firstGA.py

import random
#parametreler
population_size = 50 #popülasyon büyüklüğü
gene_length = 20 #gen uzunluğu
mutation_rate = 0.1 #mutasyon oranı
generations = 100 #maksimum nesil sayısı

#fitness fonksiyonu
def get_fitness(individual):
    #bir bireyin ne kadar başarılı olduğunu hesaplar (1'lerin sayısı)
    return sum(individual)

#başlangıç popülasyonunu oluşturma
population = [[random.randint(0,1) for _ in range(gene_length)] for _ in range(population_size)]

#evrim döngüsü
for gen in range(generations):
    #fitness değerlerine göre popülasyonu sırala (en iyi olan en üstte)
    population = sorted(population, key=get_fitness, reverse=True)

    current_best = population[0]
    print(f"Generation {gen}: Best Fitness = {get_fitness(current_best)} | {current_best}")

    #hedefe ulaşıldı mı kontrol et
    if get_fitness(current_best) == gene_length:
        print("Optimal solution found!")
        break

    #yeni popülasyonu oluşturma ve seçilim (elitizm, en iyi %10 korunur)
    new_population = population[:5]

    while len(new_population) < population_size:
        #crossover, iki ebeveynden parçalar alarak yeni birey oluşturma
        parent1, parent2 = random.sample(population[:20], 2)
        cut = gene_length // 2
        child = parent1[:cut] + parent2[cut:]

        #mutasyon, rastgele genleri değiştirme
        if random.random() < mutation_rate:
            idx = random.randint(0, gene_length - 1)
            child[idx] = 1 if child[idx] == 0 else 0

        new_population.append(child)

    population = new_population