مثالی از کاربرد الگوریتم ژنتیک

صفحه 1:
يم 5 

صفحه 2:
مثالی از کاربرد الگوریتم )3 )459 صفمه _کلید با لستفلده لذ للکمبیتم‌های بُنتيكى 

صفحه 3:
3) #بدست آوردن چینش بهینه حروف فارسی بر روی صفحه‌کلید در درازمدت برای کسانی که با تایپ کردن متون فارسی درگیر هستند, بسیار مفید خواهد بود. © یک الگوریتم تکاملی می‌تواند با توجه به یک تابع تناسب که میزان راحتی تایپ کردن متون فارسی را برای یک چینش ارائه می‌دهد, در فضای چینش‌های حروف فارسی بر روک صفحه‌کلید جستجو کرده و چینش بهینه را بدست ورد. 

صفحه 4:
چینش کنونی حروف فارسی بر روی صفحه‌کلید aa aL eI leno olde ‏و‎ 08 cer 0 ۲ Dish ae 8 ۹ ۰ 

صفحه 5:
#در اين مساله هندسه صفحه کلید ثابت است و ما می‌خواهیم که تعداد ۳۳ نشانه که متشکل از ۳۲ حرف الفبای فارسی بعالاوه حرف همزه ۶۲" است را بر روی سه ردیف صفحه کلید که به ترتیب دارای ۱۱,۱۲,و ۱ کلید هستند, قرار دهیم. هدف این مساله بدست آوردن چینشی از این نشانه‌ها بر روی این کلیدها است, به طوری كه اين جينش طورى باشد كه كارب هنكام استفاده از صفحه كليد براى تايب حروف فارسى, احساس راحتى بيشترى نسبت به كار با بقيه جينشها داشته باشد. 

صفحه 6:
© براى حل مساله از يك الگوریتم ژنتیک استفاده شده است. * تابع تناسب موجود در این الگوریتم ژنتیک, مینران راحتی یا سختی استفاده از یک چینش را محاسبه می‌کند. ot در هر نسل, عملگر‌های ژنتیکی بر روی جمعیت موجود که چینش‌های مختلفى از حروف فارسی بر روی صفحه کلید هستند, اعمال می‌شوند و جامعه به سمتی سوق داده می‌شود که مقدار تابع تناسب به ازای اعضای آن به کمینه مقدار خود بی‌سند. 9 ان تناسب هى عضو از جامعه كه در واقع يك جينش حروف فارسى بس روی صفحيكليد هستند, با اعمال تابع تناسب بى متنى كه از مطالب جند سايت خبرى فارسى زبان تهیه شده است, به دست میآید. 

صفحه 7:
# اعضای جمعیت جایگشت‌های مختلف حروف فارسی روی صفحه کلید هستند. هر عضو جمعیت را می‌توان به صورت بر‌داری از حیوف فارسی در نظر گرفت که هر اندیس آن متناظر با یک کلید از صفحه کلید است. * مثلا هر بر‌دار با طول ۳۳ که شامل حروف فارسی بعلاوه حرف همزه "۶" باشد را میتوان به عنوان یک کرروموزوم (یک عضو از جمعیت ) در نظم گرفت که حرف ام از این بمرداره متناظر با کلیدی از صفحه کلید است که بررچسب شمار؛ [ بر روی آن زده شده است. سل از رل رل زیر زر 21314156-3 ‎soe | [2a] 25] 26] 27] 26] 23] 30] 31] 32] 33]‏ اق ات | ‎Lo |e‏ 

صفحه 8:
تعیین راحتی و سختی کار کردن با چینش حروف بر روی صفحه کلید یک مساله پیچیده ارگونومیک است. ؟ نورمن و رومل‌هارت چهار هدف را برای طراحی کارای یک صفحه‌کلید ارائه کرده‌اند: پرابری کاری که دو دست انجام می‌دهند؛ بیشترین تایپ حروف به صورت متناوب با دو دست؛ کمترین تکرار تایپ دو حرف متوالی با یک انگشت؛ و بیشترین تایپ حروف بر روی کلیدهای پایه‌ای (کلیدهای ردیف وس عا نج ناخ 

