تحقیق درمورد الگوریتم ژنتیک و انعطاف پذیری

4- امتیاز چهارم کلی بودن الگوریتم و مستقل بودن اجزای آن است. الگوریتم ژنتیک به خاطر طبیعت تکاملی، جواب‌ها را بدون توجه به طرز کار ویژه مساله، جستجو می‌کند و می‌تواند با هر نوع تابع هدف و محدودیت (خطی و غیر خطی) در هر فضای جستجو (گسسته، پیوسته یا مرکب) کار کند به عبارت دیگر این الگوریتم از انعطاف پذیری بالایی برخوردار است.
امتیاز پنجم این است که بدون توجه به دامنه یک مساله خاص، الگوریتم ژنتیک جستجوی خود را به کمک عملیات فوق العاده ساده‌ای انجام داده و بسیار ساده و قابل درک است. در عمل، الگوریتم ژنتیک به طور حیرت آوری در جستجوی فضاهای پیچیده کاملا غیرخطی و چندبعدی به صورتی سریع و موثر عمل می‌کند.
امتیاز ششم این است که در این روش محاسبات به طور دقیق انجام شده و هیچگونه تقریبی نظیر خطی‌سازی تابع هدف، گردکردن نتایج و تغییر متغیرهای گسسته به پیوسته و بالعکس وجود ندارد.
استفاده کننده ممکن است قضاوتهای بیشتری روی انتخاب ساختار نمایش و تابع صلاحیت، انتخاب اندازه جمعیت، تعداد نسلها، پارامترهایی که احتمال عملیات مختلف را کنترل می‌کنند، شرط پایانی و روش‌های به دست آوردن جواب انجام دهد. تمام این انتخابها ممکن است بر روی اینکه به چه اندازه الگوریتم ژنتیک در مورد یک مساله خوب اجرا می‌شود، تاثیر داشته باشد. به هر حال نکته اصلی این است که الگوریتم ژنتیک روشی مستقل از دامنه مساله است و به سرعت فضای جستجو را برای نقاطی با تابع صلاحیت بهتر، جستجو می‌کند.
معایب الگوریتم ژنتیک
روش ژنتیک نیز مانند هر روش دیگر، علی‌رغم تواناییهای قابل توجه دارای محدودیتهایی نیز می‌باشد. یکی از محدودیتهایی که برای این روش ذکر شده این است که روش‌های کلاسیک اگرچه در تمامی انواع مسایل قابل استفاده نمی‌باشند، اما در مورد مسایل خاص از نظر دقت نتایج، بهتر از روش ژنتیک عمل می‌کند. گرچه روش ژنتیک قادر است با سرعت مناسب پاسخهای قابل قبول ارائه نماید، اما نمی‌تواند یافتن نقطه بهینه کلی را تضمین نماید. ولی برای بسیاری از مسایل کاربردی مهندسی که روش‌های کلاسیک جوابگو نمی‌باشند، روش ژنتیک برتری دارد.
تضمین نکردن جواب بهینه توسط الگوریتم ژنتیک توسط محققین مختلف بررسی شده و نشان داده شده است که اولا احتمال یافتن نقطه بهینه کلی توسط روش ژنتیک بالا است (در یک نمونه پیچیده حدود 70 درصد بوده است)، ثانیا در موارد بسیاری نیز نزدیکترین نقطه بهینه موضعی به نقطه بهینه کلی یافت شده است.
گذری بر ژنتیک طبیعی:
در طبیعت فرآیند تکامل هنگامی ایجاد می‌شود که چهار شرط زیر برقرار باشد:
یک موجود توانایی تکثیر خود را داشته باشد.
یک جمعیت از چنین موجوداتی که قابلیت تولید خود را دارند، وجود داشته باشد.
تنوع در بین این موجودات وجود داشته باشد.
انواع این موجودات توسط بعضی از قابلیتها، در زندگی محیط اطرافشان از هم مجزا شوند.
