مرجع
آخر الزيارات

خوارزمية تطورية

1٬391 كلمة•0 مشاهدة•🗒️ منذ يومين
باختصار: في الذكاء الاصطناعي، الخوارزمية التطورية هي مجموعة فرعية من الحسابات التطورية. تتناول المقالة 13 قسماً، منها «التقنيات ذات الصلة»، «European Centre for Soft Computing» و«تقنيات الخوارزمية التطورية».
المحتويات
  1. التقنيات ذات الصلة
  2. European Centre for Soft Computing
  3. تقنيات الخوارزمية التطورية
  4. تطبيقات
  5. Evolutionary Computing European Network Of Excellence
  6. قائمة المراجع
  7. الدورة
  8. اختيار الجيل الجديد
  9. التغير: تغيير عشوائي للجيل اللاحق
  10. تنفيذ العمليات البيولوجية
  11. الانتقاء: اختيار أفراد الجيل للتحديث
  12. المكونات
  13. Evolutionary computation in manufacturing scheduling

في البداية، في الذكاء الاصطناعي، الخوارزمية التطورية هي مجموعة فرعية من الحسابات التطورية. الخوارزمية التطورية تستعمل بعض الآليات المستوحاة من التطور البيولوجي: الاستنساخ، الطفرة، إعادة التركيب، والاختيار. الحلول المرشحة للمشكلة الأمثل تلعب دور الأفراد في قطاع من السكان، المهمة الملائمة تحدد البيئة التي تتم فيها «حياة» الحلول (انظر كذلك رياضيات الاستمثال) تطور السكان يأخذ مكانه بعد التطبيق المتكرر للعملية أعلاه. التطور الاصطناعي يصف العملية الفردية التي تنطوي على الخوارزميات التطورية ؛الخوارزمية التطورية هي المكونات الفردية التي تساهم في التطور الاصطناعي. وتعرض الأقسام التالية جوانب أخرى من الموضوع.

من جهة ثانية، وجود الكثير من القيود على الخوارزميات التطورية من المحتمل أنه ناتج عن عدم وجود نمط وراثي واضح - لتمييز النمط الظاهري. في الطبيعة، في خلية البويضة المخصبة يخضع لعملية معقدة معروفة بالجنيني لتصبح ناضجة بالنمط الظاهري. هذا الترميز غير المباشر نحتاجه لجعل البحث الجيني أكثر قوة (أي يقلل من احتمال حدوث طفرات قاتلة)، وأيضا قد يحسن قابلية الكائن على التطور. العمل في الآونة الأخيرة في ميدان خلق المضغة المصطنعة، أو اصطناعية نظم الانمائية، تسعى لمعالجة هذه الشواغل.

إضافةً إلى ذلك، بصرف النظر عن فائدتها كمحسن للرياضيات، الاحتساب التطوري والخوارزميات استعملت كذلك بوصفها إطارا تجريبيا يمكن من خلاله التحقق من صحة النظريات حول التطور البيولوجي والانتقاء الطبيعي، ولا سيما من خلال العمل في ميدان [الحياة الاصطناعية]. من تقنيات الخوارزميات التطورية التي تطبق على نمذجة التطور البيولوجي تقتصر عادة على الاستكشافات من العمليات التطورية الصغرى، ولكن بعض المحاكاة باستخدام الكمبيوتر، مثل تييرا وأفيدا، حاولت وضع نموذج دينامكيات التطورية العظمى.

ومن جهة أخرى، الخوارزميات التطورية غالبا ما تقوم بأداء جيد لإيجاد حلول تقريبية لجميع أنواع المشاكل لأنها من الناحية المثالية لا تجعل أي افتراض حول المهمة الملائمة الكامنة وراء المشهد، وهذا التعميم هو مبين من النجاحات التي تحققت في مجالات متنوعة مثل الهندسة،الفن،علم الاحياء الاقتصاد، التسويق،علم الوراثة، عمليات البحوث، علم الإنسان الآلي، العلوم الاجتماعية الفيزياء السياسة والكيمياء

التقنيات ذات الصلة

في هذا الإطار، خوارزمية مجتمع النحل الاصطناعي: استنادا إلى الأفكار في سلوك بحث النحل عن الطعام عبر تواصل بالفيرومون لتشكيل مسارات. تناسب مسائل المخططات والاستمثال التوافقي.

علاوةً على ذلك، تكيف غاوسي: استنادا إلى معلومات نظرية تستعمل للوصول للحد الأقصى من العائد التصنيعي ويعني ملائمة أو المعلومات المتوسطة.

من جانب آخر، خوارزمية أمثلة الاعشاب الغازية: استنادا إلى الأفكار من مستعمرة سلوك الأعشاب في البحث والعثور على مكان مناسب للنمو والتكاثر.

وفي السياق ذاته، أمثلة سرب الجسيمات: استنادا على الأفكار من سلوك تدفق الحيوان كما يناسب في المقام الأول لمشاكل التحسين العددية.

