Genetic

‫خدا‬ ‫نام‬ ‫به‬
‫ارائه‬ ‫موضوع‬:‫الگوریتم‬
‫ژنتیک‬
‫دهندگان‬ ‫ارائه‬:‫ریاضی‬ ‫لیال‬
‫عزتی‬ ‫سعیده‬ ،
‫استاد‬:‫دکتر‬ ‫آقای‬ ‫جناب‬
‫دهخوارقانی‬ ‫رحیم‬
‫درس‬:‫داده‬ ‫و‬ ‫مصنوعی‬ ‫هوش‬
‫کاوی‬
‫کامپوتر‬ ‫گروه‬
‫بناب‬ ‫دانشگاه‬
‫بهار‬95

Genetic Algorithm 2 / 32
‫معرفی‬
‫جستجو‬ ‫های‬ ‫استراتژی‬
‫ژنتیک‬ ‫های‬ ‫الگوریتم‬ ‫جایگاه‬
‫معایب‬ ‫و‬ ‫مزایا‬
‫ها‬ ‫کاربرد‬
Evolutionary Algorithms (EA)
‫کار‬ ‫طرز‬GA
‫پارامترهای‬GA
‫الگوریتمی‬ ‫روند‬
‫ژنتیکی‬ ‫های‬ ‫اپراتور‬
‫جستجوی‬ ‫تفاوت‬GA‫های‬ ‫روش‬ ‫با‬
‫دیگر‬
Genetic Programming
‫اپراتور‬crossover‫برای‬GP
‫فهرست‬

•‫سال‬ ‫در‬ ‫نتيک‬‫ژ‬ ‫يتم‬‫ر‬‫الگو‬1970‫است‬‫شده‬ ‫ايه‬‫ر‬‫ا‬ ‫گلدبرگ‬ ‫و‬ ‫ديجونگ‬ ، ‫هالند‬ ‫توسط‬
.
•‫گ‬‫ر‬‫بز‬ ‫جستجو‬‫فضاي‬‫با‬ ‫پيچيده‬‫مسايل‬ ‫ي‬‫ساز‬ ‫بهينه‬ ‫اي‬‫ر‬‫ب‬ ‫يتم‬‫ر‬‫الگو‬ ‫اين‬‫مناسب‬
‫است‬.
•‫است‬ ‫ي‬ ‫نويس‬ ‫برنامه‬ ‫تکنيک‬ ‫يک‬ ‫نتيک‬‫ژ‬ ‫يتم‬‫ر‬‫الگو‬.
•‫اه‬‫ر‬ ‫يافتن‬ ‫اي‬‫ر‬‫ب‬ ‫کامپيوتر‬‫علم‬ ‫در‬ ‫جستجو‬ ‫تکنيک‬ ‫يک‬ ‫نتيک‬‫ژ‬ ‫يتم‬‫ر‬‫الگو‬‫در‬ ‫بهينه‬ ‫حل‬
‫است‬ ‫جستجو‬ ‫مسايل‬.
‫معرفی‬

‫استراتژیهای‬
‫جستجو‬
‫جستجو‬ ‫اتژیهای‬‫ر‬‫است‬
‫کامل‬
‫ای‬ ‫مکاشفه‬‫قطعی‬
‫قطعی‬ ‫غير‬‫جوابی‬ ‫تک‬
‫جمعيت‬ ‫بر‬ ‫مبتنی‬
‫تکاملی‬ ‫الگوريتمهای‬
‫تکاملی‬ ‫ی‬‫يز‬‫ر‬ ‫برنامه‬
‫تکاملی‬ ‫ی‬‫اتژ‬‫ر‬‫است‬
‫نتيک‬‫ژ‬ ‫الگوريتمهای‬
‫نتيک‬‫ژ‬ ‫ی‬‫يز‬‫ر‬ ‫برنامه‬
‫توزيع‬‫تخمين‬ ‫الگوريتمهای‬
(Heuristic)
(Non-deterministic)
(Estimation of Distribution Algorithms)
(Evolutionary Algorithms)
(Population-based)
(Search Strategies)

‫روشها‬‫ي‬‫جستجو‬
‫روشها‬‫ي‬‫شمارش‬‫ي‬ ‫روشها‬‫ي‬‫جستجو‬‫ي‬‫تصادف‬‫ي‬ ‫روشها‬‫ي‬‫محاسباتي‬
‫الگور‬‫ي‬‫تمها‬‫ي‬‫تکامل‬‫ي‬ ‫کاري‬ ‫فلز‬ ‫آب‬
‫روشها‬‫ي‬‫ديگر‬ ‫الگوريتمها‬‫ي‬‫ژنت‬‫ي‬‫ک‬
‫موازي‬ ‫متوالي‬
‫های‬ ‫الگوریتم‬ ‫جایگاه‬
‫ژنتیک‬

