الخوارزمية الجينية - 1

1. مقدمة
تعتبر الخوارزميات الجينية من الطرق الحديثة في تصميم و تدريب الشبكات العصبية,و تتميّز بكفاءتها العالية و ذلك للإمكانات العالية التي توفرها و منها كبر حجم فضاء البحث الذي تعمل عليه و كذلك استطاعتها التعامل مع فضاء بحث يتميّز بالتعقيد و غير قابل لل?شتقاق.
تعد الخوارزميات الجينية خوارزميات بحث عامة تعتمد على تقنيات الاختيار الطبيعي و الجينات الطبيعية. تقوم هذه الخوارزميات الجينية باجراء البحث العشوائي و المتوازي على مجموعة من الحلول بهدف اختيار أفضلها . يمكن تعريف الخوارزمية الجينية بأنها مجموعة من الخطوات التي تهدف إلى حل مشكلة معيّنة و فيما يلي خطوات هذه الخوارزمية:
Algorithm SGA
- initial (population);
- evaluation (population);
- gen = 0;
- do
- selected_parents ? selection (population);
- created_offspring ? crossover (selected_parents);
- mutation (created_offspring);
- population ? created_offspring;
- evaluation (population);
- gen ? gen+1;
- until stop_criterion

2. مصطلحات عامة

• كروموسوم chromosome)) :
يتم تمثيل متغيّرات المسألة المراد حلها باستخدام الخوارزمية الجينية بهيئة أفراد و كل فرد يمثّل بشكل كروموسوم.
يعرّف الكروموسوم من الناحية البرمجية بأنَه متجه ذو طول ثابت (أي ?نَّ طول الكروموسوم يقرأ مرة واحدة في بداية البرنامج ولا يتغيّر لأي سبب كان).
• الجين (Gene) :
geneL .... gene3 gene2 gene1
بما ?نَّ الكروموسوم هو عبارة عن متجه إذن هو يتكوّن من عدد من المواقع يطلق على كل موقع مصطلح gene

Chromosome
حيث أنَّ L هو طول الكروموسوم.
يختلف النوع البياني للـ gene حسب التشفير المستخدم للمسألة فقد تكون قيم الجينة ثنائية أو صحيحة أو حقيقية.
• المجتمع (population) :

الخوارزمية الجينية تبحث عن الحل مستخدمة عدة احتمالات (توّلد في البداية بصورة عشوائية) هذه القيم سوف تنشأ مجتمع.


باختصار
Population

Chromosome

Gene
أي أنَّ المجتمع عبارة عن مجموعة كروموسومات و الكروموسومات بدورها هي عبارة عن جينات.
?ذن من المناسب استخدام مصفوفات القيود كتمثيل برمجي للمجتمع.