مدل‌ها و الگوريتم‌هاي داده‌كاويالگوريتم‌هاي ژنتيك Genetic algorithms

1. ‫مدل‬‌‫ها‌و‌الگوريتم‬‌‫هاي‌داده‬‌‫كاوي‬‌
‫الگوريتم‬‌‌‫هاي‬‫ژنتيك‬‌‌‌
GENETIC ALGORITHMS
‫قویدل‬ ‫سمیه‬
‫محترم‬ ‫استاد‬:‫ساز‬‫زره‬ ‫دکتر‬ ‫آقای‬ ‫جناب‬
‫درس‬:‫کاوی‬‫داده‬ ‫و‬ ‫متن‬ ‫تحلیل‬
‫ورودی‬ ‫دانش‬ ‫و‬ ‫اطالعات‬ ‫بازیابی‬ ‫دکتری‬ ‫دوره‬1397
1

2. ‫خرد‬‫پدید‬ ‫رد‬‫آ‬ ‫گنجی‬ ‫کجا‬ ‫هر‬
‫ن‬‫آ‬‫ر‬‫ن‬‫آ‬ ‫سازد‬ ‫خدآ‬ ‫ام‬‫کلید‬
2

3. ‫است‬ ‫شده‬ ‫گرفته‬ ‫الهام‬ ‫طبیعت‬ ‫از‬ ‫تکاملی‬ ‫های‬‫الگوریتم‬ ‫سایر‬ ‫مثل‬ ‫ژنتیک‬ ‫الگوریتم‬.‫الگوریتم‬
‫شده‬ ‫گرفته‬ ‫الهام‬ ‫ژنتیک‬ ‫علم‬ ‫از‬ ‫خاص‬ ‫طور‬‫به‬ ‫است‬ ‫مشخص‬ ‫آن‬ ‫اسم‬ ‫از‬ ‫که‬ ‫طور‬‫همان‬ ‫ژنتیک‬.
3
،‫سلول‬chromosome‫و‬gene

4. ‫هر‬‫سلول‬‫بدن‬‫انسان‬‫شامل‬۲۵۰۰۰‫تا‬۳۵۰۰۰‫ژن‬‫است‬.
‫ها‬‫ژن‬‫حامل‬‫اطالعاتی‬‫هستند‬‫که‬‫تعیین‬‫ی‬‫کننده‬‫های‬‫ویژگی‬‫یک‬‫انسان‬‫هستند‬.
‫ها‬‫ژن‬‫روی‬chromosome‫قرار‬‫دارند‬.
‫روی‬‫یک‬chromosome‫صدها‬‫و‬‫یا‬‫شاید‬‫هزاران‬‫ژن‬‫وجود‬‫داره‬.
‫خود‬‫ها‬‫کروموزم‬‫صورت‬‫به‬‫جفتی‬‫هستند‬.
‫در‬‫ی‬‫هسته‬‫هر‬‫یک‬‫از‬‫های‬‫سلول‬‫بدن‬‫انسان‬۴۶‫کروموزوم‬‫تک‬‫یا‬۲۳‫جفت‬‫کروموزوم‬
‫است‬‫که‬‫نیمی‬‫از‬‫ها‬‫آن‬‫را‬‫از‬‫پدر‬‫و‬‫نیمی‬‫دیگر‬‫را‬‫از‬‫مادر‬‫گیره‬‫می‬.
4

5. ‫الگوریتم‬‫ژنتیک‬‫هم‬ً‫ا‬‫دقیق‬‫مانند‬‫چه‬‫آن‬‫در‬‫علم‬‫ژنتیک‬‫رخ‬‫دهد‬‫می‬‫عمل‬،‫کند‬‫می‬‫یعنی‬‫ما‬
‫یک‬‫جمعیت‬‫داریم‬(‫که‬‫های‬‫جواب‬‫احتمالی‬‫مسئله‬‫ما‬‫هستن‬)،‫هر‬‫فرد‬‫جمعیت‬
‫یک‬‫کروموزوم‬‫داره‬
‫و‬‫هر‬‫کروموزوم‬‫یک‬‫سری‬‫ژن‬.
‫های‬‫نسل‬‫بعدی‬‫از‬‫روی‬‫های‬‫نسل‬‫قبلی‬‫ایجاد‬‫شوند‬‫می‬.
‫به‬‫عبارت‬‫دیگر‬‫هر‬‫عضو‬‫نسل‬‫جدید‬‫کروموزوم‬‫خود‬‫را‬‫از‬‫پدر‬‫و‬‫ماردش‬‫ارث‬‫برد‬‫می‬.
5

6. chromosome‫ژنتیک‬ ‫الگوریتم‬ ‫در‬ ‫ها‬
chromosome‫بعدی‬ ‫دو‬ ‫های‬
Tree
Chromosome‫بعدی‬ ‫یک‬ ‫های‬
permutation
Octal
Hexadecimal
Binary
value encodings
6

7. ‫ژنتیک‬ ‫های‬ ‫الگوریتم‬ ‫اولیه‬ ‫تعاریف‬ ‫و‬ ‫اصول‬
7
•‫جمعیت‬(Population)‫یک‬‫زیر‬‫مجموعه‬‫از‬‫همه‬‫راه‬‫های‬‫حل‬(‫رمز‬‫شده‬)
‫ممکن‬‫برای‬‫مسا‬‫ل‬‫ه‬‫مورد‬‫مطالعه‬.
•‫جمعیت‬‫برای‬‫یک‬‫الگوریتم‬‫ژنتیک‬‫مشابه‬‫با‬‫جمعیت‬‫برای‬‫انسان‬‫است‬‫بجز‬
‫که‬‫این‬‫بجای‬‫وجود‬‫ها‬‫انسان‬‫ما‬‫راه‬‫های‬‫حل‬‫کاندید‬‫را‬‫داریم‬‫که‬‫وجود‬‫بشر‬‫را‬
‫نشان‬‫دهند‬‫می‬.
•‫ها‬‫کروموزوم‬:‫یک‬‫کروموزوم‬‫یک‬‫حل‬‫راه‬‫برای‬‫مسائله‬‫مورد‬‫مطالعه‬‫است‬.
•‫ژن‬:(Gene)‫موقعیت‬‫عنصری‬‫از‬‫یک‬‫کروموزم‬‫است‬
•‫آلل‬:(Allele)‫مقداری‬‫که‬‫یک‬‫ژن‬‫برای‬‫یک‬‫کروموزم‬‫خاص‬‫دریافت‬‫کند‬‫می‬.