‫معایب‬ ‫و‬ ‫مزایا‬
•‫کامل‬‫نبودن‬
•‫بهینه‬‫نبودن‬
•‫بودن‬ ‫باال‬‫اجرایی‬ ‫هزینه‬
•‫جوی‬ ‫و‬ ‫جست‬‫موازی‬
•‫جوی‬ ‫و‬ ‫جست‬ ‫فضای‬ ‫با‬ ‫مسائل‬ ‫در‬ ‫مطلوب‬ ‫نتیجه‬
‫بزرگ‬
•‫انتخاب‬ ‫و‬ ‫وجو‬ ‫جست‬ ‫مسیر‬ ‫در‬ ‫محدودیتی‬ ‫هیچ‬ ‫با‬
‫برو‬ ‫رو‬ ‫تصادفی‬ ‫های‬ ‫پاسخ‬‫نیست‬.
•‫سازی‬ ‫پیاده‬‫ساده‬

•‫سازی‬ ‫بهینه‬ ‫مسائل‬ ‫حل‬
•‫مصنوعی‬ ‫حیات‬ ‫سازی‬ ‫شبیه‬ ‫های‬ ‫سیستم‬(Artificial
life)
•‫برنامه‬ ‫تولید‬ ‫هوشمند‬ ‫های‬ ‫سیستم‬ ‫ساخت‬
‫تکاملی‬
•‫بندی‬ ‫دسته‬)(Classification‫داده‬ ، ‫ها‬ ‫داده‬
‫کاوی‬((DM‫ماشینی‬ ‫یادگیری‬ ‫و‬((ML.
•‫تخمین‬ ‫های‬ ‫روش‬ ‫و‬ ‫عددی‬ ‫محاسبات‬ ‫انواع‬
‫توابع‬
•‫تصاویر‬ ‫پردازش‬ ‫های‬ ‫الگوریتم‬ ‫از‬ ‫برخی‬
•‫بازی‬ ‫انواع‬ ‫در‬ ‫رفته‬ ‫بکار‬ ‫های‬ ‫الگوریتم‬
‫کامپوتری‬ ‫های‬
•‫الگو‬ ‫تشخیص‬ ‫و‬ ‫شناسایی‬ ‫های‬ ‫افزار‬ ‫نرم‬
•‫های‬ ‫سیستم‬ ‫و‬ ‫مصنوعی‬ ‫عصبی‬ ‫های‬ ‫شبکه‬ ‫آموزش‬
‫ها‬ ‫کاربرد‬

Evolutionary Algorithms (EA)
‫شوند‬ ‫می‬ ‫تقسیم‬ ‫نوع‬ ‫دو‬ ‫به‬ ‫ها‬ ‫روش‬ ‫این‬.‫اند‬ ‫مرتب‬ ‫هم‬ ‫به‬ ‫چه‬ ‫اگر‬
‫هستند‬ ‫مجزا‬ ‫هم‬ ‫از‬ ‫اما‬.
.1Genetic Algorithms:‫یک‬ ‫صورت‬ ‫به‬ ‫مسئله‬ ‫یک‬ ‫حل‬ ‫راه‬ ‫روش‬ ‫این‬ ‫در‬
bit String‫شود‬ ‫می‬ ‫داده‬ ‫نشان‬.
.2Genetic Programming:‫در‬ ‫که‬ ‫تصمیم‬ ‫درختان‬ ‫تولید‬ ‫به‬ ‫روش‬ ‫این‬
‫مثل‬ ‫نویسی‬ ‫برنامه‬ ‫های‬ ‫زبان‬lisp‫گردازد‬ ‫می‬ ‫هستند‬ ‫استفاده‬ ‫مورد‬
‫باشند‬ ‫اجرا‬ ‫قابل‬ ‫که‬ ‫ساخت‬ ‫هایی‬ ‫برنامه‬ ‫توان‬ ‫می‬ ‫ترتیب‬ ‫این‬ ‫به‬.

