×

الگوریتم ژنتیک چیست؟

الگوریتم ژنتیک یکی از انواع الگوریتم های تکاملی است که با روابط رایانه ای نیز در ارتباط است. این سبک الگوریتم از تکنیک های زیست شناسی برای تطبیق و بهینه سازی استفاده می کند. ویژگی هایی مانند وراثت، ژنتیک و… در این الگوریتم مورد بررسی قرار می گیرند. گروه تحقیقاتی اندیشگران بیشاپور در این خصوص پژوهش های دقیقی انجام داده اند، با مراجعه به این اطلاعات علمی دقیق، دانش شما در خصوص این الگوریتم ها تکمیل خواهد شد.

الگوریتم ژنتیک

اصول انتخابی داروین و جهش های زیست شناسی نیز از مباحث مهمی است که در این زمینه مطرح می شوند. کلیه این عوامل برای بهینه سازی هوشمند مورد استفاده قرار می گیرند. در این خصوص از تکامل های ژنتیکی به عنوان الگو در برنامه نویسی های کامپیوتری بهره برده می شود. تاکنون با تکامل ژنتیک بوسیله الگوریتم ژنتیک به نتایج مهمی در عرصه هوش مصنوعی دست یافته اند و تکنیک های الگو برداری موثری ایجاد شده اند.

نحوه استفاده از الگوریتم ژنتیک

برای استفاده از این الگوریتم ها، در نظر گرفتن برخی عوامل بسیار مهم تلقی می شود. در این زمینه یک روند کلی طی می شود که در زیر به مراحل آن اشاره شده است:

  • در بخش اول جواب های مسئله به عنوان کروموزوم معرفی می شوند که در ژنتیک بدن انسان نقش موثری ایفا می کند.
  • در بخش بعدی تابع برازندگی مورد نظر معرفی می شود؛ این فاکتور را به عنوان فیت نس نیز می شناسند.
  • جمع آوری اولین جمعیت موجود نیز یکی از مهمترین مراحل در روند استفاده از الگوریتم های ژنتیکی محسوب می شود.
  • در بخش بعدی عملگرهای انتخابی معرفی می شوند.
  • سپس نوبت به عملگرهای تولید مثل می رسد که در این زمینه نقش موثری ایفا می کنند.

در طول الگوریتم ژنتیک در مرحله اول چندین جواب تصادفی برای هر مسئله پیدا می شوند. این مجموعه جواب در مرحله بعدی به عنوان جمعیت معرفی می شود. سپس کروموزوم ها یا جواب های به دست آمده با هم ترکیب می شوند و در ساختار آن ها جهش هایی پدید می آید. با بهره گیری از این الگوریتم ها، انتقال خصوصیات در نسل های بعدی به سهولت انجام می گیرد. در این زمینه از روش های طبیعی استفاده می شود.

شرایط خاتمه الگوهای ژنتیکی

الگوریتم ژنتیک برای این که به نتیجه مطلوب برسد، باید با برخی شرایط و فاکتورهای مهم همراه شود. در این زمینه گروه تحقیقاتی اندیشگران بیشاپور اطلاعات مهمی ارائه می دهد که برای درک بهتر این مفاهیم مورد استفاده قرار می گیرند. این شرایط مهم به شرح زیر می باشند:

  • در وهله اول باید به تعداد ثابتی از نسل ها برسیم.
  • سپس باید زمان مورد نظر محاسبه شود و بودجه اختصاص داده شده به پروژه نیز مورد ارزیابی قرار گیرد. برای پایان یافتن این پروژه باید بودجه اختصاص داده شده نیز به پایان برسد.
  • برای خاتمه این پروژه باید یک فرد یا فرزند از روش های این الگوریتم متولد شود که حداقل میزان ملاک های موجود را برآورده سازد.
  • سپس باید بیشترین درجه برازش فرزندان نیز مورد بررسی قرار گیرد؛ به این ترتیب ماکزیمم ملاک های مورد نظر نیز در نظر گرفته می شود.
  • در روش بعدی نوبت به بازرسی دستی می رسد.
  • سپس باید ترکیب های بالایی به خوبی انجام شوند تا انتظارات مورد نظر از پروژه پیش رو برآورده شوند.