8. 8

9. ◦‫ژنوتیپ‬:(Genotype)‫یک‬‫جمعیت‬‫در‬‫فضای‬‫محاسبات‬‫است‬.‫در‬‫فضای‬،‫محاسبات‬
‫راه‬‫ها‬‫حل‬‫به‬‫شیوه‬‫ای‬‫که‬‫راحتی‬‫به‬‫قابل‬‫فهم‬‫و‬‫مدیریت‬‫بوسیله‬‫یک‬‫سیستم‬‫محاسباتی‬
‫باشند‬‫نمایش‬‫داده‬‫شوند‬‫می‬.
◦‫فنوتیپ‬(Phenotyp)‫جمعیتی‬‫در‬‫فضای‬‫راه‬‫حل‬‫یک‬‫دنیای‬‫واقعی‬‫موجود‬‫باشد‬‫می‬‫که‬
‫در‬‫آن‬‫راه‬‫ها‬‫حل‬‫به‬‫شیوه‬‫ای‬‫نمایش‬‫داده‬‫شوند‬‫می‬‫که‬‫ها‬‫آن‬‫در‬‫موقعیت‬‫های‬‫دنیای‬
‫واقعی‬‫نمایش‬‫داده‬‫اند‬‫شده‬.
◦‫رمز‬‫گشایی‬‫و‬‫رمز‬‫گذاری‬Decoding and Encoding))‫در‬‫مسائل‬‫ساده‬
‫فضای‬‫فنوتیپ‬‫و‬‫ژنتیپ‬‫مشابه‬‫هستند‬.
◦‫اگرچه‬‫در‬‫اغلب‬‫موارد‬‫فضای‬‫فنوتیپ‬‫و‬‫ژنتیپ‬‫با‬‫یکدیگر‬‫متفاوت‬‫هستند‬.‫رمز‬‫گشایی‬
‫فرآیند‬‫انتقال‬‫یک‬‫راه‬‫حل‬‫از‬‫فضای‬‫ژنوتیپ‬‫به‬‫فضای‬،‫فنوتیپ‬‫در‬‫حالی‬‫که‬‫رمزگذاری‬
‫فرآیند‬‫انتقال‬‫از‬‫فضای‬‫فنوتیپ‬‫به‬‫ژنوتیپ‬‫باشد‬‫می‬.‫رمزگذاری‬‫باید‬‫به‬‫قدر‬‫کافی‬‫سریع‬
‫باشد‬‫این‬‫فرآیند‬ً‫ا‬‫مکرر‬‫در‬‫خالل‬‫محاسبه‬‫سازگاری‬‫انجام‬‫شود‬‫می‬.
9

10. 10
‫تابع‬‫ی‬‫سازگار‬:(Fitness Function)‫به‬‫آ‬‫ر‬‫مناسب‬‫حل‬‫آه‬‫ر‬‫و‬‫نماید‬‫می‬‫دریافت‬‫ودی‬‫ر‬‫و‬‫عنوآن‬‫به‬‫آ‬‫ر‬‫حل‬‫آه‬‫ر‬‫که‬‫آست‬‫آبعی‬
‫کند‬‫می‬‫تولید‬‫جی‬‫و‬‫خر‬‫عنوآن‬.‫مسائله‬‫آساس‬‫بر‬‫دیگر‬‫بعضی‬‫در‬‫و‬‫هستند‬‫یکسان‬‫هدف‬‫تابع‬‫و‬‫ی‬‫سازگار‬‫تابع‬،‫موآرد‬‫آز‬‫بعضی‬‫در‬
‫باشند‬‫متفاوت‬‫که‬‫آست‬‫ممکن‬.
‫عملگر‬‫نتیکی‬‫ژ‬:(Genetic Operators)‫دهند‬‫می‬‫تغییر‬‫آ‬‫ر‬‫ندآن‬‫ز‬‫فر‬‫نتیکی‬‫ژ‬‫ترکیب‬‫نتیکی‬‫ژ‬‫عملگرهای‬.‫به‬‫توآن‬‫می‬‫مثال‬‫آی‬‫ر‬‫ب‬
‫آنتخاب‬‫های‬‫عملگر‬(selection)،‫جهش‬(mutation)،‫متقاطع‬(crossover)‫برد‬‫نام‬‫غیره‬‫و‬.

11. 11

12. ‫ژنتیک‬ ‫الگوریتم‬ ‫چرخه‬
12
1.‫تولید‬‫جمعیت‬‫اولیه‬:‫یک‬‫سری‬‫کروموزم‬
۲.‫ارزیابی‬‫و‬‫محاسبه‬‫میزان‬‫مفید‬‫بودن‬
۳.‫های‬‫گام‬‫زیر‬‫رو‬‫برای‬‫تولید‬‫جمعیت‬‫نسل‬‫بعد‬:
‫دو‬‫تا‬‫از‬‫کرموزوم‬‫های‬‫جمعیت‬‫رو‬‫انتخاب‬‫کنیم‬‫می‬(‫به‬‫عنوان‬‫پدر‬‫و‬‫مادر‬)
‫و‬‫ایجاد‬‫دو‬‫تا‬‫فرزند‬‫از‬‫اونا‬‫و‬‫نسل‬‫بعدی‬
‫که‬‫این‬‫کدوم‬‫دو‬‫کروموزم‬‫به‬‫عنوان‬‫پدر‬‫و‬‫مادر‬‫انتخاب‬‫شوند‬‫بستگی‬‫به‬
‫میزان‬‫مفید‬‫بودنش‬‫شون‬‫داره‬.
‫اگر‬‫شرایط‬‫ایجاد‬‫یک‬‫جهش‬‫فراهم‬‫باشد‬‫در‬‫های‬‫کروموزم‬‫والدین‬‫یک‬
‫جهش‬‫ایجاد‬‫کنیم‬‫می‬(‫جهش‬‫یعنی‬‫یک‬‫تغییر‬‫ناگهانی‬‫در‬‫کروموزم‬)
‫نسل‬‫جدید‬‫رو‬‫به‬‫عنوان‬‫نسل‬‫بعدی‬‫انتخاب‬‫کنیم‬‫می‬
۴.‫بررسی‬‫کنیم‬‫می‬‫به‬‫شرط‬‫خاتمه‬‫رسیدیم‬‫یا‬‫نه‬
‫اگر‬‫به‬‫شرط‬‫خاتمه‬‫رسیده‬‫باشیم‬‫الگوریتم‬‫تمام‬‫شود‬‫می‬
‫اگر‬‫به‬‫شرط‬‫خاتمه‬‫نرسیده‬‫باشیم‬‫بر‬‫گردیم‬‫می‬‫گام‬۲