‫از‬ ‫ای‬ ‫مجموعه‬ ‫که‬ ‫است‬ ‫صورت‬ ‫این‬ ‫به‬ ‫ژنتیک‬ ‫الکوریتم‬ ‫کار‬ ‫طرز‬
‫که‬ ‫ها‬ ‫فرضیه‬population‫متاوب‬ ‫طور‬ ‫به‬ ‫و‬ ‫تولید‬ ،‫شود‬ ‫می‬ ‫نامیده‬
‫تکرار‬ ‫بار‬ ‫هر‬ ‫در‬ ‫سپس‬ ‫گردد‬ ‫می‬ ‫جایگزین‬ ‫جدیدی‬ ‫های‬ ‫فرضیه‬ ‫با‬
‫تناسب‬ ‫تابع‬ ‫یک‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫ها‬ ‫فرضیه‬ ‫تمامی‬(Fitness)‫مورد‬
‫شوند‬ ‫می‬ ‫داده‬ ‫قرار‬ ‫ارزیابی‬.‫فرضیه‬ ‫بهترین‬ ‫از‬ ‫تعدادی‬ ‫آنگاه‬
‫را‬ ‫جدید‬ ‫جمعیت‬ ‫و‬ ‫انتخاب‬ ‫احتمال‬ ‫تابع‬ ‫یک‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫ها‬
‫دهند‬ ‫می‬ ‫تشکیل‬.
‫کار‬ ‫طرز‬GA

‫های‬ ‫پارامتر‬
GAGA(Fitness,Fitness_threshold,p,r,m)
.1Fitness:‫عددی‬ ‫مقدار‬ ‫که‬ ‫فرضیه‬ ‫یک‬ ‫ارزیابی‬ ‫برای‬ ‫تابعی‬
‫دهد‬ ‫می‬ ‫نسبت‬ ‫فرضیه‬ ‫هر‬ ‫به‬(.‫تناسب‬ ‫تابع‬)
.2Fitness_threshold:‫می‬ ‫معین‬ ‫را‬ ‫پایان‬ ‫شرط‬ ‫که‬ ‫آستانه‬ ‫مقدار‬
‫کند‬.
.3P:‫گرفته‬ ‫نظر‬ ‫در‬ ‫جمعیت‬ ‫در‬ ‫باید‬ ‫که‬ ‫هایی‬ ‫فرضیه‬ ‫تعداد‬
‫شوند‬.
.4r:‫الگوریتم‬ ‫توسعه‬ ‫مرحله‬ ‫هر‬ ‫در‬ ‫که‬ ‫جمعیت‬ ‫از‬ ‫درصدی‬
crossover‫شوند‬ ‫می‬ ‫جایگزین‬.
.5m:‫نرخ‬mutation

‫الگوریتم‬ ‫خاتمه‬ ‫شرط‬
،‫باشند‬ ‫می‬ ‫تست‬ ‫و‬ ‫تولید‬ ‫پایه‬ ‫بر‬ ‫ژنتیک‬ ‫های‬ ‫الگوریتم‬ ‫که‬ ‫چون‬‫جواب‬
‫نمی‬ ‫و‬ ‫نیست‬ ‫مشخص‬ ‫مساله‬‫جواب‬ ‫شده‬ ‫تولید‬ ‫های‬ ‫جواب‬ ‫از‬ ‫کدامیک‬ ‫که‬ ‫دانیم‬
‫تا‬ ‫است‬ ‫بهینه‬‫کنیم‬ ‫تعریف‬ ‫جمعیت‬ ‫در‬ ‫جواب‬ ‫شدن‬ ‫پیدا‬ ‫را‬ ‫خاتمه‬ ‫شرط‬.‫به‬
‫دلیل‬ ‫همین‬‫می‬ ‫نظر‬ ‫در‬ ‫خاتمه‬ ‫شرط‬ ‫برای‬ ‫را‬ ‫دیگری‬ ‫معیارهای‬ ،‫گیر‬‫یم‬:
.1‫نسل‬ ‫مشخصی‬ ‫تعداد‬:‫می‬‫ا‬‫مثال‬ ‫را‬ ‫خاتمه‬ ‫شرط‬ ‫توانیم‬100‫حلقه‬ ‫چرخش‬ ‫دور‬
‫دهیم‬ ‫قرار‬ ‫برنامه‬ ‫اصلی‬.
.2‫متوالی‬ ‫نسل‬ ‫چند‬ ‫طی‬ ‫در‬ ‫جمعیت‬ ‫شایستگی‬ ‫بهترین‬ ‫در‬ ‫بهبود‬ ‫عدم‬
.3‫یاا‬ ‫و‬ ‫بیایاد‬ ‫تار‬ ‫پاائین‬ ‫مشخصی‬ ‫مقدار‬ ‫یک‬ ‫از‬ ‫جمعیت‬ ‫شایستگی‬ ‫واریانس‬
‫مشخص‬ ‫متوالی‬ ‫نسل‬ ‫چند‬ ‫طی‬ ‫در‬ ‫اینکه‬،‫نکند‬ ‫تغییر‬.
.4‫شود‬ ‫کمتر‬ ‫خاصی‬ ‫حد‬ ‫یک‬ ‫از‬ ‫جمعیت‬ ‫شایستگی‬ ‫بهترین‬.
‫می‬ ‫نیز‬ ‫دیگری‬ ‫شرایط‬‫می‬ ‫همچنین‬ ‫و‬ ‫کنیم‬ ‫تعریف‬ ‫توانیم‬‫ترکیبی‬ ‫توانیم‬