روش الگوریتم ژنتیک

آشنایی با انواع الگوریتم های ژنتیکی

الگوریتم ژنتیک با بهره بری از روش های مختلفی قابل اجرا است. شما می توانید، برای انتخاب ژنوم های مورد نیاز از هر یک از این روش های مهم استفاده به عمل آورید. در این زمینه روش انتخاب ELITIST به عنوان مناسب ترین عضو در هر اجتماع شناخته می شود. انتخاب و گزینش ROULETTE  نیز در این میان جای می گیرد. در این روش انتخابی، عناصری که بیشترین تناسب یا برازش را داشته باشند، انتخاب خواهند شد. در این زمینه شانس انتخاب هر یک از عناصر نیز مورد توجه قرار می گیرد.

انتخاب SCALING نیز یکی از روش های پیشنهادی است. هر چه عدد برازش جامعه در الگوریتم ژنتیک بیشتر شود، سنگینی انتخاب نیز بیشتر می شود. گروه تحقیقاتی اندیشگران بیشاپور در این خصوص نیز تحقیقات جامع و دقیقی ارائه داده اند که نتایج آن ما را به درک جدیدی از این الگوریتم کاربردی می رساند. این روش برای عناصری کارایی دارد که عدد آن ها بسیار بزرگ است و از نظر برخی تفاوت های کوچک تفکیک می شوند.

در این زمینه انواع روش های رقابتی نیز مورد استفاده قرار می گیرند و هر یک از آن ها در پیشروی استفاده از این الگوریتم تاثیر گذار می باشند.

آشنایی با زمینه های بیولوژیکی

برای آشنایی بیشتر با الگوریتم ژنتیک، بهتر است که برخی زمینه های بیولوژیکی بدن انسان را نیز مورد بررسی قرار دهید. بدن همه ما از تعداد بالایی سلول تشکیل شده است که هر یک از این سلول ها تعداد زیادی از کروموزوم ها را در خود جای می دهند. در هر یک از این کروموزوم ها نیز رشته های دی ان ای جای گرفته اند. این عناصر ویژگی های بسیاری را پس از تکامل در بدن ما ایجاد می کنند. از جمله آن می توان به رنگ چشم، میزان هوش و… اشاره کرد.

گروه تحقیقاتی اندیشگران بیشاپور در خصوص تعیین الگوریتم ژنتیک به این فاکتورهای مهم بیولوژیکی نیز توجه دارد.

آشنایی با مسائل NP

 گروه نخبگان برتر در زمینه مسائل سخت چند جمله ای (جدا از الگوریتم ژنتیک) نیز تحقیقاتی انجام داده است. این خدمات برای حل مسائل سختی که دیگر از روش های قدیمی قابل حل نمی باشند، مورد استفاده قرار می گیرند. برخی از این مسائل به صورت الگوریتمی قابل حل نمی باشند. همیشه بررسی کردن جواب سوال با دسترسی به جواب هایی که آن ها را نمی دانیم، کار ساده تری است. گروه تحقیقاتی اندیشگران بیشاپور این حالت مسئله را بیشتر در رابطه با مسائل تصمیم گیری مطرح می کنند. جواب برخی از این مسائل به صورت بله یا خیر مطرح می شود. به علاوه برخی از دسته های این مسائل به دلیل پیچیدگی خروجی آن ها به نام هادر ان پی شناخته می شوند.

 

پیشنهاد مطالعه: تحلیل آماری در پایان نامه

آخرین بروزرسانی در تاریخ : 19 خرداد 1401 و ساعت : 03:14 ب.ظ

اشتراک این مطلب در شبکه های اجتماعی با دوستانتان

درج دیدگاه