13. 13

14. 14

15. 15
‫ن‬‫آ‬‫سیر‬‫خط‬‫و‬‫نتیک‬‫ژ‬‫یتم‬‫ر‬‫آلگو‬
(،‫تقوی‬ ،‫ناصرصدرآبادی‬1۳9۳)

16. 16
◦‫های‬‫جواب‬‫با‬‫دایره‬‫توخالی‬‫جمعیت‬‫نسل‬‫کنونی‬‫را‬‫تشکیل‬‫دهند‬‫می‬.
◦‫های‬‫دایره‬‫خط‬‫چین‬‫معرف‬‫جمعیت‬‫نسل‬‫آتی‬‫هستند‬.
◦‫ساز‬‫و‬‫کار‬‫رسیدن‬‫به‬‫های‬‫جواب‬‫جمعیت‬‫نوعی‬‫سازی‬‫شبیه‬‫از‬‫زاد‬‫و‬‫ولد‬‫در‬‫فضای‬‫منطقه‬
‫ّه‬‫ج‬‫مو‬‫است‬.
◦‫نماد‬‫معرف‬‫ساز‬‫و‬‫کار‬‫تکثیر‬‫های‬‫جواب‬‫جدید‬‫است‬.
◦‫عالمت‬‫پیکان‬‫خط‬‫چین‬‫نوعی‬‫عملگر‬‫است‬‫که‬‫متناظر‬‫با‬‫جهش‬‫ژنتیکی‬‫در‬‫تولید‬‫نسل‬‫جدید‬
‫دخالت‬‫کند‬‫می‬.
◦‫هایی‬‫جواب‬‫با‬‫عالمت‬‫و‬‫نمواد‬‫پیکان‬‫وارد‬،‫شوند‬‫می‬‫والدین‬‫هستند‬.
◦‫هایی‬‫جواب‬‫که‬‫با‬‫عالمت‬‫پیکان‬‫خارج‬،‫شوند‬‫می‬‫فرزندان‬‫ها‬‫آن‬‫هستند‬.
◦‫فرزندان‬‫حاصل‬‫از‬‫زاد‬‫و‬‫ولد‬‫یا‬‫همان‬‫های‬‫جواب‬‫بهتر‬‫یا‬‫بدتر‬‫از‬‫والدین‬‫منجر‬‫شوند‬‫می‬.
‫ن‬‫آ‬‫سیر‬‫خط‬‫و‬‫نتیک‬‫ژ‬‫یتم‬‫ر‬‫آلگو‬
(،‫تقوی‬ ،‫ناصرصدرآبادی‬1۳9۳)

17. 17

18. 18
‫مدل‬‌‫ها‌و‌الگوريتم‬‌‫هاي‌داده‬‌‫كاوي‬:‌
‫الگوريتم‬‌‫هاي‌ژنتيك‬

19. ◦‫یکی‬‫از‬‫های‬‫الگوریتم‬،‫کاوی‬‫داده‬‫الگوریتم‬‫ژنتیک‬‫است‬.
◦GA‫ها‬ً‫ا‬‫عمدت‬‫بر‬‫اساس‬‫ها‬‫ایده‬‫و‬‫های‬‫تکنیک‬‫ژنتیک‬‫و‬‫تئوری‬‫تکامل‬‫بسط‬‫داده‬‫شوند‬‫می‬
(Grefenstette, 1986).
◦‫الگوریتم‬‫بر‬‫اساس‬ِ‫ن‬‫قانو‬ِ‫ل‬‫تکام‬‫داروین‬(‫بقا‬‫بهترین‬)‫است‬.
◦‫های‬‫الگوریتم‬،‫ژنتیک‬‫بر‬‫اساس‬‫اصل‬‫بقای‬‫ترین‬‫متناسب‬،‫جمعیت‬‫آینده‬‫را‬‫با‬‫چندین‬‫عملیات‬‫ایجاد‬،‫کنند‬‫می‬
‫که‬‫هر‬‫فرد‬/‫شرط‬‫در‬‫جمعیت‬‫نشان‬‫ی‬‫دهنده‬‫یک‬‫راه‬‫حل‬‫عملی‬‫است‬(Hong,Lee, Wu,
2014).
◦Genetic Algorithms (GA)‫توسط‬Holland‫ارائه‬‫شده‬‫است‬(Eggermont, 2005).
19

20. ◦‫جان‬،‫هلند‬‫دآنشمند‬‫علوم‬‫کامپیوتر‬‫و‬،‫آنشناس‬‫و‬‫ر‬‫مبدع‬‫آی‬‫شاخه‬‫آز‬‫علوم‬‫کامپیوتربه‬‫نام‬«‫های‬‫سیستم‬
‫تطبیقی‬‫پیچیده‬»‫باشد‬‫می‬.‫آو‬‫در‬‫تاب‬‫ک‬‫خود‬‫یک‬‫سیستم‬‫تطبیقی‬‫یا‬‫وفقی‬‫آ‬‫ر‬‫چنین‬‫شرح‬‫دهد‬‫می‬‫که‬‫سیستم‬
‫مربوطه‬‫ر‬‫طو‬‫به‬‫یکنوآخت‬‫و‬‫پیوسته‬‫خودش‬‫آ‬‫ر‬‫تغییر‬‫دهد‬‫می‬‫تا‬‫آز‬‫محیط‬‫آف‬‫ر‬‫آط‬‫خود‬‫بهتر‬‫آستفاده‬‫کند‬.
◦‫لند‬ُ‫ه‬‫در‬‫خالل‬‫توسعه‬‫ری‬‫تئو‬‫خود‬‫آی‬‫ر‬‫ب‬‫های‬‫سیستم‬‫تطبیقی‬‫شرح‬‫به‬‫های‬‫ر‬‫آتو‬‫ر‬‫آپ‬‫نتیک‬‫ژ‬‫آی‬‫ر‬‫ب‬‫تغییر‬‫حالت‬
‫سیستم‬‫پردآزد‬‫می‬.
◦‫گرچه‬‫تاب‬‫ک‬،‫لند‬ُ‫ه‬‫آختصاصا‬‫آی‬‫ر‬‫ب‬‫های‬‫سیستم‬‫تطبیقی‬‫نگاشته‬‫شده‬‫آست‬‫ولی‬‫یک‬‫مشخصه‬‫بسیار‬‫مهم‬
‫دآرد‬‫و‬‫ن‬‫آ‬‫آبدآع‬‫و‬‫معرفی‬‫یتم‬‫ر‬‫آلگو‬‫نتیک‬‫ژ‬‫باشد‬‫می‬.
20