صفحه 9:
ل 2 سس سس برای دو هدف اول می‌توان فاکتور اندازه‌گیری زیر را معرفی‌کرد: وری6: هزینه مربوط به استفاده از ی ک‌دستبراعت ایب ردن‌دو حرف شتسر هم. *برای هدف سوم, فاکتور اندازه‌گیری زیر معرفی می‌شود: گس هزین مربوط ۱ ه لستفاده از رکانکش رای ایب رن دو حرفيشتسرهم. اد هزينه مربوط به تايبكردزيكجرفباتوجهبه یتان‌حرفبر روی‌صفحه کلید. ‎te‏ دان لنانتاتناننا تالناقالتنا لالت ‎aes 9‏ ا ‎15 [ ۰ 15015010 15 ]:0[:0[»0[ de] OOOBOBH0OO ‏ب‎ 5 0 ‏ويس‎ =, e+ 0 ‎ ‎ ‎ 

صفحه 10:
7 | *تایع تناسب برای هر کروموزوم از مجموع این سه فاکتور برای تمامی حروفی در متن مورد استفاده برای آزمایش وجود دارند, بدست می‌آید: سس 1 یلیمیا ۶ ده ومق8عمصازط براوازمايشاسك ‎w, ©‏ كلمه ذام از مجموعه 187 است؛ ‎٩‏ ,احرف ژام از کلمه ,۷۷ است؛ نموجود درا ملن‌مورد استفاده 

صفحه 11:
11( #در اینجا تنها از عملگر جهش استفاده شده است. * دلیل عدم استفاده از عملگر دورگه این است که ساختار اعضای جمعیت طوری است که ترکیب کردن دو کروموزوم والد هزينة زمانی بالایی دارد. #عملگر جهش را به دو صورت برای اعضای مختلف جامعه به كار مى_بريم. در اين مساله یک جامعه نخبگان انتخابو, م ىكنيم كه اعضاى لن تراز اول جمعيت ازديد تابع تناسب را تشكيل مىدهند. © عملكر جهش براى هر عضو از جامعة نخبكان, تنها محتويات چهار زوج ژن را به صورت تصادفی جابه‌جا می‌کند. در حالیکه برای افراد عادی جامعه این تعداد به 12 جابه‌جایی افزایش می‌یابد. 

صفحه 12:
a ————————— #الگوریتم ژنتیک با پارامت‌های زیر اجرا کردیم: ۶ تعداد اعضای جمعیت ۱۰۰ گروموزوم که در نسل اول به صورت تصادفی تولید شدهاند؛ © درصد تشکیلدهنده جامعه نخبگان است, ۱۰ کل جمعیت ؛ © تمد اعضایی که به صورت مستقیم و بدون اينکه عمگر‌های ژنتیکی بر روی آن اعمال شود, به نسل بعدی میرروند, ۳ عضو؛ & و تعداد کل نسلها ۵۰۰ نسل. 

صفحه 13:
13 مه هه 0000 boos ® & da «ca am aD am aa au ee Gu gererationnunber نمودارهای تناسب اعضبای جامعه در طی نسلهای مختلف. منحنیهای نشان داده شده به تررتیب از بالا به يايين, متوسط متادي تناسب همه اعضباى جامعه, متوسط متادي تناسب جامعد نخبكان, و بهترين تنأسب هستند. 

صفحه 14:
2-6 كه در نهايت اين الكوريتم بای حروف فارسی ارائه دادر | OT ‏ژد‎ ‎. ‏هزینهاش با توجه به تابع تناسب, ۸۱۵/۰ هزینه چینش کنونی حروف فارسی است‎ 

صفحه 15:
‎een‏ -—® سس سسا ‎SS‏ ‏#در سیستمهای طبیعی هر موجود زنده در طول زندگی خود یاد میگیرد که با شرائط سازگاری نماید. به همین ‎es ee‏ جاو ی ات در طول زمان سازگاری های مختلفی را کسب میکنند: *سوال: رابطه بین یادگیری یک موجود در طول زندگی شخصی و یادگیری نسل های یک نمونه در طول زمان چیست؟ ‎ ‎ 

