محدوده کاري الگوريتم ژنتيک بسيار وسيع مي باشد و هر روز با پيشرفت روزافزون علوم و تکنولوژي استفاده از اين روش در بهينه سازي و حل مسائل بسيار گسترش يافته است. الگوريتم ژنتيک يکي از زير مجموعه هاي محاسبات تکامل يافته مي باشد که رابطه مستقيمي با مبحث هوش مصنوعي دارد در واقع الگوريتم ژنتيک يکي از زير مجموعه هاي هوش مصنوعي مي باشد. الگوريتم ژنتيک را ميتوان يک روش جستجوي کلي ناميد که از قوانين تکامل بيولوژيک طبيعي تقليد ميکند .الگوريتم ژنتيک برروي يکسري از جوابهاي مساله به اميد بدست آوردن جوابهاي بهتر قانون بقاي بهترين را اعمال مي کند. درهر نسل به کمک فرآيند انتخابي متناسب با ارزش جوابها و توليد مثل جواب-هاي انتخاب شده به کمک عملگرهايي که از ژنتيک طبيعي تقليد شدهاند ,تقريبهاي بهتري از جواب نهايي بدست ميآيد. اين فرايند باعث ميشود که نسلهاي جديد با شرايط مساله سازگارتر باشد.فهرست مطالبمقدمهفصل اولچکیدهتاریخچه الگوریتم ژنتیکاهدافساختار الگوريتمهاي ژنتيكيعملگرهاي الگوریتم ژنتيكروند كلي الگوريتمهاي ژنتيكيروند کلي بهينه سازي و حل مسائل در الگوريتم ژنتيکشرط پايان الگوريتمفصل دومتوضيح الگوريتم ژنتيك در ۱۲ قدمقدم اول : بدست آوردن تابع هدف (Cost Function) با n متغيرقدم دوم : تعيين طول كروموزومقدم سوم : توليد جمعيت اوليهقدم چهارم: تبديل هر ژن از كروموزوم به اعدادي در بازه دامنه همان متغيرقدم پنجمقدم ششم :قدم هفتم : تعيين تعداد كروموزوم شركت كننده در عمل پيوندقدم هشتم : انتخاب كروموزومهايي كه در عمل پيوند شركت مي كنندقدم نهم : پيوند (crossover)قدم دهم : جهش (mutation)قدم يازدهم : حفظ بهترين كروموزومقدم دوازدهمفصل سومروش پژوهشنتایج و بحثنتیجه گیری و کارهای آیندهنتيجه گيري کلیقدر دانیمنابعفرمت فایل Word ورد docتعداد صفحات :114همراه با پاورپوینت برای ارائه و کنفرانس : تعداد صفحات 53 اسلاید