21. 21
‫های‬‫الگوریتم‬‫ژنتیک‬(GA‫ها‬)‫برای‬‫محققان‬‫در‬‫حل‬‫مسائل‬‫مختلف‬‫اهمیت‬
‫ای‬‫فزاینده‬،‫اند‬‫یافته‬‫چرا‬‫که‬‫توانند‬‫می‬‫راه‬‫های‬‫حل‬‫امکان‬‫پذیری‬‫را‬‫در‬‫زمان‬
‫محدود‬‫ارائه‬‫دهند‬(Homaifar, Guan & Liepins, 1993).
‫این‬‫ها‬‫الگوریتم‬‫های‬‫حل‬‫راه‬‫ّۀ‬‫و‬‫بالق‬‫یک‬‫مسأله‬‫را‬‫در‬‫قالب‬‫های‬‫شرط‬‫ای‬‫ساده‬
‫کد‬‫کنند‬‫می‬‫و‬‫سپس‬‫عملگرهای‬‫ترکیبی‬‫را‬‫روی‬‫این‬‫ساختارها‬‫ِعمال‬‫ا‬
‫کنند‬‫می‬.‫های‬‫الگوریتم‬‫ژنتیک‬‫اغلب‬‫به‬‫عنوان‬‫روشی‬‫برای‬‫سازی‬‫بهینه‬‫توابع‬
‫شناخته‬‫شوند‬‫می‬.

22. 22
‫زمینه‬‫مناسبی‬‫برای‬‫پژوهش‬‫محسوب‬‫شوند؛‬‫می‬
‫بلکه‬‫بیشتر‬‫به‬‫منظور‬‫راهنمایی‬‫در‬‫مورد‬‫فرآیند‬‫یادگیری‬‫الگوریتم‬‫های‬
‫داده‬‫کاوی‬‫مانند‬‫شبکه‬‫های‬‫عصبی‬‫مورد‬‫استفاده‬‫قرار‬‫می‬‫گیرد‬.
‫برای‬‫یادگیری‬‫های‬‫شبکه‬‫عصبی‬‫ویژه‬‫به‬‫های‬‫شبکه‬‫عصبی‬‫همزمان‬
‫استفاده‬‫شوند‬‫می‬.
Tutorialpoint.com

23. ‫الگوریتم‬‫ژنتیک‬ ‫های‬‫چیست؟‬
◦‫الگوریتم‬‫های‬‫ژنتیک‬،‫یک‬‫تکنیک‬‫جستجو‬‫برای‬‫حل‬‫مساله‬‫با‬‫استفاده‬‫از‬‫مدل‬‫ژنتیک‬‫است‬.
◦‫در‬‫زمره‬‫های‬‫الگوریتم‬‫مبتنی‬‫بر‬‫جمعیت‬‫و‬‫تکرار‬‫جمعیت‬‫قرار‬‫دارد‬.
◦‫های‬‫جواب‬‫نخستین‬‫جمعیت‬‫تواند‬‫می‬‫صورت‬‫به‬‫تصادفی‬‫از‬‫منطقه‬‫موجه‬‫انتخاب‬‫و‬‫یا‬‫با‬‫های‬‫روش‬‫ابتکاری‬‫ایجاد‬
‫شوند‬.
◦‫جمعیت‬‫هر‬‫تکرار‬‫باعث‬‫تعریف‬‫یا‬‫ایجاد‬‫جمعیت‬‫تکرار‬‫آتی‬‫شود‬‫می‬.
◦‫مجموعه‬‫های‬‫جواب‬‫مورد‬‫بررسی‬‫در‬‫هر‬،‫تکرار‬‫یک‬‫جمعیت‬‫از‬‫ها‬‫جواب‬‫نامیده‬‫شود‬‫می‬.
◦‫مبتنی‬‫بر‬‫جمعیت‬‫بودن‬‫به‬‫مفهوم‬‫توجه‬‫بیش‬‫از‬‫یک‬‫جواب‬‫در‬‫هر‬‫تکرار‬‫است‬.
‫الگوریتم‬‫ژنتیک‬‫با‬‫ایجاد‬‫ای‬‫رشته‬‫از‬‫اعداد‬‫که‬‫آن‬‫اعداد‬‫خود‬‫معرف‬‫ها‬‫حل‬‫راه‬،‫هستند‬‫ویژگی‬‫یابد‬‫می‬.
‫جهت‬‫بهینه‬،‫سازی‬‫جستجو‬‫و‬‫یادگیری‬‫ماشین‬‫مورد‬‫استفاده‬‫قرار‬‫گیرد‬‫می‬
‫اطالعاتی‬‫که‬‫باید‬‫انتقال‬‫داده‬‫شود‬‫در‬‫قالب‬‫کروموزم‬‫ها‬‫که‬‫شامل‬‫پارامترهایی‬‫برای‬‫ساختن‬‫مدل‬‫هستند‬‫قرار‬
‫می‬‫گیرد‬.
‫الگوریتم‬‫های‬‫ژنتیک‬‫به‬‫عنوان‬‫یک‬‫متد‬‫جهت‬‫انجام‬‫یک‬‫جستجوی‬‫هدایت‬‫شده‬‫برای‬‫مدل‬‫های‬‫خوب‬‫در‬‫فضای‬
‫حل‬‫مساله‬‫عمل‬‫می‬‫کند‬.
23
(،‫تقوی‬ ،‫ناصرصدرآبادی‬1۳9۳)