معرض صور

في هذا الإطار، البحث عن الانسجام: استنادا إلى الأفكار من سلوك الموسيقيين في البحث عن التجانس الأفضل هذه الخوارزمية مناسبة للأمثلة التوافقية، وكذلك الأمثلة المعلمة.

في هذا الإطار، أمثلة مستعمرة النمل: استنادا إلى الأفكار من مؤن النمل عن طريق فرمون الاتصالات لتشكيل المسارات في المقام الأول ملاءمة لمشاكل التحسين التوافقي.

وفي هذا السياق، تطور التفاضلية: تستند على اختلافات النواقل وبالتالي فهي في المقام الأول ملاءمة لمشاكل [التحسين العددية]

European Centre for Soft Computing

في هذا الإطار، Pervasive Adaptation is concerned with technologies used in information and communication systems which are capable of autonomously adapting to highly dynamic user contexts..

وفي هذا السياق، BiSNET/e: A Cognitive Sensor Networking Architecture with Evolutionary Multiobjective Optimization

علاوةً على ذلك، SymbioticSphere: A Biologically-inspired Architecture Network Systems with Evolutionary Multiobjective Optimization

تقنيات الخوارزمية التطورية

من جهة ثانية، البرمجة التطورية: مثل البرمجة الجينية إلا أن هيكل هذا البرنامج هو ثابت والعوامل العددية المتغبرة يسمح بتطويرها.

وفي هذا الصدد، البرمجة الجينية: هنا تكون الحلول على شكل برامج الحاسوب وتتحدد المهمة الملائمة بقدرتها على حل مشكلة حسابية.

ومن ناحية أخرى، الخوارزميات الوراثية: هذا هو النوع الأكثر شعبية من الخوارزمية التطورية من يسعى إلى حل للمشكلة في شكل سلاسل من الأرقام (تقليدي ثنائي وعلى الرغم من أنه أفضل تمثيل عادة ما تكون تلك التي تعكس شيئا عن المشكلة التي يجري حلها) وذلك بتطبيق عمليات مثل إعادة التركيب والطفرات (واحدة أحيانا وأحيانا الاثنتين) هذا النوع من الخوارزمية التطورية كثيرا ما يستعمل في مشاكل الأمثلة:

وفي السياق ذاته، تقنيات مماثلة تختلف في تفاصيل تنفيذها وطبيعة تطبيق المشكلة المعينة.

علاوةً على ذلك، استراتيجية التطورية: يتعامل مع النواقل من الارقام الحقيقية على أنها تمثيلات من الحلول وعادة ما يستعمل معدلات التكيف الذاتي للطفرة.

تطبيقات

وفي السياق ذاته، النتائج المضمونة (سي + +) آخر شعبية المفوضية الأوروبية مجموعة الأدوات

وفي هذا الصدد، JAGA (جافا) المصدر المفتوح API لتنفيذ الخوارزميات الوراثية وتطبيقات البرمجة الجينية

إضافةً إلى ذلك، محكمة العدل الأوروبية (جافا)، شعبية التطورية حساب مجموعة الأدوات.

وفي هذا السياق، EvA2 (جافا)، وهو الغني المصدر المفتوح وعصام إرشادي الإطار الأمثل مع واجهة المستعمل الرسومية.

  • (سي + +) آخر شعبية المفوضية الأوروبية مجموعة الأدوات.
  • Opt4J (جافا) ميتا إرشادي الأمثل بما في ذلك إطار متعدد الهدف خوارزميات التطورية
  • تنفيذا لجهاز الأمن السياسي في ماتلاب

كذلك، تجريبي صغير من JOpt.SDK -- تطورية خوارزمية البرنامج أدوات لملعقة شاي في حل المشاكل وVRPTW

Evolutionary Computing European Network Of Excellence

كذلك، Hitch-Hiker's Guide to Evolutionary Computation (FAQ for comp.ai.genetic)

قائمة المراجع

من جانب آخر، Ingo Rechenberg (1971): Evolutionsstrategie - Optimierung technischer Systeme nach Prinzipien der biologischen Evolution (PhD thesis). Reprinted by Fromman-Holzboog (1973).

من جهة ثانية، Bäck, T., Fogel, D., Michalewicz, Z. (1997), Handbook of Evolutionary Computation, Oxford Univ. Press.

ومن جهة أخرى، Hans-Paul Schwefel (1974): Numerische Optimierung von Computer-Modellen (PhD thesis). Reprinted by Birkhäuser (1977).

وفي هذا الصدد، Poli, R., Langdon, W. B., McPhee, N. F. (2008). A Field Guide to Genetic Programming. Lulu.com, freely available from the internet. ISBN 978-1-4092-0073-4.

وعلى صعيد آخر، Ashlock, D. (2006), Evolutionary Computation for Modeling and Optimization, Springer, ISBN 0-387-22196-4.

  • انظر كذلك
  • علم الأحياء التنموي
  • مؤثر جيني
  • حياة اصطناعية
  • مراجع

وفي السياق ذاته، Eiben, A.E., Smith, J.E. (2003), Introduction to Evolutionary Computing, Springer.