‫الگوریتمی‬ ‫روند‬
•‫زیر‬ ‫روند‬ ‫صورت‬ ‫به‬ ‫ژنتیك‬ ‫الگوریتم‬ ‫كار‬ ‫اصول‬
‫گردد‬ ‫مي‬ ‫ارائه‬:
•‫گام‬1–‫گذاري‬ ‫كد‬
•‫گام‬2–‫مجموعه‬ ‫از‬ ‫اولیه‬ ‫جمعیت‬ ‫تصادفي‬ ‫انتخاب‬
‫ها‬ ‫پاسخ‬
•‫گام‬3–‫تابع‬ ‫با‬ ‫پاسخ‬ ‫گروه‬ ‫سازگاري‬ ‫میزان‬ ‫محاسبه‬
‫هدف‬( Fitness )
•‫گام‬4–‫عملگر‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫جدید‬ ‫جمعیت‬ ‫ایجاد‬
‫ژنتیك‬ ‫هاي‬(‫جهش‬ ‫و‬ ‫تركیب‬ ‫تكثیر‬)
•‫گام‬5–‫كه‬ ‫هنگامي‬ ‫تا‬ ‫چهارم‬ ‫و‬ ‫سوم‬ ‫مراحل‬ ‫تكرار‬
‫گردد‬ ‫همگرا‬ ‫نهایي‬ ‫جواب‬.

CrossOver:
‫از‬ ‫فرزند‬ ‫رشته‬ ‫که‬ ‫کند‬ ‫می‬ ‫استفاده‬ ‫والد‬ ‫رشته‬ ‫دو‬ ‫از‬ ‫روش‬ ‫این‬
‫آید‬ ‫می‬ ‫وجود‬ ‫به‬ ‫والد‬ ‫رشته‬ ‫دو‬ ‫این‬.
‫سه‬ ‫به‬ ‫شوند‬ ‫کپی‬ ‫والدین‬ ‫از‬ ‫یک‬ ‫هر‬ ‫از‬ ‫باید‬ ‫که‬ ‫هایی‬ ‫بیت‬ ‫انتخاب‬
‫شوند‬ ‫می‬ ‫انجام‬ ‫زیر‬ ‫روش‬:
.1single -point crossover
.2Two -point crossover
.3Uniform crossover
‫ژنتیکی‬ ‫های‬ ‫اپراتور‬
.1Crossover
.2mutation
‫کپی‬ ‫های‬ ‫بیت‬ ‫محل‬ ‫تعیین‬ ‫برای‬
‫نام‬ ‫به‬ ‫رشته‬ ‫یک‬ ‫از‬ ‫شونده‬
crossover mask‫شود‬ ‫می‬ ‫استفاده‬.
‫جدیدی‬ ‫موجودات‬ ‫بازترکیبی‬ ‫عملیات‬
‫شود‬ ‫می‬ ‫باعث‬ ‫تنها‬ ‫و‬ ‫کند‬ ‫نمی‬ ‫تولید‬
‫شوند‬ ‫بهتر‬ ‫موجود‬ ‫موجودات‬ ‫که‬.

Single-Point CrossOver
Crossover mask : 1110000

Tow-Point CrossOver
Crossover mask

Uniform CrossOver
‫کنیم‬ ‫انتخاب‬ ‫بازترکیبی‬ ‫نقاط‬ ‫بعنوان‬ ‫را‬ ‫کروموزوم‬ ‫نقاط‬ ‫تمام‬ ‫اگر‬
‫آن‬ ‫به‬Uniform Crossover‫می‬‫گوئیم‬.
‫است‬ ‫صورت‬ ‫بدین‬ ‫اخیر‬ ‫مورد‬ ‫دو‬ ‫این‬ ‫برای‬ ‫را‬ ‫کار‬ ‫روش‬:
‫مثل‬ ‫ثابتی‬ ‫احتمال‬ ‫با‬Pc‫عمل‬crossover‫را‬‫دهیم‬ ‫می‬ ‫انجام‬
‫است‬ ‫زیر‬ ‫صورت‬ ‫به‬ ‫کار‬ ‫روش‬:
‫کروموزوم‬ ‫های‬ ‫قسمت‬ ‫از‬ ‫یک‬ ‫هر‬ ‫ازای‬ ‫به‬:
‫کنیم‬ ‫می‬ ‫تولید‬ ‫یک‬ ‫و‬ ‫صفر‬ ‫بین‬ ‫تصادفی‬ ‫عدد‬ ‫یک‬
‫مثل‬ ‫ثابتی‬ ‫مقدار‬ ‫از‬ ‫عدد‬ ‫این‬ ‫اگر‬Pc‫ژنهای‬ ،‫باشد‬ ‫کوچکتر‬
‫کنیم‬ ‫می‬ ‫جابجا‬ ‫را‬ ‫ها‬ ‫کروموزوم‬ ‫از‬ ‫نقطه‬ ‫آن‬ ‫مابعد‬.
Crossover mask