24. ‫دآرد؟‬‫کاربرد‬‫کجاها‬‫در‬‫نتیک‬‫ژ‬‫یتم‬‫ر‬‫آلگو‬
◦‫های‬‫الگوریتم‬،‫ژنتیک‬‫رویکردهای‬‫خیلی‬‫خوبی‬‫جهت‬‫سازی‬‫بهینه‬‫چندوجهی‬‫قلمداد‬
‫شوند‬‫می‬‫و‬‫ما‬‫مجبوریم‬‫های‬‫حل‬‫راه‬‫مختلف‬‫بهینه‬‫را‬‫پیدا‬‫کنیم؛‬
◦‫اساسا‬‫در‬‫حل‬‫مسائل‬‫سازی‬‫بهینه‬‫های‬‫زمینه‬‫مختلف‬‫استفاده‬‫شود‬‫می‬‫و‬‫طور‬‫به‬‫متداول‬
‫در‬‫های‬‫زمینه‬‫کاربردی‬‫دیگر‬‫هم‬‫استفاده‬‫شوند؛‬‫می‬
◦‫الگوریتم‬‫های‬‫ژنتیک‬‫برای‬‫یافت‬‫الگوها‬‫استفاده‬‫نمی‬‫شود‬
24
Tutorialpoint.com

25. 25
‫استفاده‬‫از‬‫الگوریتم‬‫های‬‫ژنتیک‬‫برای‬‫تشخیص‬DNA‫؛‬
‫منظور‬‫به‬‫طراحی‬‫ها‬‫سفینه‬‫از‬‫طریق‬‫سازی‬‫تنوع‬‫پارامترها‬‫و‬‫تکامل‬‫های‬‫حل‬‫راه‬‫بهتر‬‫استفاده‬
‫شود؛‬‫می‬
‫برای‬‫حل‬‫مسائل‬‫مختلف‬‫بندی‬‫زمان‬‫ویژه‬‫به‬‫مسئله‬‫جدول‬‫زمانی‬‫استفاده‬‫شود؛‬‫می‬
‫برای‬‫وظایف‬‫پردازش‬‫تصویر‬‫دیجیتال‬‫مختلف‬‫از‬‫قبیل‬‫تطبیق‬‫متراکم‬‫پیکسلی‬‫استفاده‬
‫شود؛‬‫می‬
‫های‬‫قابلیت‬‫سازی‬‫موازی‬‫بسیار‬‫خوبی‬‫دارند‬‫و‬‫ثابت‬‫شده‬‫است‬‫ابزارهای‬‫خیلی‬‫موثری‬‫در‬
‫حل‬‫مسائل‬‫خاص‬‫دارند؛‬
Tutorialpoint.com

26. ‫در‬‫الگوریتم‬‫ژنتیک‬‫سه‬‫عملیات‬‫اصلی‬‫وجود‬‫دارد‬
1-‫عملیات‬‫کراس‬‫اور‬‫با‬‫جابجایی‬‫ها‬‫بیت‬‫بین‬‫دو‬‫فرد‬‫در‬‫جمعیت‬،‫اولیه‬‫فرزندانی‬‫را‬‫از‬‫آن‬
‫دو‬‫فرد‬‫ایجاد‬‫کند‬‫می‬.‫این‬‫فرزند‬‫برخی‬‫از‬‫ها‬‫ویژگی‬‫را‬‫از‬‫هر‬‫دو‬‫والد‬‫خود‬‫به‬‫ارث‬‫برد‬‫می‬.
۲-‫عملیات‬‫موتاسیون‬‫فرزندان‬‫را‬‫با‬‫تغییر‬‫تصادفی‬‫یک‬‫یا‬‫چند‬‫بیت‬‫فرد‬‫ایجاد‬‫کند‬‫می‬.
،‫بنابراین‬‫این‬‫فرزند‬‫ممکن‬‫است‬‫های‬‫ویژگی‬‫متفاوتی‬‫با‬‫والدین‬‫خود‬‫داشته‬‫باشد‬.‫موتاسیون‬
‫از‬‫جستجوی‬‫محلی‬‫فضای‬‫جستجو‬‫جلوگیری‬‫کند‬‫می‬‫و‬‫احتمال‬‫یافتن‬‫های‬‫اپتیمم‬‫عمومی‬
‫را‬‫افزایش‬‫دهد‬‫می‬.
۳-‫عملیات‬‫انتخاب‬‫بر‬‫اساس‬‫قواعد‬‫از‬‫پیش‬‫تعریف‬‫شده‬‫فرزندانی‬‫را‬‫برای‬‫بقا‬‫انتخاب‬
‫کند‬‫می‬.‫این‬‫کار‬‫ی‬‫اندازه‬‫جمعیت‬‫را‬‫در‬‫حد‬‫معینی‬‫ثابت‬‫نگه‬‫دارد‬‫می‬‫و‬‫فرزندان‬‫شایسته‬‫را‬
‫با‬‫احتمال‬‫باالتری‬‫در‬‫نسل‬‫بعدی‬‫جای‬‫دهد‬‫می‬.
‫ژنتیکی‬ ‫عملیات‬ ‫سه‬(‫انتخاب‬ ‫و‬ ‫موتاسیون‬ ،‫اور‬ ‫کراس‬)‫شود‬‫می‬ ‫انجام‬ ‫بعدی‬ ‫نسل‬ ‫ایجاد‬ ‫برای‬.
26(Hong, Lee, Wu, 2014).

27. ‫ژنتیک‬ ‫الگوریتم‬ ‫چرخه‬
27
‫اولیه‬ ‫جمعیت‬:‫تقریبی‬ ‫های‬‫جواب‬ ‫همون‬
‫ها‬‫جواب‬ ‫بودن‬ ‫مفید‬ ‫میزان‬ ‫محاسبه‬ ‫و‬ ‫ارزیابی‬
‫جواب‬ ‫یک‬ ‫یعنی‬ ‫ژنتیک‬ ‫الگوریتم‬ ‫توی‬ ‫کروموزوم‬ ‫هر‬ ‫بعد؛‬ ‫نسل‬ ‫جمعیت‬ ‫تولید‬
‫معیار‬ ‫یک‬ ‫وجود‬ ‫به‬ ‫نیاز‬
‫جواب‬ ‫بودن‬ ‫بد‬ ‫یا‬ ‫خوب‬(‫کروموزوم‬)
‫مفهوم‬ ‫نام‬‫به‬ ‫تابعی‬ ‫از‬‫برازش‬ ‫تابع‬(fitness function)‫شه‬‫می‬ ‫گرفته‬ ‫کمک‬

28. 28
‫نکته‬‫مهم‬‫در‬‫مورد‬‫تابع‬‫برازش‬‫در‬‫الگوریتم‬‫ژنتیک‬‫این‬‫است‬‫که‬‫خروجی‬‫الگوریتم‬‫ژنتیک‬
‫بسیار‬‫به‬‫این‬‫تابع‬‫وابسته‬‫است‬.
‫اگر‬‫تابع‬‫میزان‬‫خوب‬‫بودن‬‫جواب‬‫رو‬‫نتواند‬‫درستی‬‫به‬‫نشان‬‫دهد‬‫مسلما‬‫الگوریتم‬‫ما‬
‫جواب‬‫اشتباه‬‫می‬‫دهد‬.

