위 포트폴리오는 생명학과 인공지능 분야를 융합한 '유전 알고리즘'에 대한 정의, 이론, 구현까지의 내용을 포함한다.

유전 알고리즘과 생명학의 연계성을 파악하고, 이를 통해 직접 이론부터 시작해 코드로부터 구현까지 한다는 종결적인 활동임. 활동성이 매우 높고, 진로에 대한 코드 지식과 창의력을 나타낼 수 있음. 같은 학과를 지원하였다고 가정하였을 때, 더욱 눈에 띄는 학생부가 될 수 있으리라 자부함.

위 포트폴리오는 유전 알고리즘의 이론적 내용을 위주로 포함되어 있음을 알리며, 이론을 이미 알고 있거나, 적용 코드에 대해 궁금하신 분들은
생명학을 융합한 ‘유전 알고리즘’ 테트리스를 통해 시각화하기 (코드편)을 참고하시는 것을 추천드립니다.

테트리스, 유전 알고리즘 코드는 몹시 복잡하고 헷갈릴 것입니다. 최대한 이해할 수 있도록 설명을 붙여두었습니다.

[목차]

0. 서론

1.다윈의 자연 선택 이론
1.1 변이
1.2 적합도
1.3 자연 선택
1.4 적응
1.5 종 분화

2. 유전 알고리즘의 구성 요소
2.1 개체 집단
2.2 유전자 표현
2.3 적합도 함수
2.4 선택
2.5 교배
2.6 돌연변이
2.7 종료 조건

3. 자연 선택 이론과 유전 알고리즘 요소의 연관성
3.1 변이 ↔ 유전자 표현
3.2 적합도 ↔ 적합도 함수
3.3 자연 선택 ↔ 선택
3.4 적응 ↔ 교배 및 돌연변이
3.5 종 분화 ↔ 개체 집단 및 종료 조건

4. 유전 알고리즘 예시
4.1 초기 집단 생성
4.2 적합도 함수 정의
4.3 적합도 평가
4.4 선택
4.5 교배
4.6 돌연변이
4.7 다음 세대 형성
4.8 종료 조건

5. 테트리스를 통한 유전 알고리즘 시각화
5.1 유전 알고리즘 시각화의 정당한 이유
5.2 사용된 프로그래밍 언어 및 환경
5.3 세대 구조 및 실험적 접근
5.4 유전 알고리즘의 특징 및 구성 요소 구현
5.4.1 선택
5.