Mutation
•‫ویژگی‬‫تصادفی‬‫بودن‬‫و‬‫امکان‬‫فرار‬‫از‬‫نقاط‬‫بهینه‬‫محلی‬‫را‬‫فراهم‬
‫می‬‫آورد‬.
‫برای‬‫انجام‬‫جهش‬‫به‬‫این‬‫صورت‬‫عمل‬‫می‬‫کنیم‬:
‫بصورت‬‫تصادفی‬‫تعدادی‬‫از‬‫کروموزوم‬‫های‬‫فرزند‬‫را‬‫انتخاب‬‫می‬‫کنیم‬‫به‬‫صورت‬
‫تصادفی‬‫مقادیر‬‫یک‬‫یا‬‫چند‬‫ژن‬‫وی‬‫را‬‫تغییر‬‫می‬‫دهیم‬.
‫همچنین‬‫در‬‫هنگام‬‫پیاده‬‫سازی‬‫به‬‫صورت‬‫زیر‬‫عمل‬‫می‬‫کنیم‬:
‫به‬‫ازای‬‫هر‬‫کروموزوم‬‫اعمال‬‫زیر‬‫را‬‫انجام‬‫می‬‫دهیم‬:
‫یک‬‫عدد‬‫تصادفی‬‫بین‬‫صفر‬‫و‬‫یک‬‫تولید‬‫می‬‫کنیم‬.
‫اگر‬‫عدد‬‫تولید‬‫شده‬‫کوچکتر‬‫از‬Pm،‫بود‬‫به‬‫ازای‬‫هر‬‫ژن‬‫اعمال‬‫زیر‬‫را‬
‫انجام‬‫می‬،‫دهیم‬‫در‬‫غیر‬‫اینصورت‬‫از‬‫جهش‬‫دادن‬‫کروموزوم‬‫صرف‬‫نظر‬‫می‬
‫کنیم‬.
‫یک‬‫عدد‬‫تصادفی‬‫بین‬‫صفر‬‫و‬‫یک‬‫تولید‬‫می‬‫کنیم‬.
‫اگر‬‫عدد‬‫تولید‬‫شده‬‫کوچکتر‬‫از‬Pg،‫بود‬‫ژن‬‫مربوطه‬‫را‬‫جهش‬‫می‬‫دهیم‬.
‫انواع‬Mutatuin:
.1‫بیتی‬ ‫جهش‬(Bitwise
Mutation)
.2‫ابتکاری‬ ‫جهش‬
(Heuristic)
‫ااش‬‫جها‬‫اااد‬‫ایجا‬ ‫ااث‬‫باعا‬
‫در‬ ‫اته‬‫ا‬‫ناخواس‬ ‫ارات‬‫ا‬‫تغیی‬
‫اد‬‫شا‬ ‫ات‬‫جمعیا‬‫ه‬‫و‬ ،‫اث‬‫باعا‬
‫اودات‬‫ا‬‫موج‬ ‫ادن‬‫ا‬‫آم‬ ‫اود‬‫ا‬‫بوج‬
‫شود‬ ‫می‬ ‫جدید‬.‫واقاع‬ ‫در‬
‫اه‬‫ا‬‫ب‬ ‫ابت‬‫ا‬‫نس‬ ‫اش‬‫ا‬‫جه‬ ‫اری‬‫ا‬‫برت‬
‫این‬‫ا‬‫هم‬ ‫از‬‫ا‬‫نی‬ ‫اازترکیبی‬‫ا‬‫ب‬
‫باشد‬ ‫می‬ ‫مطلب‬.‫صورتی‬ ‫در‬
‫استفاده‬ ‫جهش‬ ‫از‬ ‫فقط‬ ‫که‬
‫اه‬‫ا‬‫ک‬ ‫ات‬‫ا‬‫اس‬ ‫ان‬‫ا‬‫ممک‬ ،‫ایم‬‫ا‬‫کن‬
‫را‬ ‫بهینه‬ ‫جواب‬ ‫بتوانیم‬
‫ااا‬‫اما‬ ،‫اایم‬‫کنا‬ ‫اادا‬‫پیا‬

