• بازدید : 61 views
  • بدون نظر
خرید ودانلود فایل تحقیق كدگذاري و رمزنگاري در مديريت- دانلود رایگان تحقیق كدگذاري و رمزنگاري در مديريت-دانلود رایگان مقاله كدگذاري و رمزنگاري در مديريت-خرید اینترنتی تحقیق كدگذاري و رمزنگاري در مديريت-تحیقق كدگذاري و رمزنگاري در مديريت-مقاله كدگذاري و رمزنگاري در مديريت

این فایل در ۷صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:
يكي از داده هاي اصلي سازمان كه نقش اساسي نيز در آن ايفا مي كند اطلاعات است كه به عنوان نقش حيات بخش در سازمان كه چون خون در شريانهاي سازمان جريان دارد عمل مي كند و مانند خون يك ماده با ارزش و حياتبخش است.پس در نتيجه بنا به اصل قياس اطلاعات براي سازمان نيز همان نقش را دارا است در ادامه برای آشنایی بیشتر شما با این فایل به ارائه توضیحات مفصل می پردازیم.

اگر فرايند سيستم اطلاعاتي ما طوري باشد كه هر كاربري بتواند به اطلاعات سيستم دسترسي داشته باشد.ديگرتوان مديريت سازمان از افراد درون سازماني به افراد برون سازماني كه شايد صلاحيتي هم نداشته باشند منتقل شود كه اين موضوع مترادف با افول فرد،گروه و در نهايت سازمان و بنگاه اقتصادي و حتي غير اقتصادي است. اين گفته مديريتي كه: مديريت از آن كسي است كه اطلاعات را در اختيار دارد. بايد در نگهداري اين مهم كوشا باشيم. ما در اين قسمت قصد داريم از روشها و الگوهايي كه در رمز نگاري به خصوص رمز نگاري در ارتباطات، استفاده مي شود را برايتان بيان كنيم . ما با رمز نگاري و به رمز درآوردن اطلاعات مي خواهيم سرعت نشت اطلاعات را به صفر برسانيم تا اطلاعات ودر نتيجه مديريت در دست خودمان قرار گيرد،مهمترين قسمتي كه مي توانيم كارا باشيم همان ارتباطات است كه با كنترل اين قسمت كنترل قسمتهاي ديگر نيز خود به خود در دست ما قرار مي گيرد.و مهمترين عملكرد در اين بخش همان رمز و رمز نگاري است.

 شروع اين بخش را با خلاصه اي از فرايند ارتباطات آغاز مي كنيم . دريك عبارت ساده ارتباطات به معني تبادل اطلاعات و انتقال معني است.
ارتباطات يعني،انتقال اطلاعات از فرستنده به دريافت كننده ،به صورتيكه اطلاعات براي فرستنده و گيرنده قابل درك باشد.كه اين همان ساده ترين فرايند تبادل اطلاعات است.وفقدان هر كدام موجب عدم برقراري ارتباط است.

 در يك تعريف جامع،

ارتباطات فرايندي است كه اشخاص از طريق انتقال سمبلهاي پيام به دريافت معني مبادرت مي ورزند.

 عناصر اصلي ارتباطات:

 1.فرستنده پيام يا منبع :فرستنده آغاز كننده ارتباط است كه معمولا”انتقال معني و مفهوم را آغاز مي كند.

 2.رمز پيام:رمز پيام را با استفاده از ترجمه آن به يك سري سمبلها منتقل مي نمايدكه در بعضي مواقع ضروري نيز مي باشدچنانكه فرستنده تلاش مي كند براساس موضوع ا رتباط علائم و مفاهيم را به گونه اي اختيار كند كه دريافت كننده منظور از ارتباط را درك كند.

 3.رمز پيام حاوي خبر:نكته يا موضوعي است كه بايد به گيرنده منتقل شود.شكل فيزيكي پيام ممكن است به صورت رمز از طرف فرستنده ارسال گردد.

 4.مجاري پيام:مجاري سيله و طريقه انتقال پيام را گويند.

 5.دريافت كننده:شخصي است كه پيام فرستنده را درك مي كند.و اگر پيام به فرستنده نرسد ارتباط قطع مي شود.

 6.كشف رمز پيام:فرايندي است كه دريافت كننده براساس آن پيام را به اطلاعات مورد نظر فرستنده تفسير مي نمايد. كشف رمز پيام براساس تجربه گذشته دريافت كننده ،تفسير فرد از سمبلها (علائم)،اتظارات و مقاصد دو طرف (فرستنده و گيرنده)از پيام است.

