صفحه محصول - پاورپوینت الگوریتم ژنتیک

پاورپوینت الگوریتم ژنتیک (pptx) 23 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 23 اسلاید

قسمتی از متن PowerPoint (.pptx) :

الگوریتم ژنتیک - بر مبنای اصول انتخاب طبیعی داروین. - یک تکنیک برنامه نویسی که از تکامل ژنتیکی به عنوان یک الگوی حل استفاده می کند. - برای مسایل جستجو و بهینه سازی استفاده می شود. - توسط جان هولند در سال 1975 در دانشگاه میشیگان ارائه شد. طبقه بندی تکنیک های جستجو قانون انتخاب طبیعی داروین بدین صورت است که تنها گونه هایی از یک جمعیت ادامه نسل می دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می روند . مثلا فرض کنید گونه خاصی از افراد هوش بسیار بیشتری از بقیه افراد یک جامعه دارند .در شرایط کاملا طبیعی این افراد پیشرفت بهتری خواهند کرد و رفاه نسبتا بالاتری خواهند داشت و این رفاه خود باعث طول عمر بیشتر و باروری بهتر خواهد بود . حال اگر این خصوصیت ارثی باشد به طبع در نسل بعدی همان جامعه تعداد افراد باهوش به دلیل زاد و ولد این گونه افراد بیشتر خواهد بود . اگر همین روند را ادامه دهیم خواهید دید که در طی نسل های متوالی دائما جامعه نمونه ما با هوش تر می شود بدین ترتیب یک مکانیزم ساده طبیعی توانسته است در طی چند نسل عملا افراد کم هوش را از جامعه حذف کند علاوه بر اینکه میزان هوش متوسط جامعه نیز دائما در حال افزایش است . بدین ترتیب می توان دید که طبیعت با بهره گیری از یک روش بسیار ساده یعنی حذف تدریجی گونه های نامناسب و در عین حال تکثیر گونه های بهینه توانسته دائما هر نسل را از لحاظ خصوصیات مختلف ارتقا بخشد . Reproduction Competition Selection Survive زمينه بيولوژيکی تمام ارگانيسم های زنده شامل سلول ها هستند. در هر سلول قسمت های مشابهی از کروموزوم ها (Chromosomes) وجود دارند. کروموزوم ها شامل ژن ها (Genes) و بلوکهای DNA هستند. هر ژن ( يا دسته ای از ژنها) ويژگی ای )برای مثال رنگ چشم ها( را رمزگذاری می کند. در واقع يک کروموزوم بصورت زنجيره ای از ژنها قابل تصور است. ژنها ( خصيصه ها ) می توانند از والدين به فرزندان انتقال يابند. مثلاً ممکن است فرزند رنگ چشم را از يکی از والدين ( مثلاً مادر ) و طول قد را از ديگری ( مثلاً پدر) به ارث ببرد.شکل زیر نمايشی از اين موضوع میباشد . روند کلی بهینه سازی و حل مسایل در الگوریتم ژنتیک 1 – شروع (Start) : تولید تصادفی یک جمعیت (population) که شامل تعداد زیادی کروموزم است . 2 – صحت و درستی (Fitness) : ارزیابی صحت برای تابع f (x) به ازای هر کروموزم x در جمعیت می باشد . 3- ایجاد یک جمعیت جدید (New Population ) : تولید یک جمعیت جدید با انجام تمامی زیر گروه های زیر تا آنکه یک جمعیت جدید ایجاد گردد . 3-1 : انتخاب (Selection ) : انتخاب کروموزم های پدر و مادر از جمعیت قبلی با توجه به صحت و درستی آن ( Fitness ) به طوریکه هر چه Fitness بهتر باشد یعنی دقت جواب در همگرایی بیشتر باشد شانس بیشتری برای انتخاب دارد . انواع انتخاب 1 - روش چرخ رولت ( Roulette Wheel ) 2 - روش بولترزمن ( Boltzman ) 3 - روش مسابقه ای ( Tournament ) 4 - روش منظم و پشت سر هم (Rank ) 5 - روش حالت پایدار (Steady State ) 6 - روش الیتیسم (Elitism ) معمولا این دو روش استفاده می شود