‫والد‬0000000000000
‫فرزند‬0011000100100
‫به‬ ‫باینری‬ ‫فرم‬ ‫به‬ ‫های‬ ‫کروموزوم‬ ‫برای‬ ‫جهش‬ ‫مثال‬ ‫بعنوان‬
‫باشد‬ ‫می‬ ‫زیر‬ ‫صورت‬:
‫بیتی‬ ‫جهش‬( Bitwise Mutation)

Mutation ‫و‬ Crossover
‫مقایسه‬
‫گرانه‬ ‫جو‬ ‫و‬ ‫جست‬ ‫یا‬ explorative
‫والدین‬ ‫اطالعات‬ ‫ترکیب‬ ‫جدید‬ ‫اطالعات‬ ‫کردن‬ ‫اضافه‬
‫گسترشی‬ ‫یا‬ Exploitive
‫محل‬ ‫به‬ ‫بزرگ‬ ‫های‬ ‫پرش‬ ‫انجام‬ ‫با‬
‫را‬ ‫جدید‬ ‫نواحی‬ ‫و‬ ‫رفته‬ ‫والدین‬ ‫در‬ ‫هایی‬
‫کند‬ ‫می‬ ‫ایجاد‬.
‫به‬ ‫تصادفی‬ ‫کوچک‬ ‫تغییرات‬ ‫انجام‬ ‫با‬
‫وسعت‬ ‫شده‬ ‫کشف‬ ‫نواحی‬ ‫به‬ ‫نواحی‬
‫بخشد‬ ‫می‬.
MutationCrossover

‫تابع‬‫تناسب‬
‫تابع‬fitness‫معیاری‬‫برای‬‫رتبه‬‫بندی‬‫فرضیه‬‫هاست‬‫که‬‫کمک‬
‫میکند‬‫تا‬‫فرضیه‬‫های‬‫برتر‬‫برای‬‫نسل‬‫بعدی‬‫جمعیت‬‫انتخاب‬‫شوند‬.
‫نحوه‬‫انتخاب‬‫این‬‫تابع‬‫بسته‬‫به‬‫کاربر‬‫مورد‬‫نظر‬‫دارد‬:
: classification‫در‬‫این‬‫نوع‬‫مسایل‬‫تابع‬‫تناسب‬‫معموال‬‫برابر‬‫است‬
‫با‬‫دقت‬‫قانون‬‫در‬‫دسته‬‫بندی‬‫مثالهای‬‫آموزشی‬.

22
‫انتخاب‬‫فرضیه‬‫ها‬
Roulette Wheel selection
‫در‬‫روش‬‫معرفی‬‫شده‬‫در‬‫الگوریتم‬‫ساده‬GA‫احتمال‬
‫انتخاب‬‫یک‬‫فرضیه‬‫برای‬‫استفاده‬‫در‬‫جمعیت‬
‫بعدی‬‫بستگی‬‫به‬‫نسبت‬fitness‫آن‬‫به‬fitness‫بقیه‬
‫اعضا‬‫دارد‬.‫این‬‫روش‬Roulette Wheel
selection‫نامیده‬‫میشود‬.
P(hi) = Fitness (hi) / Σj Fitness (hj)
fitness(A) = 3
fitness(B) = 1
fitness(C) = 2
A C
1/6 = 17%
3/6 = 50%
B
2/6 = 33%
•‫روشهای‬‫دیگر‬:
•tournament selection
•rank selection
•‫روش‬ ‫این‬ ‫در‬:
•‫فضاي‬ ‫بهتر‬ ‫اعضاء‬
‫دارند‬ ‫بیشتري‬.
•‫شانس‬ ‫بنابراین‬
‫بیشتري‬ ‫انتخاب‬
‫دارند‬.

