روابط بین اعضا در الگوریتم تکاملی
در مطالعات الگوریتم‌های تکاملی، معمولاً روابط بین اعضا نادیده گرفته می‌شود. برخی از تلاش‌ها بر روابط بین زیر مجموعه‌های جمعیت متمرکز شده است. تمرکز ما بر بررسی روابط بین اعضا است، و می‌پرسیم در طول زمان چه اتفاقی برای ویژگی‌های ساختاری شبکه‌هایی می‌افتد که جمعیت‌های در حال تکامل را نشان می‌دهند. مطالعه شبکه‌ها به دلایل زیر مهم است:
(1) شبکه‌ها روابط بین اعضا را در نظر می‌گیرند (از طریق وجود لبه‌ها و طول آنها)،
(2) شبکه‌ها برای به تصویر کشیدن انواع دیگر روابط نیز مناسب‌تر هستند، مانند به عنوان پیوندهای اجدادی، و
(۳) شبکه‌ها مدل‌های مفیدی از روابطی را ارائه می‌دهند که گونه‌های بیولوژیکی به اشتراک می‌گذارند.
بازنمایی‌های شبکه‌ای از نمونه‌های شناخته شده الگوریتم‌های تکاملی، به‌عنوان مثال، الگوریتم‌های ژنتیک با کد واقعی، بهینه‌سازی ازدحام ذرات، و سیستم‌های دسته‌بند یادگیری را با استفاده از گره‌ها در شبکه برای بازنمایی اعضا در جمعیت، برای مسائل بهینه‌سازی معیاری که توسط بسیاری از محققان مورد مطالعه قرار گرفته است، اعمال می‌شود.
ادامه مطلب ...
حوزه الگوریتم‌های تکاملی (EAs)
در زمینه هوش مصنوعی یا هوش محاسباتی، الگوریتم‌های تکاملی زیرشاخه‌ای را تشکیل می‌دهند که بر بهینه‌سازی اکتشافی، جستجو و یادگیری تمرکز دارد. فراابتکاری برای انجام این وظایف به کار می‌رود و نمونه‌سازی می‌شود.
حوزه الگوریتم‌های تکاملی (EAs) به عنوان یک چتر عمل می‌کند که بسیاری از دسته‌‌های مختلف الگوریتم‌ها مانند الگوریتم‌های ژنتیک (GAs)، بهینه‌سازی ازدحام ذرات (PSO)، سیستم‌های دسته‌بند یادگیری (LCS)، برنامه‌ریزی ژنتیک (GP)، برنامه‌ریزی تکاملی (EP) را پوشش می‌دهد. در سال‌های اخیر بسیاری از مسائل دشوار با این رویکردها حل شده است. اگرچه یکسان نیستند، اما این الگوریتم‌ها - مبتنی بر جمعیت، هدایت شده بر اساس اصول انتخاب طبیعی، و استفاده برای مسائل بهینه‌سازی شباهت‌های زیادی دارند.
مسائل پرداخته شده توسط این الگوریتم‌ها با وجود چشم‌انداز بزرگی از راه‌حل‌های کاندید، و نیاز به جستجوی مؤثر این چشم‌انداز برای راه‌حل‌های بهینه مشخص می‌شوند. البته، چنین مسائلی از نظر محاسباتی غیرقابل حل هستند و جستجوی brute force یک گزینه عملی نیست. اما ممکن است یک سوال مرتبط مطرح کنیم: آیا اطلاعاتی در چشم انداز موجود است که بتوانیم از آنها برای یافتن نقاط هدف بعدی برای جستجو استفاده کنیم؟
ادامه مطلب ...