الگوریتم ژنتیک

الگوریتم ژنتیک

اسلاید 1: 1

اسلاید 2: الگوریتم های ژنتیکInstructor : Saeed Shiry& Mitchell Ch. 92

اسلاید 3: الگوریتم ژنتیکالگوریتم ژنتیک روش یادگیری بر پایه تکامل بیولوژیک است.این روش در سال 1970 توسط John Holland معرفی گردیداین روشها با نام Evolutionary Algorithms نیز خوانده میشوند.3

اسلاید 4: ایده کلییک GA برای حل یک مسئله مجموعه بسیار بزرگی از راه حلهای ممکن را تولید میکند.هر یک از این راه حلها با استفاده از یک “ تابع تناسب” مورد ارزیابی قرار میگیرد.آنگاه تعدادی از بهترین راه حلها باعث تولید راه حلهای جدیدی میشوند. که اینکار باعث تکامل راه حلها میگردد.بدین ترتیب فضای جستجو در جهتی تکامل پیدا میکند که به راه حل مطلوب برسددر صورت انتخاب صحیح پارامترها، این روش میتواند بسیار موثر عمل نماید.4

اسلاید 5: فضای فرضیهالگوریتم ژنتیک بجای جستجوی فرضیه های general-to specific و یا simple to complex فرضیه ها ی جدید را با تغییر و ترکیب متوالی اجزا بهترین فرضیه های موجود بدست میاورد.در هرمرحله مجموعه ای از فرضیه ها که جمعیت (population) نامیده میشوند از طریق جایگزینی بخشی از جمعیت فعلی با فرزندانی که از بهترین فرضیه های موجود حاصل شده اند بدست میآید.5

اسلاید 6: ویژگیهاالگوریتم های ژنتیک در مسائلی که فضای جستجوی بزرگی داشته باشند میتواند بکار گرفته شود.همچنین در مسایلی با فضای فرضیه پیچیده که تاثیر اجزا آن در فرضیه کلی ناشناخته باشند میتوان از GA برای جستجو استفاده نمود.برای discrete optimizationبسیار مورد استفاده قرار میگیرد.الگوریتم های ژنتیک را میتوان براحتی بصورت موازی اجرا نمود از اینرو میتوان کامپیوترهای ارزان قیمت تری را بصورت موازی مورد استفاده قرار داد.امکان به تله افتادن این الگوریتم در مینیمم محلی کمتر از سایر روشهاست.از لحاظ محاسباتی پرهزینه هستند.تضمینی برای رسیدن به جواب بهینه وجود ندارد.6

اسلاید 7: Parallelization of Genetic Programmingدر سال 1999 شرکت Genetic Programming Inc. یک کامپیوتر موازی با 1000 گره هر یک شامل کامپیوتر های P2, 350 MHZ برای پیاده سازی روش های ژنتیک را مورد استفاده قرار داد.7