 7.عوامل اختلال:عواملي كه موجب نا مفهومي در هريك از مراحل ارتباطات و پيام مي گردند.

 8.بازخور:ابراز نظرات و واكنشهاي گيرنده پيام در باره پيام و انتقال آن به فرستنده را گويند. بازخور درجه اثربخشي و كارايي ارتباط را نشان مي دهد.

 منشا و پيدايش رمز نگاري:

 رمزنگاری در علم مخابرات مورد استفاده قرار می‌گیردولي امروزه در مديريت نيز به وفور استفاده مي شود. از رمزنگاری می‌توان برای تأمین امنیت و تأمین اعتبار پیام به صورت جداگانه یا توامان استفاده کرد.

 تأمین امنیت پیام:

 این که به غیر از گیرنده مجاز، شخص دیگر قادر به فهمیدن متن پیام نباشد.

 اعتبار پیام:

 این که فرستنده واقعی پیام مشخص باشد.

دانش رمزنگاری بر پایه مقدمات بسیاری از قبیل سيستمهاي اطلاعات، نظریه اعداد و آمار بنا شده‌است.

 تعاريف رمزنگاري:

 رمزنگاری دانش تغییر دادن متن پیام به کمک یک کلید رمزنگاری و یک الگوریتم رمزنگاری است، به صورتی که تنها شخصی که از کلید و الگوریتم مطلع است قادر به استخراج متن اصلی از متن رمزشده باشد . و شخصی که از یکی یا هردوی آن‌ها اطلاعی ندارد، نتواند به محتوای پیام دسترسی پیدا کند. رمزنگاری از طریق پنهان نگاه داشتن الگوریتم منسوخ است. در روشهای جدید رمزنگاری فرض بر آن است که همگان الگوریتم را می‌دانند. آنچه پنهان است فقط کلید است. رمزنگاری علمی است که به وسیله آن می‌توان اطلاعات را بصورتی امن منتقل کرد حتی اگر مسیر انتقال اطلاعات (کانالهای ارتباطی) ناامن باشد.

دریافت‌کننده اطلاعات آنها را از حالت رمز خارج می‌کند (decrypting). به این عمل در واقع رمزگشایی گفته می‌شود .

 البته قابل ذكر است كه، که رمزنگاری به تغییر ساده محتویات یک متن گفته می‌شود و با کدگذاری (coding) تفاوت دارد. در این صورت تنها هر کاراکتر با یک نماد تغییر می‌کند. کلمه Cryptography بر گرفته لغات یونانی‘kryptos’ به مفهوم ” محرمانه ” و grapheinبه معنای نوشتن ” است.

 تفاوت رمز و كد:

 قبل از هر چیز لازم است بین رمز و کد تفاوت قایل شویم. رمز به مفهوم تبدیل کاراکتر به کاراکتر یا بیت به بیت ؛ بدون تغییر محتویات زبان شناختی آن است. در مقابل ” کد ” تبدیلی است که کلمه‌ای را با یک کلمه یا نماد دیگر جایگزین می‌کند . در بررسی نخستین استفاده کنندگان از رمزنگاری به ” سزار ” امپراتور روم و نیز ” الکندی ” که یک مسلمان است برمیخوریم از عمده ترین شیوه‌های رمزنگاریهای ابتدایی پیچیدن نسخه اصلی پیام بر روی استوانه‌ای با قطر مشخص و نوشتن پیام بر روی متن استوانه‌ای است.

 بدیهی است بدون درک میزان قطر، خواندن پیام کار بسیار دشواری بود بعدها از این روش به همراه موتورهای الکتریکی برای رمزنگاری استفاده شد. الگوریتمهای مختلفی (مانند md5 و RSA) برای رمز کردن اطلاعات وجود دارد. الف) معرفی رمزگذاری رمزگذاری یعنی تبدیل اطلاعات به یک شکل غیر قابل فهم و انتقال آن و سپس برگرداندن اطلاعات رمز شده به حالت اولیه و قابل خواندن. عناصر مهمی که در رمزگذاری مورد استفاده قرار می‌گیرند به شرح زیر می‌باشد:

 1) Public Key یا کلید عمومی اعداد یا کلماتی که با یک شخص یا سازمان در ارتباط می‌باشد. کلید عمومی جزیی از جفت کلید عمومی/خصوصی می‌باشد وبه صورت عمومی در دسترس کسانی که قصد انتقال اطلاعات رمز شده را دارند، می‌باشد.

