پاورپوینت الگوریتمهای ژنتیک

بخشی از پاورپوینت

اسلاید 1 :

موضوع : الگوریتمهای ژنتیک

درس: کاربرد فن آوری اطلاعات پزشکی

اسلاید 2 :

الگوريتمهاي ژنتيك

اسلاید 3 :

در گروه الگوريتمهاي بهينه سازي احتمالاتي است

از فرآيند تكامل بيولوژيكي الهام گرفته است .

از مفاهيم انتخاب طبيعي و وراثت ژنتيكي داروين سال1859 استفاده مي كند.

اسلاید 4 :

توسط جان هلند ،دانشگاه ميشيگان توسعه يافت (1970)

- به منظور مطالعه وشناخت فرآيندهاي تطبيقي
سيستمهاي طبيعي
- به منظور طراحي نرم افزارهاي سيستمهاي مصنوعي
كه قدرت سيستمهاي طبيعي را حفظ مي كنند.

اسلاید 5 :

الگوريتم ژنتيك (ادامه )
تكنيكهاي كافي و مؤثر براي كاربردهاي بهينه سازي و يادگيري ماشين ارائه مي دهد.

امروزه در بسياري از زمينه ها مثل تجارت ، علوم ،مهندسي و پزشكي بكار ميرود.

اسلاید 6 :

الگوريتم هاي ژنتيك يك مجموعه از راه حلهاي كانديد براي مسئله نگهداري ميكنند .

و اين مجموعه را با اعمال تكراري مجموعه عملگرهاي تصادفي تكامل ميدهد .

اسلاید 7 :

اپراتورهای غير قطعي
انتخاب : موفق ترين راه حل را در جمعيت مورد نظر مي يابد

تركيب دوباره : دو راه حل مجزا را تجزيه مي كند و آنها را براي ايجاد راه حلهاي جديد بطور با هم تركيب مي كند

جهش : بطور تصادفي راه حلهاي كانديد را آشفته مي كند.

اسلاید 8 :

جدول مقايسه

اسلاید 9 :

طبقه تكنيكهاي جستجو

اسلاید 10 :

الگوريتم ژنتيك ساده
{
initialize population;
evaluate population;
while TerminationCriteriaNotSatisfied
{
select parents for reproduction;
perform recombination and mutation;
evaluate population;
}
}
Genetic Algorithms : Seminar

اسلاید 11 :

سيكل توليد مجدد GA
reproduction
population
evaluation
modification
discard
deleted
members
parents
children
modified
children
evaluated children
Genetic Algorithms : Seminar

اسلاید 12 :

جمعيت
Chromosomes could be:
Bit strings (0101 . 1100)
Real numbers (43.2 -33.1 . 0.0 89.2)
Permutations of element (E11 E3 E7 . E1 E15)
Lists of rules (R1 R2 R3 . R22 R23)
Program elements (genetic programming)
. any data structure .
population
Genetic Algorithms : Seminar

اسلاید 13 :

توليد مجدد

reproduction
population
parents
children
والدها بطور تصادفي بر اساس شانسهاي انتخابي مرتبط با ارزيابي هاي كروموزوم انتخاب مي شوند.

اسلاید 14 :

تغييرات كروموزوم
modification
children
تغييرات بطور غير قطعي انجام مي شوند :
انواع عملگرها عبارتند از :
جهش
تقاطع (تركيب مجدد )
modified children

اسلاید 15 :

جهش : تغييرات محلي
Before: (1 0 1 1 0 1 1 0)
After: (0 1 1 0 0 1 1 0)

Before: (1.38 -69.4 326.44 0.1)
After: (1.38 -67.5 326.44 0.1)
باعث ايجاد حركت در فضاي جستجو مي شود ) محلي يا عمومي )
اطلاعات از دست رفته در جمعيت را ذخيره مجدد مي كند

اسلاید 16 :

تقاطع : تركيب دوباره
P1 (0 1 1 0 1 0 0 0) (0 1 0 0 1 0 0 0) C1
P2 (1 1 0 1 1 0 1 0) (1 1 1 1 1 0 1 0) C2

تقاطع يك ابزار حياتي براي الگوريتمهاي ژنتيك است
جستجو را در تكامل اوليه جمعيت شتاب مي دهد.
باعث مي شود كه زير مجموعه هایی از راه حل ها روي كروموزومهاي متفاوت با هم ترکیب شوند.

اسلاید 17 :

ارزيابي
عملگر ارزيابي يك كروموزوم را رمزگشايي مي كندو يك مقدار
برازندگي به آن نسبت مي دهد.
عملگر ارزيابي تنها ارتباط بين ga و مسأله اي كه آن را حل ميكند مي باشد.
evaluation
evaluated
children
modified
children

اسلاید 18 :

حذف
GA توليد نسل : كل جمعيت با هر بار تكرار جايگزين ميشود.
GA حالت پايدار : تعداد كمي از اعضا در هر بار توليد جايگزين ميشود.
population
discard
discarded members

اسلاید 19 :

يك مثال انتزاعي
Distribution of Individuals in Generation 0
Distribution of Individuals in Generation N

اسلاید 20 :

نكاتي براي استفاده كنندگان GA
انتخاب موارد پايه پياده سازي
- نمايش دادن
- اندازه جمعيت ، نرخ جهش ، ..
- انتخاب ، سياستهاي حذف ، .
شرايط پايان
كارايي ، مقياس پذيري
راه حل خوب ، به خوب بودن تابع ارزيابي بستگي دارد
( معمولا“ سخت ترين قسمت است )