Genler, canlılardaki görünüş, davranış, kişilik gibi özellikleri belirleyen ve bu canlılarla ilgili bilgi edinmek üzere kullanılan birimler olması ile birlikte canlıya ait bir özelliği denetleyen kromozom parçası olarak tanımlanmaktadırlar. İlk kez bir mühendis ve biyolog olan Holland tarafından 1975 yılında kullanılan genetik algoritma (GA), canlılardaki genetik kod mantığı aracılığı ile karmaşık problemleri hızlı ve kolay bir biçimde en iyi çözüme ulaştırmayı hedeflemektedir. Genetik algoritmalar, bir çözüm uzayındaki her noktayı, kromozom olarak adlandırılan ikili bit dizisi şeklinde kodlamaktadır. Bu noktaların her birine ait bir uygunluk değeri vardır. Dolayısıyla, tek bir nokta yerine noktalar kümesini muhafaza etmektedir. Genetik algoritmalar, çözümlerin kodlanması, uygunlukların hesaplanması, seçim, çaprazlama ve mutasyon operatörlerinin uygulanması adımlarını içermekte olup bu operatörlerden faydalanarak yeni bir popülasyon oluşturmaktadır. Bu derleme makalesinde genetik çalışmalarda çözümü oldukça zor olan problemlerin çözümünü kolaylaştırmak ve kısa zamanda mümkün olan en iyi çözümü ortaya çıkarmak adına geliştirilmiş olan genetik algoritmaların işleyişi ve uygulamalarında kullanılan operatörler ele alınmıştır.
Genes are defined as the parts of chromosomes that determine features such as appearance, behaviour and personality in living things and are used to obtain information about these living things, as well as control a feature of the living thing. Genetic algorithm (GA), which was first used by Holland, an engineer and biologist, in 1975, aims to quickly and easily find the best solution to complex problems through the logic of the genetic code in living things. Genetic algorithms encode each point in a solution space as a binary string of bits called chromosomes. Each of these points has a fitness value. Hence, it preserves a set of points rather than a single point. Genetic algorithms include the steps of coding solutions, calculating fitness, applying selection, crossover, and mutation operators, and creating a new population by using these operators. In this review, operators used in the operation and applications of genetic algorithms, which have been developed to facilitate the solution of problems that are very difficult to solve in genetic studies and to reveal the best possible solution in a short time, are discussed.