 2) Private Key یا کلید خصوصی اعداد یا کلماتی که با یک شخص یا سازمان در ارتباط می‌باشد. کلید خصوصی جزیی از جفت کلید عمومی/خصوصی می‌باشد. کلید خصوصی فقط در دسترس مالک جفت کلید عمومی/خصوصی می‌باشد و برای بازگشایی اطلاعاتی که توسط کلید عمومی رمزگذاری شده استفاده می‌شود.

 3) ایجادکننده‌های جفت کلید برای ایجاد یک جفت کلید عمومی و خصوصی طبق یک الگوریتم رمزگذاری مشخص استفاده می‌شود. ۴) Key Factories برای تبدیل کلیدهای نامشخص به کلیدهای مشخص به کار می‌رود.

 5) Key stores بانکی که برای مدیریت تعدادی از کلیدها به کار می‌رود.

 6) الگوریتمهای رمزگذاری الگوریتم‌ها و روشهایی که برای رمزگذاری اطلاعات به کار می‌رود. RSA و DES نام دو تا از معروفترین الگوریتم‌ها می‌باشد

  • بازدید : 54 views
  • بدون نظر
این فایل در ۱۴۰صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:

به طور کلی انتخاب و طراحی بهینه در بسیاری از مسائل علمی و فنی باعث تولید بهترین محصول یا جواب ممکن در یک شرایط خاص می شود. برای مثال تولید محصولات مناسب در حوزه های مختلف فنی و مهندسی وابسته به طراحی دقیق و بهینه ی شکل، اندازه و قطعات محصول است. در نتیجه هر مسئله ی مهندسی ممکن است داری چندین جواب مختلف باشد که بعضی از آنها ممکن و بعضی غیر ممکن است . وظیفه ی طراحان پیدا کردن بهترین جواب ممکن از میان جواب های مختلف است. مجموعه ی جواب های ممکن فضای طراحی را شکل می دهند که باید در این فضا به جستجوی بهترین یا بهینه ترین جواب پرداخت.
 از آنجایی که نتیجه ی کار با توجه به نوع انتخاب این متدها و روش ها حاصل می شود لذا به اهمیت موضوع انتخاب بهینه ( Optimum ) و بهینه سازی در همه ی مسائل پی می بریم 
الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده ی آن برگرفته از طبیعت می باشد . الگوریتم های ژنتیک در حل مسائل بهینه سازی کاربرد فراوانی دارند . به عنوان مثال می توان به مسئله فروشنده دوره گرد اشاره کرد . در طبیعت از ترکیب کروموزوم های بهتر ، نسل های بهتری پدید می آیند . در این بین گاهی اوقات جهش هایی نیز در کروموزوم ها روی می دهد که ممکن است باعث بهتر شدن نسل بعدی شوند. الگوریتم ژنتیک نیز با استفاده از این ایده اقدام به حل مسائل می کند . 
در الگوریتم های ژنتیک ابتدا به طور تصادفی یا الگوریتمیک ، چندین جواب برای مسئله تولید می کنیم . این مجموعه جواب را جمعیت اولیه می نامیم . هر جواب را یک کروموزوم می نامیم . سپس با استفاده از عملگرهای الگوریتم ژنتیک پس از انتخاب کروموزوم های بهتر ، کروموزوم ها را باهم ترکیب کرده و جهشی در آنها ایجاد می کنیم . در نهایت نیز جمعیت فعلی را با جمعیت جدیدی که از ترکیب و جهش در کروموزوم ها حاصل می شود ، ترکیب می کنیم . موارد فوق را با جزئیات بیشتری مورد بررسی قرار می دهیم 
پیشینه ی الگوریتم ژنتیک به سال های حدود ۱۹۶۰ برمی گردد. در دهه های ۵۰ و ۶۰ تحقیقات متعددی برای استفاده از نظریه تکامل در بهینه سازی مسائل مهندسی به طور مستقل صورت گرفت. ایده ی اصلی در همه این سیستم ها، رشد یک جمعیت از پاسخ های اولیه یک مساله به سمت پاسخ بهینه با الهام گیری از عملگرهای انتخاب و تغییر ژنتیک طبیعی بود. در سال های ۱۹۶۵ تا ۱۹۷۳ رکنبرگ(Rechenberg ) کتاب خود را به نام  تکنیک های تکامل (Evolution strategies (Evolutionsstrategie in original) ) در زمینه محاسبات تکاملی منتشر کرد و در سال های بعد نظریه او توسط محققین دیگر توسعه یافت. الگوریتم ژنتیک نخستین بار توسط  جان هلند ( John Holland ) مطرح و به وسیله خود او و دانشجویان و همکارانش گسترش یافت. تلاش های او و اطرافیانش در این زمینه در نهایت به نشر کتاب سازگاری در طبیعت و سیستم های مصنوعی (Adaption in Natural and Artificial Systems ) انجامید. پس از آن تحقیقات گسترده ای توسط افراد مختلف در این زمینه انجام شد (به عنوان مثال در سال ۱۹۹۲ جان کزا (John Koza ) الگوریتم ژنتیک را به صورت عملیاتی در برنامه نویسی به کار برد و برنامه نویسی ژنتیک (genetic programming(GP) ) را به عنوان روش خود مطرح ساخت.) و الگوریتم ژنتیک به صورت امروزی خود رسید.