ومن جهة أخرى، Holland, J. H. (1975), Adaptation in Natural and Artificial Systems, The University of Michigan Press, Ann Arbor

في هذا الإطار، Bäck, T. (1996), Evolutionary Algorithms in Theory and Practice: Evolution Strategies, Evolutionary Programming, Genetic Algorithms, Oxford Univ. Press.

ومن ناحية أخرى، Michalewicz Z., Fogel D.B. (2004). How To Solve It: Modern Heuristics, Springer.

الدورة

كذلك، تهيئة الدائرة (تحديد نقطة أو نقاط البداية): الجيل الأول يتم اختياره عادةً بِشكل عشوائي

المرور بالخطوات التالية حتى يتحقق شرط التوقف:

ومن جهة أخرى، بشكل عام تتكون الخوارزمية التطورية من نقطة بداية ومن حلقة تتكرر حتى تتحقق الدقة المُحددة مُسبقا.

ومن جهة أخرى، التطور: يأخذ كل عنصر للحل خلال مرحلة التطور قيمة جودة معينة وفق مقاربته للحل الأفضل

اختيار الجيل الجديد

في هذا الإطار، يختلف استخدام طرق الاختيار والتركيب باختلاف نوع الخوارزمية التطورية. كثيراً ما ترتبط الخوارزميات التطورية بشبكات عصبونية اصطناعية وببحث موضعي ووفق التطبيق المستعمل يكون للخوارزمية إيجابيات وسلبيات مختلفة.

التغير: تغيير عشوائي للجيل اللاحق

وفي هذا الصدد، التقييم: من جديد يأخذ كل عنصر قيمة جودة مُحدثة بناء على النقاط السابقة

تنفيذ العمليات البيولوجية

وفي السياق ذاته، في اختيار، آباء للجيل القادم يتم اختيارهم مع وجود تحيز نحو ملائمة أعلى. استنساخ الآباء يتم من خلال النسخ مع إعادة التركيب و/أو من خلال الطفرات. إعادة التركيب تطبق على الأبوين المختارين (المرشحين) والنتائج في واحد أو اثنين من الأطفال (المرشحين الجدد). [الطفرة] تطبق على مرشح واحد والنتائج في مرشحا جديدا هذه العوامل تخلق السلالة (مجموعة من المرشحين الجدد) هؤلاء المرشحين الجدد يتنافسون مع المرشحين القدامة لمكانهم في الجيل القادم (البقاء للأفضل).

إضافةً إلى ذلك، ويمكن أن تتكرر هذه العملية حتى يتم العثور على مرشح مع نوعية كافية (الحل) أو أخذ أفضل حد حسابي تم الوصول إليه سابقا.

ومن جهة أخرى، عادة الحلول المرشحة المأخوذة عن تشكيل عينة عشوائية أولية من السكان تمثل الجيل الأول المهمة الملائمة يتم تطبيقها على الحلول المرشحة وأي نتائج لاحقة يوجد فئتين من المهام الرئيسية للمهمة الملائمة: واحدة حيث المهمة الملائمة لا تتغير على نحو تحسين وظيفة ثابتة أو اختبار مع مجموعة ثابتة من حالات الاختبار الأخرى حيث المهمة الملائمة هي قابلة للتغيير كما هو الحال في استخدام تمييز التخصص أو المشاركة في تطوير المجموعة من حالات الاختبار.

الانتقاء: اختيار أفراد الجيل للتحديث

من جهة ثانية، إعادة التركيب: تحديث أفراد الجيل بناء على الأفراد المُختارين

المكونات

في هذا الإطار، الخوارزميات التطورية تختلف فيما بينها بشكل أساسي في العرض التطوري وفي اقتران المطابقة (fitness function) وفي المكونات التطورية: الطفرة (التغيير) وإعادة التركيب (Recombination) والإنتقاء.

في هذا الإطار، الطفرة وإعادة التركيب تُعتبر مكونات للبحث في الخوارزميات التطورية والتي يتم عبرها تحديد نِطاق البحث. تطبيقها على عناصر الحل يمكن أن يضمن تحسيناً لنتيجة الخوارزمية. يمكن عبر مكون الطفرة (Mutation Operator) ضم مجال جديد لدائرة البحث وعبر إعادة التركيب تأخذ النتيجة منحاً بشكل مُخطط (schemata). يعتمد نجاح البحث على استخدام المكونين كلاهما.

Evolutionary computation in manufacturing scheduling

كذلك، Evolutionary Computation Lab at George Mason University (ECLab)

ومن ناحية أخرى، Nanopond (Grey Thumb) - A very tiny (less than 1000 lines of C!) evolvable instruction set virtual machine that exhibits striking emergent behaviors.

  • Evolving Objects - GPLed C++ framework for evolutionary computation
  • E-Book - Global Optimization Algorithms - Theory and Application
  • Economist article - a showcase of real-world EA examples

علاوةً على ذلك، CILib - GPLed computational intelligence simulation and research environment written in Java, includes various EC implementations

من جانب آخر، www.talkorigins.org: Genetic Algorithms and Evolutionary Computation

ما رأيك في هذه المقالة؟

📝 هل في هذه المقالة خطأ؟

إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.