29. ‫خروجی‬ ‫یک‬ ‫و‬ ‫داره‬ ‫ورودی‬ ‫یک‬ ‫ای‬‫دیگه‬ ‫تابع‬ ‫هر‬ ‫مثل‬ ‫برازش‬ ‫تابع‬
29
‫ژنتیک‬ ‫الگوریتم‬ ‫در‬ ‫برازش‬ ‫تابع‬ ‫ورودی‬:
‫کروموزوم‬(‫جواب‬ ‫همون‬ ‫یا‬)
‫ژنتیک‬ ‫الگوریتم‬ ‫در‬ ‫برازش‬ ‫تابع‬ ‫خروجی‬:
‫کروموزوم‬ ‫بودن‬ ‫خوب‬ ‫میزان‬(‫جواب‬ ‫بودن‬ ‫خوب‬ ‫میزان‬ ‫همون‬ ‫یا‬)

30. ‫برازش‬ ‫تابع‬ ‫مورد‬ ‫در‬ ‫مهم‬ ‫نکات‬
‫نمایش‬ ‫نوع‬ ‫و‬ ‫ژنتیک‬ ‫الگوریتم‬ ‫در‬ ‫برازش‬ ‫تابع‬
‫کروموزوم‬
•‫تابع‬‫برازش‬‫به‬‫نوع‬‫نمایش‬‫کروموزوم‬‫بسیار‬‫وابسته‬
‫است‬
•‫ما‬‫توانیم‬‫می‬‫کروموزوم‬‫ها‬‫را‬‫در‬‫یک‬‫مسئله‬‫به‬
‫چندین‬‫شیوه‬‫مختلف‬‫نمایش‬،‫دهیم‬‫در‬‫این‬‫صورت‬
‫نیاز‬‫است‬‫تا‬‫تابع‬‫برازش‬‫متناسب‬‫با‬‫را‬‫آن‬‫نیز‬‫تعریف‬
‫کنیم‬.
‫ژنتیک‬ ‫الگوریتم‬ ‫در‬ ‫برازش‬ ‫تابع‬‫دقت‬ ‫میزان‬ ‫و‬
•‫برای‬‫یک‬‫مسئله‬‫چندین‬‫تابع‬‫برازش‬‫داشته‬،‫باشیم‬
‫ولی‬‫هر‬‫کدام‬‫های‬‫دقت‬‫متفاوتی‬‫داشته‬‫باشد‬.
•‫این‬‫اتفاق‬‫زمانی‬‫افتد‬‫که‬‫مسئله‬‫جانبی‬‫برای‬‫ما‬‫مهم‬
‫باشد‬.
•‫مثل‬:‫زمان‬‫اجرای‬‫یک‬‫تابع‬/‫دقت‬‫تابع‬‫برازش‬/
‫حافظه‬‫مورد‬‫نیاز‬
30

31. 31
‫ژنتیک‬ ‫الگوریتم‬ ‫یک‬ ‫ایجاد‬

32. 32
‫رولت‬ ‫چرخ‬ ‫نام‬ ‫با‬ ‫که‬ ‫انتخاب‬ ‫مکانیزیم‬ ‫اولین‬(roulette wheel)‫شود‬‫می‬ ‫شناخته‬
‫پرکاربردترین‬ ‫و‬ ‫ترین‬‫محبوب‬ ‫که‬‫اس‬ ‫انتخاب‬ ‫مکانیز‬‫ت‬.
Fitness proportionate selection‫اساس‬ ‫بر‬ ‫انتخاب‬ ‫یا‬‫کروموزوم‬ ‫برازش‬ ‫تابع‬ ‫بودن‬ ‫مناسب‬ ‫میزان‬
‫بودنشون‬ ‫مناسب‬ ‫میزان‬‫به‬ ‫بسته‬ ‫ها‬‫کروموزوم‬ ‫از‬ ‫یک‬ ‫هر‬ ‫رولت‬ ‫چرخ‬ ‫مکانیزم‬ ‫در‬(‫برازش‬ ‫تابع‬ ‫اساس‬ ‫بر‬)‫دارند‬ ‫شدن‬ ‫انتخاب‬ ‫احتمال‬
‫ژنتیک‬ ‫الگوریتم‬ ‫در‬ ‫رولت‬ ‫چرخ‬ ‫مکانیزم‬(‫انتخاب‬ ‫عملگر‬)

33. ◦‫اولیه‬ ‫جمعیت‬ ‫تولید‬ ،‫الگوریتم‬ ‫اول‬ ‫گام‬(‫راه‬‫ها‬‫حل‬‫ها‬‫کروموزوم‬ ‫یا‬:)‫جواب‬ ‫تعداد‬‫مسئله‬
Fitness_Function (Chromosome1) = 1
Fitness_Function (Chromosome2) = 4
Fitness_Function (Chromosome3) = 3
Fitness_Function (Chromosome4) = 2
◦‫فرض‬:‫هر‬‫چه‬‫عدد‬‫حاصل‬‫بیشتر‬‫و‬‫بزرگتر‬‫باشد‬‫راه‬‫حل‬(‫کروموزوم‬)‫بهتر‬‫است‬.
◦‫بر‬‫اساس‬‫خروجی‬‫باال‬‫کروموزوم‬۲‫بهترین‬‫کروموزوم‬‫و‬‫کروموزوم‬1‫بدترین‬‫کروموزوم‬‫است‬.
◦‫هر‬‫چه‬‫یک‬‫کروموزوم‬‫بهتر‬‫باشه‬‫احتمال‬‫انتخاب‬‫شدنش‬‫برای‬‫تولید‬‫نسل‬‫بعدی‬‫بیشتر‬‫و‬‫برعکس‬‫هر‬‫چه‬‫کروموزوم‬‫بدتر‬،‫باشه‬
‫احتمال‬‫انتخاب‬‫شدن‬‫اون‬‫برای‬‫تولید‬‫نسل‬‫بعدی‬‫کمتر‬‫خواهد‬‫بود‬.
◦‫در‬‫نتیجه‬‫کروموزوم‬۲‫بیشترین‬‫احتمال‬‫انتخاب‬‫را‬‫دارد‬‫و‬‫کروموزوم‬‫شماره‬1‫کمترین‬‫احتمال‬‫رو‬‫برای‬‫تولید‬‫نسل‬‫بعدی‬‫دارد‬.
33

