بخشی از مقاله
چکیده
ما در این مقاله به بررسی رابطه الگوریتم ژنتیک و شبکه عصبی مصنوعی خواهیم پرداخت و نحوه کاربرد از این ها را در مسائل مختلفی مورد بررسی قرار خواهیم داد. شبکه عصبی مصنوعی که به اختصار - - Artificial Neural Network - ANN نامیده می شوندبه شیوه های محاسباتی جدیدی اتلاق می گردد که جهت آموزش ماشینی، نشان دادن دانش و در نتیجه به کار بستن دانش به دست آمده در راستای پاسخ گویی به خروجی های حاصل از منابع پیچده می باشد. این گونه شبکه ها از شیوه کارکرد سیستم عصبی زیستی گرفته شده اند و اطلاعات و داده ها جهت ایجاد علم به کار گرفته می شوند.
هدف اصلی این کار تولید شیوه جدیدی برای ایجاد سولینه پردازش اطلاعات می باشد. ژنتیک یکی از مبانی انتخاب طبیعی داروین جهت پیدا کردن فرمول بهینه برای پیشبینی و تطبیق الگو می باشد. الگوریتمهای ژنتیک بیشتر گزینه خوبی برای تکنیکهای پیشبینی بر مبنای رگرسیون می باشند. در هوش مصنوعی الگوریتم ژنتیک یک شیوه برنامهنویسی است که از تکامل ژنتیکی به عنوان شیوه ی برای حل مسئله کاربرد میکند.
مقدمه:
ANN ها از تعدادی قسمت های پردازشی به هم پیوسته به اسم نورون تشکیل شده که جهت حل مسئله به صورت هماهنگ عمل میکنند و با سیناپسها داه ها را انتقال می دهند. اگر در این شبکهها سلولی صدمه پذیرد سلولهای دیگر کمبودهای موجود را جبران خواهند کرد، و همچنین در دوباره سازی آن دخیل هستند. این گوه شبکهها می توانند عمل یادگیری را به خوبی انجام دهند.
به گونه نمونه با اعمال سوزش به سلولهای عصبی لامسه، سلولها عمل یادگیری را انجام می دهند که به سمت جسم داغ نروند و بوسیله این الگوریتم سیستم یاد می گیرد که اشتباه خود را درست نماید. یادگرفتن در این گونه سیستمها به صورت تطبیقی انجام می پذیرد، با کمک از نمونه ها وزن سیناپسها به گونهای عوض می گردد که در حالت دادن ورودیهای جدید، سیستم جواب خوبی ایجاد نماد.
در الگوریتم ژنتیک الگوریتمهای مسئلهای که حل می شوند شامل ورودیهایی هستند که در یک فرایند الگوبرداری از تکامل ژنتیکی به جواب مبدل میگردد که راه حلها به عنوان کاندیداها با توابع ارزیاب مورد بررسی واقع می شوند و در صورتی که شرط خروج مسئله فراهم گردد الگوریتم پایان می پذیرد. الگوریتم ژنتیک بصورت نهایی یک الگوریتم مبتنی بر تکرار می باشد که بیشتر قسمت های آن به گونه تصادفی انتخاب می گردد.
کاربرد الگوریتم ژنتیک و شبکه عصبی در موارد عملی
در حال حاضر در بیشتر موارد ماشین ها ماشین ها به جای انسان ها کار می کنند و بیشتر امور فیزیکی که در طول زمان های زمان های قبل بوسیله انسانها صورت می گرفت اکنون بوسیله ماشین ها انجام می گیرد . با وجود اینکه قدرت کامپیوترها در ذخیره، بازیابی اطلاعات و اتوماسیون اداری غیر قابل انکار است، ولی همچنان گزینه هایی وجود دارد که انسان ناگزیر است خودش آنها را انجام دهد. ولی به صورت کلی ، گزینه های مرتبط با ماشین دارای سیستم هایی است که در آن به دلیل ارتباطات زیاد بین اجزا، مغز انسان از درک ریاضی این ارتباطات ناقص می باشد .
مغز انسان با گذشت زمان با مشاهده تکرار رفتارهای سیستم و گاهی نیز آزمایش نتیجه هایی که بر اساس تغییر یکی از اجزای سیستم به دست می آید تا حدی می تواند عادتهای سیستم را شناسایی کند . این روند یادگیری بر اثر مشاهده نمونههای متنوع از سیستم ، به کسب تجربه منجر می گردد . در چنین سیستمهایی مغز قادر به تجزیه و تحلیل داخلی سیستم نیست و تنها با دقت به رفتارهای خارجی، عملکرد داخلی سیستم را تخمین می زند و عکس العملهای آن را پیش بینی می کند.
چگونگی اداره حجم انبوه اطلاعات و کاربرد موثر از آنها در بهبود تصمیم گیری ، از موضوعات بحث برانگیز در عصرحاضر است. یکی از مسائل مهم تحقیقاتی در روش علوم کامپیوتر، پیاده سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه و تحلیل سیستم های مختلف بر اساس تجربه است .در این راستا شبکه عصبی یکی از پویاترین حوزههای تحقیق در دوران معاصر هستند که افراد زیادی از رشته های گوناگون علمی را به خود جلب کرده است.کاربرد از شبکههای عصبی و الگوریتم های ژنتیک در حل مسائل پیچیده کاربردی این روزها بیش از بیش رواج یافته است .
در این فصل پس از معرفی اجمالی شبکه عصبی و الگوریتم های ژنتیک، ارتباط وسهم آن ها در تصمیم گیری در حوزه تجارت وکسب وکار مورد بررسی قرارگرفته است . تاکید به کاربرد شیوه های هوش مصنوعی و روش های مدل سازی در روش کسب و کار به شکل گسترده ای در حال گسترش است. در این روش سیستم های خبره جایگاه خوبی به دست آورده اند.
در دهه های زمان های قبل دو نمونه الگوریتم ژنتیک و شبکه عصبیاز موضوعاتی بودند که دقت زیای از اساتید را به خود جلب کردند. این دو به عنوان وسیله خوبی در حل مسائلی که دیگران بوسیله متدلوژی ها و شیوه های سنتی زمان های قبل قابل حل نبودند، شناخته شده و مورد کاربرد قرار گرفتند. این روزها کاربرد از آنها به زندگی اجتماعی ما نیز تسری یافته تا جایی که کاربرد آنها در تصمیم گیری ها نقش حیاتی یافته است .
به عبارت دیگر ، با درنظر گرفتن مطالعات مشابه در رابطه با کاربرد از سیستم های خبره در کسب و کار، نویسندگان و محققان در آرزوی دستیابی به فرصتی جهت بحث مقایسه ای در باره این سه متدلوژی هوشمند هستند - متاکسیوس و پساراس . - 2003 یکی از مهم ترین و جدابترین تحقیقات ، بررسی انجام شده بوسیله لایبوتز - 2001 - است که نتیجه آن تحت عنوان »سیستمهای خبره و کاربرد آنها« مطرح شد.
فناوری شبکه عصبی
شبکه عصبی یک شیوه پردازش اطلاعات در روش بر شیوه سیستم های عصبی بیولوژیکی مثل مغز و پردازش اطلاعات است. معنای اصلی شبکه عصبی ، سازمان سیستم پردازش اطلاعات است که از تعداد زیادی واحدهای پردازشی - نورون - مرتبط با شبکه ها تشکیل شده اند.
