Genetik algoritmlar

Genetik algoritm
Genetik algoritm biologik evolyutsiyadan keng ilhomlangan evolyutsion algoritmlar sinfiga kiradi. Biz hammamiz biologik evolyutsiyadan xabardormiz [ 1 ] - bu ota-onalarning tanlovi, naslning ko'payishi va mutatsiyasi. Evolyutsiyaning asosiy maqsadi biologik jihatdan ota-onalariga qaraganda yaxshiroq bo'lgan nasllarni ko'paytirishdir. Genetik algoritm asosan Darvinning tabiiy tanlanish orqali evolyutsiya nazariyasiga asoslanadi va u xuddi shunday taqlid qilishga harakat qiladi.
Asosiy sezgi populyatsiyadan ota-onalar sifatida eng yaxshi shaxslarni tanlab olish, ulardan ko'payish jarayonida farzandlarini ko'paytirish va tug'ish orqali avlodlarini kengaytirishni so'rash, bunda ikkala ota-onaning genlari mutatsiya deb nomlanuvchi xatolik yuzaga keladi. Bu bolalardan yana o'z avlodlarini ko'paytirish so'raladi va bu jarayon sog'lom avlodlarga olib keladi. Ushbu nazariya optimallashtirish muammolarini, xususiyatlarni tanlashni, klassik sumka muammosini va boshqalarni hal qilish uchun evolyutsion hisoblashni ilhomlantirdi.
Keling, sumka muammosi bilan genetik algoritmni qo'llashni tushunaylik. Aytaylik, biz xazina qidirishdamiz va barcha harakatlar va mashaqqatli mehnatdan so'ng, nihoyat, biz xazinani oltin va olmos bezaklarga to'la chuqur g'ordan topamiz. Biz qilmoqchi bo'lgan birinchi narsa - xaltamizni iloji boricha ko'proq bezaklar bilan to'ldirishdir. Biroq, bizning muammomizda bir nechta parametrlarga e'tibor qaratishimiz kerak va bizning ryukzakimizda joy cheklangan. U 35 kilogrammdan ortiq og'irlikni ko'tara olmaydi.
Keyinchalik, biz bezaklarni optimal tarzda tanlashimiz kerak, shunda ryukzak ortiqcha yuk bo'lmasligi kerak, biz tanlagan barcha bezaklar yuqori baholanishi kerak va bir bezak ryukzak ichida ikkinchisiga zarar bermasligi kerak - bu erda bizning hayotimizni optimallashtirish uchun genetik algoritm o'ynaydi. barcha parametrlarni hisobga olgan holda muammo.
Endi bizda genetik algoritmlar haqida asosiy tushuncha bor. Keling, bajarilgan qadamlarni ko'rib chiqaylik va Python bilan dasturimizni kodlaymiz.

• 
  Genetik algoritmdagi qadamlar
  

• 
  Populyatsiyani boshlash
  
• 
  Ota-onalarning tayyorgarligini baholash orqali ularni tanlash
  
• 
  Ko'paytirish uchun krossover ota-onalar
  
• 
  Nasllarni o'zgartirish
  
• 
  Nasllarni baholash
  
• 
  Nasllarni asosiy populyatsiya bilan birlashtirib, saralash
  

“Genetik algoritmda optimallashtirish muammosiga nomzod yechimlar populyatsiyasi (individuallar, mavjudotlar yoki fenotiplar deb ataladi) yaxshiroq yechimlar sari rivojlanadi. Har bir nomzod eritma mutatsiyaga uchragan va o'zgartirilishi mumkin bo'lgan xususiyatlar to'plamiga ega (uning xromosomalari yoki genotipi); an'anaviy tarzda, yechimlar ikkilik tizimda 0 va 1 qatorlar sifatida ifodalanadi, ammo boshqa kodlashlar ham mumkin [ 2 ] [ 3 ]”.

1-rasm xromosomalar,genlar va populyatsiyalar.