34. 34
‫کروموزوم‬ ‫هر‬ ‫شدن‬ ‫انتخاب‬ ‫احتمال‬:
Probability (chromosomes C) = Fitness(chromosomes C) / Sum Fitness (All chromosomes)
‫مقادیر‬ ‫مجموعه‬ ‫خوب‬Fitness‫برای‬۴‫میشه‬ ‫باال‬ ‫کروموزوم‬1+۴+۳+۲=1۰
Fitness_Function (Chromosome1) = 1
Fitness_Function (Chromosome2) = 4
Fitness_Function (Chromosome3) = 3
Fitness_Function (Chromosome4) = 2
‫کروموزوم‬ ‫انتخاب‬ ‫احتمال‬i‫با‬ ‫است‬ ‫برابر‬
‫کروموزوم‬ ‫برازش‬ ‫تابع‬ ‫نسبت‬i‫به‬
‫ها‬‫کروموزوم‬ ‫همه‬ ‫برازش‬ ‫تابع‬ ‫مجموع‬

35. ،‫الگوریتم‬‫ارزیابی‬‫ها‬‫حل‬‫راه‬
‫در‬‫گام‬‫آخر‬:‫یک‬‫عدد‬‫تصادفی‬‫بین‬۰‫تا‬1‫تولید‬‫کنیم‬‫می‬.‫این‬‫عدد‬‫در‬‫هر‬‫ای‬‫بازه‬‫قرار‬‫بگیرید‬‫یعنی‬‫آن‬‫کروموزوم‬
‫انتخاب‬‫شده‬‫است‬.
‫مثال‬‫اگر‬‫عدد‬‫تصادفی‬۰٫۲۵،‫باشد‬‫چون‬‫بین‬۰٫1‫تا‬۰٫۵‫است‬‫در‬‫نتیجه‬‫کروموزوم‬‫شماه‬‫دو‬‫انتخاب‬‫می‬‫شود‬.‫و‬‫یا‬‫مثال‬
‫اگر‬۰٫۸9‫انتخاب‬‫شد‬‫چون‬‫بین‬۰٫۸‫تا‬1‫است‬‫کروموزوم‬‫شماره‬۴‫انتخاب‬‫می‬‫شود‬.
35
‫احتمال‬‫کروموزوم‬ ‫هر‬
Probability (chromosomes C1) = Fitness(chromosomes C1) / Sum Fitness (All
chromosomes) = 1/10 = 0.1
Probability (chromosomes C2) = 4/10 = 0.4
Probability (chromosomes C3) = 3/10 = 0.3
Probability (chromosomes C4) = 2/10 = 0.2
‫انتخاب‬‫ها‬‫کروموزوم‬‫یک‬ ‫و‬ ‫دهیم‬‫می‬ ‫قرار‬ ‫یک‬ ‫روی‬ ‫رو‬ ‫ها‬ ‫کروموزوم‬ ‫انتخاب‬ ‫احتمال‬ ،‫نگاشت‬‫ذیل‬ ‫شکل‬ ‫به‬:
‫کروموزوم‬ ‫انتخاب‬ ‫احتمال‬ ‫انجایی‬ ‫از‬‫برابر‬ ‫اول‬۰٫1‫است‬.‫بازه‬ ‫نتیجه‬ ‫در‬۰‫تا‬۰٫1‫دهیم‬ ‫می‬ ‫نسبت‬ ‫یک‬ ‫کروموزوم‬ ‫به‬ ‫را‬.
‫کروموزوم‬ ‫انتخاب‬ ‫احتمال‬ ‫انجایی‬ ‫از‬‫برابر‬ ‫دوم‬۰٫۴‫است‬.‫بازه‬ ‫نتیجه‬ ‫در‬۰٫1‫تا‬۰٫۵‫دهیم‬ ‫می‬ ‫نسبت‬ ‫یک‬ ‫کروموزوم‬ ‫به‬ ‫را‬.
‫برابر‬ ‫سوم‬ ‫کروموزوم‬ ‫انتخاب‬ ‫احتمال‬ ‫انجایی‬ ‫از‬۰٫۳‫است‬.‫بازه‬ ‫نتیجه‬ ‫در‬۰٫۵‫تا‬۰٫۸‫دهیم‬ ‫می‬ ‫نسبت‬ ‫یک‬ ‫کروموزوم‬ ‫به‬ ‫را‬.
‫برابر‬ ‫چهارم‬ ‫کروموزوم‬ ‫انتخاب‬ ‫احتمال‬ ‫انجایی‬ ‫از‬۰٫۲‫است‬.‫بازه‬ ‫نتیجه‬ ‫در‬۰٫۸‫تا‬1‫دهیم‬ ‫می‬ ‫نسبت‬ ‫یک‬ ‫کروموزوم‬ ‫به‬ ‫را‬.

36. 36
‫پیشنهادی‬ ‫الگوریتم‬ ‫نوع‬ ‫سه‬ ،‫موازی‬ ‫ژنتیک‬ ‫های‬‫الگوریتم‬ ‫با‬ ‫ارتباط‬ ‫در‬(‫کانتو‬–،‫پاز‬1998):
1-‫ارباب‬ ‫ژنتیکی‬ ‫های‬‫الگوریتم‬–‫تک‬ ‫ای‬‫برده‬‫جمعیتی‬
2-‫تک‬ ‫ی‬‫دانه‬ ‫ریز‬ ‫ژنتیک‬ ‫های‬‫الگوریتم‬‫جمعیتی‬
3-‫چند‬ ‫ی‬‫دانه‬ ‫درشت‬ ‫ژنتیک‬ ‫های‬‫الگوریتم‬‫جمعیتی‬
(،‫آبال‬ ‫و‬ ‫آبرامسون‬199۲،‫همکاران‬ ‫و‬ ‫آرائوجو‬ ‫؛‬1999.)