۲-۳- اصطلاحات زیستی
در راستای فهم کامل الگوریتم ژنتیک، ابتدا بهتر است با برخی از اصطلاحات زیستی به کار رفته در تئوری این الگوریتم آشنا شویم. همه موجودات زنده از واحدهای کوچکی به نام سلول تشکیل شده اند. هر سلول نیز به نوبه خود از مجموعه ای از یک یا چند کروموزوم (chromosome ) تشکیل شده است. کروموزوم ها رشته هایی از مولکول DNA می باشند که در حقیقت برنامه کاری موجود زنده را در خود ذخیره می کنند. هر کروموزوم شامل چندین ژن( gene ) می باشد، که هر ژن بلوکی از مولکول DNA می باشد که پروتئین خاصی را کدگذاری می کند. به طور کلی می توان گفت که هر ژن یک خصیصه (trait ) از موجود زنده (مانند رنگ چشم) را کد گذاری می کند. حالت های ممکن برای یک خصیصه را (allele  ) می گویند. هر ژن موقعیت مخصوص خود را در کروموزوم دارد که به آن (locus ) می گویند. بسیاری از موجودات زنده در هر سلول چندین کروموزوم دارند. مجموعه کامل مواد ژنتیکی در سلول (مجموعه همه کروموزوم ها) (genome ) نامیده می شوند. اصطلاح (genotype ) به مجموعه خاصی از کروموزوم های موجود در genome اتلاق می شود. Genotype ها در پی تحولات و تغییر، به phenotypeها خصوصیات فیزیکی و ذهنی موجود زنده (مانند رنگ چشم، بلندی، اندازه مغز و یا میزان هوش) تبدیل می شوند.
در طی تولید مثل جنسی(reproduction )، در اثر الحاق(recombination or crossover ) ژن ها از کروموزوم های والدین(parents ) با یکدیگر ترکیب شده تا کروموزوم کامل جدیدی را تشکیل دهند. در طی این تغییرات، ممکن است تغییرات کوچکی در برخی از بخش های DNA   ژن های فرزند، بوجود آمده و فرزند دچار جهش (mutation ) گردد. در نهایت تناسب (fitness ) یک موجود زنده با توجه به احتمال زیستن آن برای تکثیر(زیست پذیری(viability ) ) یا برحسب تابعی از تعداد فرزندان آن گونه (باروری(fertility )) تعیین می گردد.

۲-۴- تشریح کلی الگوریتم ژنتیک 
یک تشریح کلی از الگوریتم ژنتیک را می‏توان به صورت زیر در نظر گرفت :
 -1 جمعیتی از رشته‏ها را به صورت تصادفی بسازید. 
 -2 هررشته داخل جمعیت را ارزیابی کنید. 
 -3 رشته‏های جدید را با ترکیب رشته‏های جاری ایجاد کنید. برای ترکیب رشته‎های والد از عملگر‏های جهش و تبادل استفاده کنید. 
 -4 اعضایی از جمعیت را برای ایجاد فضایی برای رشته‏های جدید حذف کنید. 
 -5 رشته‏های جدید را ارزیابی نموده و آنها را داخل جمعیت قرار دهید. 
 -6 اگر زمان اجرا تمام شده است توقف نمایید و بهترین رشته را باز گردانید. در غیر این صورت به مرحله سه بازگردید. 
روند ذکر شده در بالا متداول‏ترین روش الگوریتم ژنتیک را تشریح می‏کند. اما محققین مختلف، آن را به روش‏های متفاوت پیاده سازی کرده‎اند.
دو روش متداول دیگر برای اختتام: (همگرا شدن الگوریتم، تولید تعداد خاص نسل می‏باشد).

