مقاله الگوریتمهای تکاملی

دانلود مقاله الگوریتمهای تکاملی
مقدمه:
همان طور که تاریخ الگوریتم های تکاملی نشان می دهد، گونه های زیادی از الگوریتم‌های تکاملی وجود دارند. ولی ایده همه آنها یکی است: با داشتن جمعیتی از گونه‌ها  فشار محیطی باعث انتخاب می شود (القاء بهترین) و این افزایش شایستگی جمعیت را نتیجه می دهد. با داشتن یک تابع کیفیتی که می خواهیم بیشینه شود، می توان مجموعه ای از جواب های کاندید را به طور تصادفی تولید کرد و تابع کیفیت را به عنوان معیاری برای محاسبه شایستگی به کاربرد (هر چه بیشتر، بهتر) بر اساس این شایستگی، بعضی از کاندیدهای بهتر انتخاب می شوند، تا به عنوان هسته ای برای تولید نسل بعد به کار روند. بر روی این کاندیدها ترکیب و یا جهش اعمال می شود. ترکیب بر روی دو یا بیشتر کاندید اعمال می شود (والدین) و نتیجه آن تولید فرزند (فرزندانی) است.
اعمال ترکیب و جهش باعث تولید مجموعه جدیدی می شود که با مجموعه قبلی (والدین) رقابت می کنند تا در نهایت برنده ها در نسل بعدی ظاهر شوند. این کار می تواند ادامه پیدا کند تا یک کاندید با ویژگی های کافی (جواب) به دست بیاید و یا اینکه محدودیت‌هایی که از قبل برای مسئله تعریف کرده ایم، ارضا شوند.

در این عمل دو نیروی اصلی وجود دارد که پایه سیستم تکاملی است:
– عملگرهای تغییر (ترکیب و جهش) که باعث ایجاد گوناگونی لازم و در نتیجه نوآوری می شود.
– انتخاب که نیرویی است که کیفیت را به جلو می برد.
ترکیب تغییر و انتخاب باعث بهتر شدن مقادیر شایستگی در جمعیت ها می شود.
با مشاهده روند حرکت جمعیت می توان تکامل به سوی بهینگی را مشاهده کرد.
تکامل به عنوان فرایند تطبیق بیان می شود. از این دید، شایستگی به عنوان هدف اصلی که باید بهینه شود مطرح نیست، بلکه عبارتی است که نیازمندی کل محیط را بیان می‌کند، هرچه این نیازمندی ها بیشتر ارضا شوند، نتیجه در تعداد بیشتری از اعضای جمعیت خود را نشان می دهد. عمل تکامل باعث می شود که جمعیت با محیط خود بیشتر و بیشتر سازگار شود.
بسیاری از اجزای فرآیند تکامل اتفاقی هستند. این اجزا در زمان انتخاب موجوداتی که مناسب تر هستند، احتمال انتخاب بیشتری دارند، هر چند در بیشتر اوقات، موجودات ضعیف تر هم شانس انتخاب شدن و زنده ماندن را دارند. اکثر اوقات موجودات به طور تصادفی برای ترکیب از جمعیت خارج می شوند. این مطلب در مورد تغییرات نیز صادق است.
همان گونه که از شبه کد نیز معلوم است، الگوریتم های تکاملی جزئی از الگوریتم‌های تولید – آزمایش هستند.
– الگوریتم تکاملی مبتنی بر جمعیت است.
– الگوریتم تکاملی از ترکیب استفاده می کند تا اطلاعات گونه های بیشتری را در یک گونه خلاصه کند.
– الگوریتم تکاملی اتفاقی است.
گونه های مختلف الگوریتم های تکاملی همگی از طرح کلی که ارائه شد، پیروی می‌کنند و فقط در جزئیات تکنیکی متفاوت هستند.

فهرست مطالب:
مقدمه
بخش اول: تعریف الگوریتم های تکاملی
علت استفاده از الگوریتم های تکاملی
انواع الگوریتم های تکاملی
روشهای الگوریتم تکاملی
استراتژی های تکاملی
برنامه ریزی تکاملی
بخش دوم: الگوریتم ژنتیک
ژنتیک در طبیعت
ایده اصلی الگوریتم ژنتیک
روشهای نمایش الگوریتم ژنتیک
روشهای انتخاب الگوریتم ژنتیک
عملگرهای الگوریتم ژنتیک
الگوریتم ژنتیک استاندارد
بخش سوم: الگوریتم کلونی زنبور عسل
شرح الگوریتم کلونی زنبور عسل
جستجوی غذا در طبیعت
کاربردهای الگوریتم زنبور عسل
بخش چهارم: الگوریتم مورچگان (ACO)
مزیتهای ACO
کاربردهای ACO
انواع مختلف الگوریتم های بهینه سازی مورچگان
بخش پنجم: الگوریتم رقابت استعماری
شکل دهی امپراطوری های اولیه
حرکت مستعمره ها به سمت امپریالیست
انقلاب؛تغییرات ناگهانی در موقعیت یک کشور
جابجایی موقعیت مستعمره و امپریالیست
رقابت استعماری
سقوط امپراطوری های ضعیف
شبه کد
کاربردها
نسخه های دیگر
بخش ششم: الگوریتم گورخر گوگل
معنی و مفهموم فروشگاه های اینترنتی
استانداردهای مورد تایید الگوریتم گورخر
قرار گرفتن در لیست فروشگاه های مورد تایید گوگل
مکان فیزیکی فروشگاه های اینترنتی
داشتن پشتیبانی آنلاین
داشتن سیاست شفاف در فروشگاه
همسو بودن تبلیغات فروشگاه با مسیر تبلیغات
بخش هفتم: الگوریتم پاندای گوگل
نحوه انتخاب اسم الگوریتم
حفظ رتبه سایت
بخش هشتم: الگوریتم تکاملی سیمبیوتیک (SEA)
عملگر ترکیب سیمبیوتیک
ایده کلی SEA
بخش نهم: الگوریتم پنگوئن گوگل
آپدیدت پنگوئن
دلایل و روشهای آپدیت پنگوئئن