Genetic Algorithm in optimization methods

Bakalaura darbā tiek aprakstīts ģenētiskais algoritms, kas ir viens no optimizācijas metožu jaunākajiem un mazāk pazīstamajiem algoritmiem. Teorijas apskatā aplūkots ģenētiskā algoritma konstrukcijas elementi: derīguma (fitness) funkcijas izveide, reproducēšanās, krustošanās un mutāciju operatori. Praktiskajā pielietojumu daļā apskatīti vairāki piemēri (tanī skaitā ceļojošā pārdevēja problēma). Piemēru realizācija veikta ar paketi R .Sniegts neliels metožu salīdzinājums.Bechelor`s thesis describes genetic algorithm which is one of the latest and less known algorithm of optimization methods. Theory review deals with structural elements of genetic algorithm: creating fitness function, reproduction, crossover, mutation operators. Practical part views some examples, including Travelling Salesman problem. Examples are realized with R package. Thesis gives comparison of some examples