۲-۵- حل مساله با استفاده از الگوریتم های ژنتیک 
برای حل مساله با استفاده از الگوریتم های ژنتیک ، ابتدا جمعیت اولیه ای شامل K کروموزوم تولید می کنیم . هر کروموزوم نشان دهنده جواب مساله خواهد بود . سپس با استفاده از عملگر برازش میزان مطلوب بودن هر کرموزوم را محاسبه کرده و در مرحله بعد با استفاده از مقادیر محاسبه شده در مرحله برازش کروموزوم هایی را انتخاب کرده و جمعیت میانی را تولید می کنیم . تعداد کروموزوم های جمعیت میانی نیز K کروموزوم خواهد بود . در نهایت نیز عملگر جهش بر روی کروموزوم های جمعیت میانی اعمال می شود . پس از اعمال عملگر جهش ، جمعیت میانی جایگزین جمعیت اولیه می شود . دوباره مراحل برازش ، ادغام و جهش و جایگزینی بر روی آن انجام می شود . شبه کد زیر نحوه انجام مراحل فوق را نشان می دهد : 
Population = GeneratePopulation(K)  
For I = 1 to MaxIterations
 Fitness(Population)
 If any of chromosomes is optimal Then
  Break
 Offspring =  Crossover(Population)
 Mutate(Offspring)
EndFor


۲-۶- اجزای الگوریتم ژنبیک
با توجه به آنچه گذشت، الگوریتم ژنتیک بخشی از نظریه حسابگری تکاملی (evolutionary computing ) است که در حال حاضر به عنوان بخشی از هوش مصنوعی به سرعت در حال رشد می باشد. ایده اصلی این الگوریتم در نظریه تکامل داروین نهفته است.  از نظر کاربردی، الگوریتم ژنتیک یکی از روش های بهینه سازی مسائل است که اساس آن بر انتخاب طبیعی (natural selection) (عامل اصلی تکامل زیستی) و برخی مفاهیمی که از علم ژنتیک الهام گرفته شده اند، استوار است. در این روش به بیان ساده، برای بهینه سازی تابع هدف (تابع تناسب(fitness function )) مساله، در هر مرحله، از یک جمعیت (population) اولیه کروموزوم ها (افراد (individuals) ) که در حقیقت پاسخ های اولیه مساله می باشند، به یک جمعیت جدید از کروموزوم ها و یا یک نسل (generation) جدید که در حقیقت پاسخ های ثانویه مساله مفروض می باشند می رسیم. بنابراین با تکرار این عملیات و تولید جمعیت جدید از جمعیت قبلی در هر مرحله و در نتیجه رسیدن به نسل های موفق، جمعیت به سمت یک پاسخ بهینه رشد خواهد کرد.
در الگوریتم ژنتیک هر کروموزوم نشان دهنده پاسخی از مساله مورد نظر می باشد. این پاسخ بسته به نوع کدسازی مساله مورد نظر که  با توجه به خصوصیات مساله تعیین می شود، می تواند به صورت ماتریسی  از اعداد حقیقی (کدسازی حقیقی)، یک رشته از بیت های ۰و۱ ای (کدسازی باینری) و … مطرح شود. بنابراین هر کدام از ژن ها که اجزاء کروموزوم ها میباشند، می توانند نشانگر یک عدد حقیقی، یک بیت و … باشند.
اجزای الگوریتم ژنتیک عبارتند از:
جمعیت : جمعیتی از جوابهای ممکن که به کروموزوم و ژن تبدیل شده اند. 
کدگذاری : نمایش اعضاء در الگوریتم ژنتیک
عملگرهای الگوریتم ژنتیک : عملگرهای ژنتیک که باعث ترکیب ساخت ژنتیکی فرزندان در طول تولید مثل می شوند.