صفحه 16:
Lamarckian evolution سس 9 - سس سس ۱ ‎Lamarck®‏ دلنشمند ۱۳ فرضیه اعارلئه کرده کیببونتیکی كه طبو ]1ن كجريا تكموجوة ریدم در را فد سار لل مكار * براى مثال موجودى كه ياد كرفته از غذاى سمى برهيز كند ين ویژ درا بصورت ژنتیکی به فرزندان خود مینماید تا آنها دیگر مجبور به یأدگیری این پدیده نباشند. ۱ ‎wise‏ تجربیات فردی هیچ تاثیری در ترکیب ژنتیکی فرزندان ‎pyle‏ 

صفحه 17:
0 نظریه دیگری وجود دارد که تأثیر یادگیری را بر تکامل توضیح میدهد. این ‎ee ‘Baldwin jl aS a‏ میشود بر مبنای مشاهدات زیر استوار است: *۴اگر موجودی از طرف محیط متغیری تحت فشار قرار گرفته باشد, افرادی که توانائی یادگیری نجوه برخورد با شرایط را داشته باشند شانس بیشتری برای بقا دارند. *موجوداتی که تحت شرایط جدید باقی میمانند جمعیتی با توانائی یادگیری را تشکیل میدهند که فرایندهای تکاملی در آنها سریعتر رخ میدهد و باعث میشود تا نسلی بوجود بیاید که نیازی به بادگیری مواجهه با شرایط جدید را نداشته باشند. 

صفحه 18:
18 #الگوریتم های ژنتیک از قابلیت خوبی برای پیاده سازی بصورت موازی برخوردارد هستند. ِ #در یک روش پیاده سازی موازی, جمعیت به گروههای ۱ تأم 165065 تقسیم شده و هرکدام در یک ‎oS‏ محاسباتی مورد پردازش قرار میگیرند. گر هر کرد یک الگوریتم استاندارد 0۸ بر روی 06۳06 اجرا ميشود. ©انتقال بين كره ها از طريق يديده 7010121102 صورت مييذيرد. 

صفحه 19:
19) از 0۸ برای ‎i‏ استفاده زیادی بعمل آمده است.از جمله : وزنها, با رال #استفاده از 0۵۸ برای یادگیری وزنهای یک شبکه عصبی میتواند بسیار سریعتر از روش استاندارد ‎back‏ عمل نمايد #استفاده از 4 براى يادكيرى ساختار شبكه عصبى مشكلتر میباشد. برای شبکه های کوچک با استفاده از يك ماتريس. میشود که چه نرونی به چه نرونهای دیگری متصل است آنگاه این جانریس به ژد های الگوریدم ‎Sth)‏ تبدیل و ترکیبات مختلف آن بررسی #براى بدست أوردن تابه ‎Gl‏ يك شبكه عصبيي راه حلهائى نظير استفاده از ‎GP‏ مورد استفاده قرار كرفته اما عموما اين روشها بسيار كند عمل كرده اند. 

صفحه 20:
[1] D. E. Glover, Genetic Algorithm and Simulated Annealing, page 12-31, Morgan Kaufmann, Los Altos, CA, 1987. [2] Lissa W. Light and Peter G. Anderson, “Typewriter keyboards via simulated annealing”, Al Expert, September 1993. [3] Peter Klausler, www visi.com/~pmk/evovied html, September 2005. [4] M. O. Wagner, B Yannou, S. Kehi, D. Feillet, and J. Eggers, Ergonomic Modeling and optimization of keyboard arrangement with an ant colony algorithm”, European Journal of Operation research, 2003. [5] B.S. Deshwall and K. Deb, Design of an Optimal Hindi Keyboard for Convenient and Efficient Use. Technical Report on KanGAL Report No. 2003005, Indian Institute of Technology, Kanpur, 2003. [6] D. A. Norman and D. E. Rumelhart, Cognitive Aspects of Skilled Typing, Springer-Verlag, New York, 1983. (71. S. Goetti, A.W. Brugh, and B. ۸ Julstrom, “Arranging the Keyboard with a Permutaion-Coded Genetic Algorithm”, Proc. of the 2005 SCM Symposium on Applied Computing, Volume 2, pp. 947-951, 2005.