در طبیعت تنوع موجودات در اختلافی است که در کروموزومهای آنها وجود دارد و این تفاوت در ساختار و رفتار افراد یک جمعیت باعث قدرت بقای متفاوت می‌شود. چرا که تنوع ساختار و رفتار به نوبه خود بر روی نرخ زاد و ولد اثر می‌گذارد. موجوداتی که توانایی بیشتری را در انجام فعالیت‌ها در محیط دارند (برای مثال موجودات متکامل)، دارای نرخ زاد و ولد بالاتری هستند و طبعا موجوداتی که برازندگی یا تطابق کمتری با محیط دارند، دارای نرخ پایینتری از زاد و ولد هستند. بنابراین با گذشت زمان تعداد نفراتی که رفتار و ساختار مناسب‌تری دارند افزایش می‌یابد و جمعیت رو به بهبودی و تکامل می‌رود.
بر اساس این مفهوم از تکثیر بقای طبیعی و تکثیر بقای احسن که به وسیله چارلز داروین (1859)، بیان شده است، بعد از چند دوره زمانی و گذشت چند نسل، کل جمعیت تمایل دارد موجوداتی را بیشتر در خود داشته باشد که با تغییر کروموزوم‌هایشان، ساختار و رفتار آنها قادر به انجام بهتر کارها در محیط و تولید مثل بهتر می‌شود. بنابراین در طی زمان، ساختار افراد جامعه به علت بقای طبیعی تغییر می‌کند. هنگامی که این تفاوتهای قابل اندازه‌گیری در ساختار افراد که ناشی از تطابق با محیط اطراف است دیده شود می‌گوییم که جمعیت تکامل یافته است. در این فرآیند، ساختار توسط تطبیق مشخصات افراد جامعه با محیط ایجاد می‌شود.
هنگامی که جمعیتی از موجودات داریم، وجود تفاوت‌ها در آنها به طور غیرمستقیم در نرخ تکثیر آنها تاثیر می‌گذارد که این امر غیر قابل اجتناب است. بنابراین در عمل، وجود شرط اول از چهار شرط بالا، شرط اساسی برای شروع فرآیند تکامل است.
جان هالند ]44[، قالبی کلی برای تمام سیستم‌های قابل تطبیق ایجاد کرد و نشان داد چگونه می‌توان فرآیند تکامل را برای سیستم‌های مصنوعی بکار برد. به طور کلی هر مساله قابل تطبیق می‌تواند در قالب واژه‌های ژنتیک فرمول‌بندی شود. اگر فرمول‌بندی این گونه مسایل بر اساس واژه‌های ژنتیک باشد، می‌توانیم آنها را بوسیله الگوریتم‌های ژنتیک حل کنیم.
الگوریتم ژنتیک، الگوریتمی ریاضی است که با استفاده از الگوهای عملیاتی داروینی در مورد تکثیر بقای احسن و بر اساس فرآیند طبیعی ژنتیک، مجموعه‌ای (جمعیتی) از اشیا منفرد ریاضی (معمولا رشته‌های کارکتری با طول ثابت به عنوان رشته کروموزوم‌ها) با میزان تطبیق خاصی را به جمعیت جدیدی (برای مثال نسل بعد) تبدیل می‌کند.
الگوریتم ژنتیک در واقع تلاشی برای شبیه‌سازی برخی از خصوصیت‌های تکامل و تغییرات روی کروموزوم است که همواره در طبیعت صورت می‌گیرد. به عبارت دیگر اینها الگوریتم‌های شدیدا موازی هستند که سعی می‌کنند با وراثت و جهش طی نسل‌های متوالی عملکرد مورد نظری را در افراد یک جمعیت ایجاد کنند. این کار از طریق ایجاد یک جمعیت اولیه و فراهم آوردن شرایط تکامل در نسل‌های بعدی صورت می‌گیرد.
اولین تئوری مربوط به تکامل در یک جمعیت توسط لامارک مطرح شد. طبق این تئوری صفات اکتسابی موجودات زنده به نسل بعد منتقل می‌شود. بنابر این اگر موجودات بخواهند با طبیعت خود تطبیق پیدا کنند این کار عملی خواهد بود. با توجه به تئوری داروین که قبلا به آن اشاره شد می‌توان به نکات زیر رسید:
وراثت: موجود زنده شبیه خود را می‌سازد و یا تولید مثل می‌کند. از لحاظ ریاضی یعنی تجربه‌های قبلی حفظ می‌شوند.
علل تصادف: در این همانندسازی یکسری تصادف‌ها و خطاهایی رخ می‌دهد و به لحاظ ریاضی اطلاعات به سیستم یا دستگاه تزریق می‌شود.
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.