‫روش‬‫جستجوی‬GA‫دارد‬ ‫تفاوت‬ ‫عصبی‬ ‫های‬ ‫شبکه‬ ‫مثل‬ ‫دیگر‬ ‫روشهای‬ ‫با‬.‫شبکه‬ ‫در‬
‫عصبی‬‫روش‬Gradient descent‫بصورت‬‫دیگری‬ ‫مشابه‬ ‫فرضیه‬ ‫به‬ ‫ای‬ ‫فرضیه‬ ‫از‬ ‫هموار‬
‫حالیکه‬ ‫در‬ ‫میکند‬ ‫حرکت‬GA‫ممکن‬‫است‬
‫اساسی‬ ‫تفاوت‬ ‫که‬ ‫نماید‬ ‫جایگزین‬ ‫فرزندی‬ ‫با‬ ‫را‬ ‫والد‬ ‫فرضیه‬ ‫ناگهانی‬ ‫بصورت‬
‫باشد‬ ‫داشته‬ ‫آن‬ ‫والد‬ ‫با‬.‫از‬‫رو‬ ‫این‬‫احتمال‬
‫افتادن‬ ‫گیر‬GA‫مییابد‬ ‫کاهش‬ ‫محلی‬ ‫مینیمم‬ ‫در‬.‫وجود‬ ‫این‬ ‫با‬GA‫مشکل‬ ‫با‬
‫که‬ ‫روبروست‬ ‫دیگری‬crowding‫میشود‬ ‫نامیده‬
‫ای‬ ‫پدیده‬‫سازگاری‬ ‫که‬ ‫عضوی‬ ‫آن‬ ‫در‬ ‫که‬ ‫است‬
‫دار‬ ‫جمعیت‬ ‫افراد‬ ‫بقیه‬ ‫از‬ ‫بیشتری‬ ‫بسیار‬‫د‬‫به‬
‫تولید‬ ‫مرتب‬ ‫طور‬‫اع‬ ‫تولید‬ ‫با‬ ‫و‬ ‫کرده‬ ‫نسل‬‫ضای‬
‫درصد‬ ‫مشابه‬‫ای‬ ‫عمده‬‫اشغال‬ ‫را‬ ‫جمعیت‬ ‫از‬‫می‬
‫کند‬.
‫حل‬ ‫راه‬ ‫از‬ ‫استفاده‬
Ranking
‫جستجوی‬ ‫تفاوت‬GA‫با‬
‫دیگر‬ ‫روشهای‬

‫بدون‬ ‫بپردازند‬ ‫مسائل‬ ‫حل‬ ‫به‬ ‫تا‬ ‫میسازد‬ ‫قادر‬ ‫را‬ ‫کامپیوترها‬ ‫که‬ ‫است‬ ‫تکنیکی‬
‫برنامه‬ ‫آن‬ ‫برای‬ ‫صریح‬ ‫بطور‬ ‫آنکه‬
‫باشند‬ ‫شده‬ ‫ریزی‬.GP‫هرعضو‬ ‫آن‬ ‫در‬ ‫که‬ ‫است‬ ‫تکاملی‬ ‫الگوریتمهای‬ ‫از‬ ‫روشی‬
‫است‬ ‫کامپیوتری‬ ‫برنامه‬ ‫یک‬ ‫جمعیت‬.
‫اغلب‬ ‫ها‬ ‫برنامه‬‫به‬‫توسط‬‫برابر‬ ‫برنامه‬ ‫اجرای‬ ‫و‬ ‫شده‬ ‫داده‬ ‫نمایش‬ ‫درخت‬ ‫یک‬
‫با‬ ‫است‬pars‫درخت‬ ‫کردن‬.
Genetic Programming
+
sin
x
sqrt
+
y^
x 2
F = sin(x) + sqrt( x^2 + y)

‫اپراتور‬crossover‫برای‬GP
parents+
sin
x
^
2
+
sin
x
sqrt
+
y
childrens+
sin
x
^
2
+
yx ^
x 2
^
x 2
+
sin
x
sqrt
+
y+
yx

‫ژنتیک‬ ‫الگوریتم‬ ‫فلوچارت‬

‫حیات‬ ‫چرخه‬

1-‫ايجاد‬‫جمعيت‬‫اوليه‬
‫مشخصا‬‫اي‬‫ر‬‫ب‬‫ايجاد‬‫جمعيت‬‫اوليه‬،‫در‬‫د‬‫ر‬‫مو‬
‫يتم‬‫ر‬‫الگو‬‫نتيک‬‫ژ‬‫ي‬‫باينر‬،‫مشکل‬‫چنداني‬‫يم‬‫ر‬‫ندا‬،
‫فقط‬‫کافي‬‫است‬‫متناظر‬‫با‬‫هر‬‫کدام‬‫از‬‫اعضاي‬
‫جمعيت‬،‫يک‬‫بردار‬‫تصادفي‬‫با‬‫مولفه‬‫هاي‬‫صفر‬‫و‬
‫يک‬‫ايجاد‬‫کنيم‬.
2–‫يابي‬‫ز‬‫ار‬‫مرتب‬‫و‬‫جمعيت‬ ‫ي‬‫ساز‬‫جواب‬ ‫حذف‬ ‫و‬‫اضافي‬ ‫هاي‬
1-‫ي‬‫سپر‬‫تعداد‬ ‫شدن‬‫معيني‬‫ار‬‫ر‬‫تک‬‫از‬(
Generation ، ‫نسل‬ ، Iteration )
2-‫سيدن‬‫ر‬‫حد‬ ‫به‬‫مطلوبي‬‫جواب‬ ‫از‬
3-‫ي‬‫سپر‬‫تعداد‬ ‫شدن‬‫معيني‬، ‫ها‬‫ر‬‫ا‬‫ر‬‫تک‬‫از‬
‫بهبود‬‫مشاهده‬ ‫ن‬‫بدو‬‫ي‬ ‫خاص‬‫در‬‫نتيجه‬
‫خالصه‬

