای ایجاد جمعیت اولیه در الگوریتم های ژنتیکی به نام Noisy Normal معرفی می کند. در این روش، بر خلاف روش Quasi random ، علاوه بر اینکه از تمام نقاط دامنه (در هر بعد) نماینده ای وجود دارد، نقاط انتخابی در اجراهای متفاوت تغییر نیز می کنند. با توجه به توزیع مناسب این نقاط، احتمال اینکه الگوریتم برای تعداد جمعیت کم در تله های احتمالی بیفتد، پایین می آید. روش ارایه شده مشکل توزیع نامناسب Pseudo random و همچنین مشکل عدم تصادفی بودن جمعیت اولیه و توزیع نامناسب برای توابع با ابعاد بالا در روش Quasi random را نیز اصلاح می نماید و منجر به پاسخ مطمئن‌تری می شود. نتایج آماری به دست آمده این مطالب را تأیید می کنند.