تخفیف ویژه زمستانه پی استور
تا 60 درصد تخفیف
شامل پروژه‌ها و دوره‌های آموزشی
روز
ساعت
دقیقه
ثانیه
تخفیف ویژه زمستانه پی استور
قبل از توضیح در مورد الگوریتم ژنتیک نگاهی به تاریخچه آن می‌اندازیم. در حدود سال‌های ۱۸۵۰ گریگور مندل تئوری خویش مبنی بر تعریف ژن‌ها را بنا نهاد. ژن‌ها کدهای اطلاعاتی هستند که در بدن موجودات زنده وجود دارند. هر ژن یک عامل تعیین خصوصیت ویژه‌ای از موجود زنده است. مجموعه کامل ژن‌ها توصیف‌کننده مشخصات و عوارض بدن موجود زنده می‌باشد. این فرضیه تئوری ژنتیک می‌باشد.
ژن‌ها به طور عملی توسط ملکولهای پیچیده‌ای به نام DNA و یا کروموزم کد شده‌اند. هر سلول در بدن یک ارگانیسم زنده، یک کپی از همه کرموزم‌های مختلف را در خود دارد. در نتیجه هر سلول یک نمونه کامل اطلاعاتی از کل ارگانیزم را با خود حمل می‌کند. در طول رشد یا تکامل یک ارگانیسم، ملکولهای DNA برای کپی برداری و انتقال اطلاعات از سلول والد یا سلول‌های والدین به سلول‌های جدید استفاده می‌شوند.
چند سال بعد از ارائه تئوری ژنتیک، چارلز داروین در سال ۱۸۵۹، نظریه ” منشاء انواع” را منتشر نمود. در این تئوری او به شرح و بسط نحوه تکامل موجودات زنده در قالب یک پدیده طبیعی می‌پردازد. تئوری ژنتیک مندل می‌توانست کمک بزرگی به داروین بنماید، ولی متأسفانه داروین از مفاد آن بی‌اطلاع بود. به هر حال، یک مشخصه مهم تئوری، تفوق بیشتر و شانس بقای انواع موجودات زنده قویتر یا سازگارتر با محیط، در طول زندگی و حتی نسل‌های بعدی می‌باشند.
به عبارت ساده، قوی‌بنیه‌ها و سازگارترها زنده می‌مانند و این ویژگی را به فرزندان خود منتقل می‌کنند. داروین به این مسئله، عبارت و اصطلاح ” انتخاب طبیعی” اطلاق می‌کند. بدین ترتیب، یک رشد تکاملی سریع از موجوداتی خواهیم داشت که بهتر از والدین و نسل‌های قبل‌ترشان با محیط خودشان تعامل داشته و خو می‌گیرند.
جان هلند ، دانشمند علوم کامپیوتر و روانشناس، مبدع شاخه‌ای از علوم کامپیوتربه نام «سیستم‌های تطبیقی پیچیده» می‌باشد. او در کتاب خود یک سیستم تطبیقی یا وفقی را چنین شرح می‌دهد که سیستم مربوطه به طور یکنواخت و پیوسته خودش را تغییر می‌دهد تا از محیط اطراف خود بهتر استفاده کند. هُلند در خلال توسعه تئوری خود برای سیستم‌های تطبیقی به شرح اپراتورهای ژنتیک برای تغییر حالت سیستم می‌پردازد. گر چه کتاب هُلند، اختصاصاً برای سیستم‌های تطبیقی نگاشته شده‌است ولی یک مشخصه بسیار مهم دارد و آن ابداع و معرفی الگوریتم ژنتیک می‌باشد.
بسیاری از اصطلاحات و ترمینولوژی الگوریتم ژنتیک برخاسته از پدیده‌های بیولوژیکی می‌باشد. فهم بسیاری از این پدیده های دیگر، میتواند کمک بزرگی به فهم، تعمیم یا بهبود الگوریتم‌های موجود ژنتیک نماید. به هر موجودی که قابلیت تکثیر، ترمیم و مرگ دارد، موجود زنده اطلاق می‌کنیم. به مجموعه‌ای از موجودات زنده از یک نژاد خاص در یک اقلیم خاص را جمعیت مینامیم. هر موجود زنده در یک جمعیت، موسوم به فرد می‌باشد.
هر فرد بطور مقتضی با کدهای مدفون در آن، موسوم به کروموزوم‌ها رشد می‌کند و بقاء دارد یا زندگی می‌کند. کروموزوم‌ها معرف مشخصه‌های طبیعی یک فرد هستند. به مجموعه کروموزوم‌های یک فرد، ژنوم یا ژنوتایپ می‌گویند، چون معرفه ذات و نوع فرد هستند. در حالیکه به شیوه رشد یا بقاء، فنو تایپ می‌گویند، چون مفهومی اکتسابی و از جنس پدیده‌شناختی و وقوعی می‌باشد.
هر کروموزوم شامل بیت‌های اطلاعاتی و تکه‌های رقومی هستند. هر کدام از این تکه‌ها موسوم به ژن می‌باشند. در یک بیان تناظری، نسبت مادی ژن به کروموزوم به فرد مثل نسبت معنوی حرف به کلمه به جمله می‌باشد. هر ژن میتواند مقادیری را اختیار کند و هر مقدار ممکن موسوم به یک اَلل می‌باشد. در صورتی که ژن کد باینری باشد، آنگاه دو اَلل بیشتر نداریم، یکی مقدار صفر (۰) و دیگری مقدار (۱) و موقعیت یک ژن در کروموزوم مربوطه معروف به مکان یا موقعیت می‌باشد.
