true
true
متن سئو شماره ۱۲

درواقع این قانون  می‌گوید هر چه موجودات زنده قدر تطابق بیشتری با محیط داشته باشند احتمال ادامه پیدا کردن نسل آن‌ها بیشتر است. این قانون بر اساس پیوند بین رشته‌های رمز شده که معرف خصوصیات فیزیکی موجودات زنده هستند است.

الگوریتم ژنتیک با روش‌های جستجوی دیگر اختلافات زیادی دارد آن هم به دلیل تقلید از طبیعت در زیر به چند مورد از آن اشاره شده است:

این الگوریتم همه‌ی متغیرها را باهم مورد برسی قرار می‌دهد و یکی‌یکی آن‌ها را نمی‌نگرد به دلیل آنکه تمام متغیرها به‌صورت رشته درآمده‌اند و رشته‌ها با هم ترکیب می‌شوند.

الگوریتم ژنتیک به مشتق نیاز ندارد و به اطلاعات اضافی احتیاج ندارد و به‌صورت تصادفی جستجو را انجام می‌دهد.

این الگوریتم بر اساس مکانیزم انتخاب عمل می‌کند.این الگوریتم‌ها بهترین رشته‌ها را بر اساس یک معیار از میان همه‌ی رشته‌های دیگر جدا می‌کند. در هر بار تکرار بهترین رشته‌های نسل قبل با عمل ترکیب و یک بخش جهش رشته‌های جدیدی به وجود می‌آورند. باوجوداینکه این الگوریتم یک الگوریتم جستجوی تصادفی است اما از زمره‌ی بهترین الگوریتم‌های تصادفی ایست که با استفاده از اطلاعات گذشته‌ی موجود برای رسیدن به جواب بهینه فضا را جستجو می‌کند و به سمت پاسخ مناسب حرکت می‌کند.  این الگوریتم عمل تصادفی را کاملاً تصادفی نمی‌پایند بلکه با استفاده از اطلاعات گذشته حرکت می‌کنند.

الگوریتم ژنتیک همواره چندین نقطه از فضا رو مورد جستجو قرار می‌دهند بنابراین شانس رسیدن به ماکسیمم‌های طبیعی کاهش پیدا می‌کند و ما را بیشتر به سمت ماکسیمم مطلق هدایت می‌کند.در بیشتر روش‌ها ما از یک نقطه ‌به ‌نقطه‌ی دیگر حرکت می‌کنیم، اکثر روش‌هایی که بر پایه‌ی گرادیان هستند به این شکل هستند. در این روش‌ها اگر چندین بیشینه وجود داشته باشند ما گرفتار این بیشینه‌ها می‌شویم و ممکن است به ماکسیمم‌های محلی همگرا شویم. درصورتی‌که در روش ژنتیک جمعیت کاملی از رشته‌ها تولید می‌شود که هرکدام به‌صورت انفرادی امتحان می‌شوند، و با ترکیب محتویات آن‌ها جمعیت جدیدی که شامل اعضای بهبودیافته هستند تشکیل می‌شود.

الگوریتم ژنتیک به ساختمان مسئله کاری ندارد. این روش نیاز به دانستن اطلاعات از ساختار مسئله ندارد و فقط اطلاعاتی از کیفیت راه‌حل‌ها به‌صورت مستقل در هر رشته‌ی ای وجود دارد، بنابراین جامع‌تر و قابل‌انعطاف پذیر تر از روش‌های دیگر است. این خاصیت به دلیل تصادفی بودن الگوریتم است.

این روش اگرچه تصادفی است و برای تعریف روش‌های تصمیم‌گیری از تصادف و شانس استفاده می‌کند اما برخلاف روش‌های تصادفی دیگر در فضای جستجو به‌صورت کاملاً تصادفی قدم برنمی‌دارد.

الگوریتم ژنتیک بر پایه‌ی روش‌های احتمالاتی است .

ساختمان الگوریتم ژنتیک

الگوریتم ژنتیک یک روش محاسباتی برای بهینه‌سازی است، که بر پایه‌ی تکرار عمل می‌کند. در هر بار تکرار مجموعه‌ای از نقاط مورد برسی قرار می­گیرند مقدار تابع هدف برای این مجموعه به دست می­آید، اگرچه کل فضای جواب تابع هدف برسی نمی­شود ولی از مقدار تابع هدف این نقاط متوسط گیری می‌شود و مقدار متوسط به کلیه‌ی فضای مربوط به هر نقطه لحاظ می‌شود. بدین ترتیب مقدار متوسط گیری آماری در کلیه‌ی جواب‌های وابسته به یک نقطه دخالت داده می‌شود و این زیر فضاها به‌صورت موازی ازنظر تابع هدف متوسط گیری آماری می­شوند. به این مکانیزم توازی ضمنی می‌گویند. بدین ترتیب ما به سمت جواب هایی که متوسط گیری آماری آن‌ها بیشتر است سوق داده می‌شویم. زیرا که احتمال وجود جواب بهینه در این قسمت‌ها بیشتر است. در این روش برخلاف روش­های دیگر که  فضا را به‌صورت تک مسیر مورد برسی قرار می­دهند کل فضا را با هم و به‌صورت همه جانبه جستجو می­کند و از این جهت شانس همگرایی به یک جواب بهینه‌ی محلی کمتر خواهد شد.

true
تهران،خ شهران،خ کوهسار،خ شهدای کن،کوی سادات،پلاک 11،واحد 5
021-44300483 basepapaer.ir[at]gmail.com
سلام! به فروشگاه اینترنتی "دانلود مقاله | ترجمه مقاله"خوش آمدید