۲-۶-۱- جمعیت 
مفهوم جمعیت در الگوریتم ژنتیک شبیه به چیزی است که در زندگی طبیعی وجود دارد. برای مساله گزاره هایی وجود دارند که می توانند به عنوان پاسخ، چه درست، چه غلط در نظرگرفته شوند. به این گزاره ها پاسخهای ممکن یا شدنی می گوییم. مثلا اگر مساله یافتن ماکزیمم یک تابع در مجموعه اعداد صحیح باشد، تمام اعداد صحیح می توانند به عنوان پاسخ شدنی مساله در نظر گرفته شوند.
در الگوریتم ژنتیک به عنوان اولین مرحله لازم است مجموعه ای از جوابهای شدنی به عنوان جمعیت اولیه ایجاد شود. اعضای این مجموعه معمولا به صورت تصادفی انتخاب می شوند اما در الگوریتمهای بهینه، از قیدهایی استفاده می شود تا جمعیت پراکندگی بیش از حد نداشته باشد. تعداد اعضای جمعیت به نوع مساله بستگی دارد. در واقع تعداد اعضا، پارامتری است که با تغییر آن می توان دقت جوابها و سرعت همگرایی جستجو را بهبود بخشید. در برخی مسائل یک جمعیت ۸ عضوی کاملاٌ مناسب است در حالی که در برخی یک جمعیت ۱۰۰ عضوی نیز کافی نیست. بر اساس تجربه بهتر است تعداد اعضای جمعیت عددی بین ۱۰ تا ۱۶۰ باشد.
بعد از انتخاب جمعیت، لازم است اعضای آن به شکل کروموزوم درآیند. هر کروموزوم آرایشی از چند ژن است. در مرحله تبدیل (کدگذاری) (Encoding) ، جوابها به ژنها تبدیل می شوند. روشهای مختلفی برای کدگذاری وجود دارد. انتخاب روش وابسته به نوع مساله ای است که به آن پرداخته می شود. نکته قابل ذکر در تبدیل جوابها به کروموزوم ها این است که طول کروموزوم ها باید برابر و ثابت باشد یعنی اگر یک جواب از مجموعه به کروموزومی با n ژن تبدیل شد، طول تمام کروموزومهای دیگر نیز باید n باشد. طول کروموزومها را نوع کدگذاری، جنس پاسخها و محدوده پاسخها تعیین می کند. کروموزومها در الگوریتم ژنتیک باید به گونه ای باشند که دقیقا تمام مشخصات پاسخ را در خود ذخیره کنند. مثلا اگر مساله با اعداد حقیقی کار می کند، کروموزوم باید شامل اطلاعات مربوط به علامت عدد، تعداد رقمهای اعشاری، محدوده عدد و … باشد. مهمترین نوع کدگذاری، کدگذاری باینری است.
۲-۶-۲- کدگذاری
بعد از انتخاب جمعیت، لازم است اعضای آن به شکل کروموزوم درآیند. هر کروموزوم آرایشی از چند ژن است. در مرحله تبدیل (کدگذاری) (Encoding) ، جوابها به ژنها تبدیل می شوند. روشهای مختلفی برای کدگذاری وجود دارد. انتخاب روش وابسته به نوع مساله ای است که به آن پرداخته می شود. نکته قابل ذکر در تبدیل جوابها به کروموزوم ها این است که طول کروموزوم ها باید برابر و ثابت باشد یعنی اگر یک جواب از مجموعه به کروموزومی با n ژن تبدیل شد، طول تمام کروموزومهای دیگر نیز باید n باشد. طول کروموزومها را نوع کدگذاری، جنس پاسخها و محدوده پاسخها تعیین می کند. کروموزومها در الگوریتم ژنتیک باید به گونه ای باشند که دقیقا تمام مشخصات پاسخ را در خود ذخیره کنند. مثلا اگر مساله با اعداد حقیقی کار می کند، کروموزوم باید شامل اطلاعات مربوط به علامت عدد، تعداد رقمهای اعشاری، محدوده عدد و … باشد. مهمترین نوع کدگذاری، کدگذاری باینری (دودویی ) است.

۲-۶-۲-۱- کدگذاری دودویی
  عمومي ترين روش وآشناترين نوع کدگذاري در GA ، همان روش کدگذاري دودویی است، زیرا در تحقيقات اوليه GA اين روش مورد استفاده قرار گرفت که روش بسيار ساده ای است. 
  در روش کد گذاري دودویی همه ي کورموزم ها با رشته هايي که شامل بيت هايي از ۱-۰ است کد مي شوند .
اغلب اين روش کدگذاري براي اکثر مسائل طبيعي نيست و بعد از CrossOver و جهش بايد تغييراتي درآن به وجود آورد.

عتیقه زیرخاکی گنج