37. 37
1-‫ارباب‬ ‫ژنتیکی‬ ‫های‬‫الگوریتم‬–‫جمعیتی‬ ‫تک‬ ‫ای‬‫برده‬:
‫این‬‫نوع‬‫از‬‫های‬‫الگوریتم‬‫ژنتیکی‬‫موازی‬‫مانند‬‫های‬‫الگوریتم‬‫ژنتیک‬‫ساده‬‫از‬‫جمعیت‬‫منفردی‬‫استفاده‬،‫کنند‬‫می‬‫اما‬‫مقدار‬‫برازش‬‫را‬‫با‬
‫توزیع‬‫ها‬‫کروموزوم‬‫بین‬‫چندین‬‫پردازنده‬‫ارزیابی‬‫نمایند‬‫می‬.‫عالوه‬‫بر‬،‫این‬‫اپراتورهای‬‫ژنتیکی‬‫مانند‬‫کراس‬‫اور‬‫و‬‫موتاسیون‬‫کل‬
‫جمعیت‬‫را‬‫در‬‫نظر‬‫گیرند‬‫می‬‫و‬‫در‬‫ی‬‫پردازنده‬‫اصلی‬‫اجرا‬‫شوند‬‫می‬.
2-‫جمعیتی‬ ‫تک‬ ‫ی‬‫دانه‬ ‫ریز‬ ‫ژنتیک‬ ‫های‬‫الگوریتم‬:
‫صورت‬ ‫به‬ ‫یافته‬ ‫ساخت‬ ‫جمعیت‬ ‫یک‬ ‫شامل‬ ‫و‬ ‫دارند‬ ‫نیاز‬ ‫موازی‬ ‫های‬‫پردازنده‬ ‫باالی‬ ‫تعداد‬ ‫به‬ ‫موازی‬ ‫ژنتیک‬ ‫های‬‫الگوریتم‬ ‫از‬ ‫نوع‬ ‫این‬
‫هستند‬ ‫فضایی‬.‫شوند‬‫می‬ ‫محدود‬ ‫کوچکی‬ ‫ی‬‫محدوده‬ ‫به‬ ‫ژنتیکی‬ ‫اپراتورهای‬.
3-‫جمعیتی‬ ‫چند‬ ‫ی‬‫دانه‬ ‫درشت‬ ‫ژنتیک‬ ‫های‬‫الگوریتم‬:
‫شوند‬ ‫جابجا‬ ‫است‬ ‫ممکن‬ ً‫ا‬‫گاه‬ ‫آنها‬ ‫افراد‬ ‫و‬ ‫هستند‬ ‫فرعی‬ ‫جمعیت‬ ‫چندین‬ ‫شامل‬ ‫موازی‬ ‫ژنتیک‬ ‫های‬‫الگوریتم‬ ‫از‬ ‫نوع‬ ‫این‬.
‫ارباب‬ ‫موازی‬ ‫ژنتیک‬ ‫های‬‫الگوریتم‬ ‫نوع‬ ،‫باال‬ ‫نوع‬ ‫سه‬ ‫بین‬ ‫در‬–‫پارامترهای‬ ‫از‬ ‫تکامل‬ ‫فرآیند‬ ‫کنترل‬ ‫برای‬ ‫و‬ ‫دارد‬ ‫ساده‬ ‫ساختاری‬ ‫برده‬
‫کند‬‫می‬ ‫استفاده‬ ‫کمتری‬.‫به‬ ‫بندی‬ ‫طبقه‬ ‫قواعد‬ ‫کشف‬ ‫و‬ ‫زمانی‬ ‫جداول‬ ‫بندی‬ ‫زمان‬ ‫حل‬ ‫برای‬ ‫موازی‬ ‫ژنتیک‬ ‫های‬‫الگوریتم‬ ‫از‬ ‫نوع‬ ‫این‬
‫است‬ ‫شده‬ ‫گرفته‬ ‫کار‬ ‫به‬ ‫آمیز‬ ‫موفقیت‬ ‫صورت‬
(،‫آبال‬ ‫و‬ ‫آبرامسون‬199۲،‫همکاران‬ ‫و‬ ‫آرائوجو‬ ‫؛‬1999.)

38. 38

39. ‫ماخذ‬ ‫و‬ ‫منابع‬
2. Abramson, D., & Abela, J. (1992). A parallel genetic algorithm for solving the school
timetabling problem. In The fifteenth australian computer science conference, pp. 1–11.
3. Araujo, D. L. A., Lopes, H. S., & Freitas, A. A. (1999). A parallel genetic algorithm
for rule discovery in large databases. In The IEEE international conference on systems,
man and cybernetics conference, 3: 940–945.
4. Eggermont, J. (2005). Data Mining using Genetic Programming Classification and
Symbolic Regression. Universiteit Leiden, Doctoral Thesis.
5. Grefenstette, J. J. (1986). Optimization of control parameters for genetic algorithms.
IEEE Trans System Man, and Cybernetics, 16(1), 122–128.
6. Homaifar, A., Guan, S., & Liepins, G. E. (1993). A new approach on the traveling salesman
problem by genetic algorithms. In The fifth international conference on genetic algorithms.
7. Hong, T.P. ,Lee, Y.C.,Wu, M.T. (2014). An effective parallel approach for genetic-fuzzy data
mining. Expert Systems with Applications, 41: 655–662. available at ScienceDirect.
8. http://mrmining.ir/
9. Tutorialpoint.com
39
.1،‫بادی‬‫آ‬‫ر‬‫ناصرصد‬،‫علیرضا‬،‫تقوی‬‫نعیمه‬(1393).‫آی‬‫مقدمه‬‫بر‬‫های‬‫آلگوریتم‬‫ی‬‫آبتکار‬.‫آن‬‫ر‬‫ته‬:‫پندآر‬‫پارس‬.

40. 40
‫سوالی‌هست؟؟؟‬
‫پاسخگو‌هستم‬