جهت تفهیم و تعمیق اصطلاحات یادشده، یک مجموعه ساده پنج عضوی از پرندگان یک نژاد خاص (مثلاً اُردک ها) را در نظر بگیرید. برای آشنایی بیشتر شما عزیزان و داشتن ارائه‌ای کاربردی در این زمینه می‌توانید از پاورپوینت آماده شده توسط مجموعه پی استور که در لینک زیر قرار داده شده بهره مند شوید.
الگوریتم ژنتیک روشی برای بهینه سازی با جستجوی وسیع است و کارکرد آن بر اصول انتخاب طبیعی حاکم بر ژنتیک طبیعی استوار است. ایده این الگوریتم از نظریه تکامل داروین الهام گرفته شده است. اگرچه این الگوریتم روشی برای جستجوی تصادفی است، ویژگی‌های خاص آن موجب می‌شود که نتوان آن را یک جستجوی تصادفی ساده قلمداد کرد. این الگوریتم جزو الگوریتم های تکاملی است.
در این الگوریتم اطلاعات تاریخی از چگونگی تکامل، به شکلی کارا استخراج شده و در روند جستجو استفاده می‌شود. الگوریتم ژنتیک روشی قدرتمند بوده و بر روی دسته وسیعی از مسائل به‌خوبی عمل می‌کند. الگوریتم‌های ژنتیک که بر اساس ایده‌ی تکامل بیولوژیکی در طبیعت عمل می‌نمایند، بر روی جمعیتی از راه حل‌های بالقوه یا کروموزوم‌ها که هر یک می‌توانند به‌عنوان پاسخی از مسئله تلقی شوند، با اعمال عملگرهای ژنتیک به جستجوی راه حل نهایی می‌پردازند.
در الگوریتم‌های ژنتیکی، بسیاری از مکانیزم‌هایی که در زیست شناسی وجود دارد، نظیر انتخاب ژن برتر، ترکیب ژن‌ها، جهش ژن‌ها، مهاجرت افراد جمعیت، محلی بودن گونه‌ها و غیره شبیه سازی می‌شوند. در این الگوریتم‌ها، جستجو بر روی مجموعه‌هایی از راه حل‌ها به‌صورت موازی انجام می‌شود، درحالی‌که در روش‌های سنتی جستجو به‌صورت ترتیبی است.
در آغاز الگوریتم، تعدادی از افراد به‌عنوان جمعیت اولیه و معمولاً به‌صورت تصادفی ساخته‌شده و معیاری از کیفیت به نام تابع هدف یا برازندگی برای تک تک آن‌ها ارزیابی می‌شود. اگر شرط رسیدن به جواب برقرار نباشد (به جواب بهینه نرسیده باشیم)، نسل بعدی با انتخاب والدین بر اساس میزان برازندگی آن‌ها تولید می‌شود.
در هر نسل، بهترین‌های آن نسل انتخاب می‌شوند و پس از زاد و ولد، مجموعه جدیدی از فرزندان را تولید می‌کنند. کروموزوم‌های موجود در جمعیت بر اساس مقدار برازندگی به‌عنوان والد انتخاب می‌شوند. سپس تولیدمثل، بین جفت کروموزوم‌ها انجام می‌گیرد تا فرزندان ایجاد شوند و فرزندان با احتمالی ثابت دچار جهش می‌شوند. سپس میزان برازندگی فرزندان جدید محاسبه‌شده و جمعیت جدید، از جایگزینی فرزندان با والدین ایجاد می‌شود و جمعیت ایجادشده جدید به‌عنوان نسل بعدی شناخته می‌شود و فرایند تکرار می‌شود.
در این فرایند، افراد مناسب‌تر با احتمال بیشتری در نسل‌های بعد باقی خواهند ماند و این فرایند تا برقرار شدن شرط خاتمه تکرار می‌شود. الگوریتم زمانی پایان خواهد یافت که بهبودی بر روی جواب‌ها صورت نگیرد و یا اینکه تعداد مشخصی نسل تولید شود. مراحل کلی یک الگوریتم ژنتیک میتواند به‌صورت شکل زیر باشد.
الگوریتم‌های ژنتیک، به‌جای آنکه بر روی پارامترها کار کنند با شکل کد شده آن‌ها سروکار دارند. برای مثال فرض کنید که بیشینه کردن تابع f(x,y)=X^2+Y^2 (با محدودیت‌های x و y اعداد صحیح و x بین ۰ تا ۷ و y بین ۰ تا ۳۱ مدنظر باشد. متداول-ترین روش کدگذاری، کدگذاری باینری است.
ازاین‌رو پارامتر با دنباله مناسبی از اعداد جایگزین می‌شود. هر عدد صحیح از ۰ تا ۳۱ را می‌توان با ۵ بیت و هر عدد صحیح از ۰ تا ۷ را با ۳ بیت می‌توان نمایش داد. برای مثال شکل زیر کدگذاری باینری دو متغیر x= 9 و y=5 را نشان می‌دهد.
بنابراین با هر نقطه از فضای دوبعدی (x,y) دنباله‌ای به‌صورت شکل زیرمتناظر است.
در این مقاله آموزشی سعی شد تا یک دیدگاه کلی از الگوریتم ژنتیک برای شما باز شود. واضح است برای مطالعات تکمیلی وقت و زمان بیشتری لازم است. پیشنهاد می‌کنیم حتماً مقاله آموزش جامع الگوریتم ژنتیک را مشاهده کنید در این آموزش نحوه کار الگوریتم ژنتیک بطور کامل تشریح شده است. امیدواریم مطالب فوق برای شما مفید بوده باشد. موفق و پیروز باشید.