‫نتیجه‬
‫در‬ ‫زیادي‬ ‫بسیار‬ ‫قدرت‬ ‫داراي‬ ‫كه‬ ‫هستند‬ ‫هایي‬‫الگوریتم‬ ‫ژنتیك‬ ‫هاي‬‫الگوریتم‬
،‫هستند‬ ‫مسئله‬ ‫جواب‬ ‫یافتن‬
‫در‬ ‫را‬ ‫ها‬ ‫الگوریتم‬ ‫این‬ ‫اصلي‬ ‫كاربرد‬ ‫بتوان‬ ‫شاید‬ ‫كه‬ ‫داشت‬ ‫توجه‬ ‫باید‬ ‫اما‬
‫داراي‬ ‫كه‬ ‫گرفت‬ ‫نظر‬ ‫در‬ ‫مسائلي‬
‫در‬ ‫انسان‬ ‫براي‬ ‫ها‬‫حالت‬ ‫همه‬ ‫بررسي‬ ‫ا‬‫عمال‬ ‫و‬ ‫هستند‬ ‫بزرگ‬ ‫بسیار‬ ‫حالت‬ ‫فضاي‬
‫نرمال‬ ‫هاي‬‫زمان‬(‫بشر‬ ‫عمر‬ ‫حد‬ ‫در‬)‫نیست‬ ‫ممكن‬.
‫داراي‬ ‫باید‬ ‫مسئله‬ ‫مختلف‬ ‫حاالت‬ ‫بین‬ ‫ا‬‫حتما‬ ‫كه‬ ‫داشت‬ ‫توجه‬ ‫باید‬ ‫طرفي‬ ‫از‬
‫باشیم‬ ‫منطقي‬ ‫و‬ ‫مناسب‬ ‫پیوستگي‬.
‫حركتي‬ ‫داراي‬ ‫كه‬ ‫دهد‬‫مي‬ ‫ما‬ ‫به‬ ‫را‬ ‫امكان‬ ‫این‬ ‫ژنتیك‬ ‫هاي‬‫الگوریتم‬ ‫نهایت‬ ‫در‬
‫باشیم‬ ‫هدف‬ ‫سوي‬ ‫به‬ ‫مسئله‬ ‫فضاي‬ ‫در‬ ‫سریع‬.
‫جواب‬ ‫سوي‬ ‫به‬ ‫مسئله‬ ‫حاالت‬ ‫فضاي‬ ‫در‬ ‫كه‬ ‫كنیم‬ ‫تصور‬ ‫توانیم‬‫مي‬ ‫كه‬ ‫اي‬‫گونه‬ ‫به‬

‫منابع‬
1.https://fa.wikipedia.org/wiki/%D8%A7%D9%84%DA%AF%D
9%88%D8%
B1%DB%8C%D8%AA%D9%85_%DA%98%D9%86%D8%AA%DB
%8C %DA%A9
2.http://www.google.com/url?sa=t&rct=j&q=&esrc=s&frm=1&so
urce=web&
cd=4&ved=0ahUKEwjTkvKF3fLJAhVB44MKHccpAYkQFgg6MA
M&url
=https%3A%2F%2Fblue-sea-697d.quartiers047.workers.dev%3A443%2Fhttp%2Fceit.aut.ac.ir%2F~shiry%2Flecture%2FDSS%2F
GA.ppt
&usg=AFQjCNGJEmoV68oTejxF9KCAFernYdWaJQ&bvm=bv.110
15184 a4,d.eWE&cad=rj
3. algorithms.html-
http://www.beytoote.com/scientific/midanid/genetic

‫جواب‬ ‫و‬ ‫سوال‬

‫قدردانی‬
‫مهمترین‬‫نه‬ ‫باشیم‬ ‫بهترین‬ ‫کنیم‬ ‫سعی‬ ‫همیشه‬
‫تشکر‬ ‫با‬
‫اوالسیز‬ ‫ساغ‬

Genetic

More Related Content

Viewers also liked (14)

Similar to Genetic (20)

Genetic