الخوارزمية الجينية في الذكاء الاصطناعي: نظرة عامة ، الفوائد والمصطلحات الرئيسية

مقدمة

تُستخدم الخوارزمية الجينية لحل المشكلات المعقدة بعدد أكبر من المتغيرات والنتائج / الحلول الممكنة. يتم تمرير مجموعات الحلول المختلفة من خلال الخوارزمية الداروينية لإيجاد أفضل الحلول. ثم يتم استبدال الحلول الأفقر بنسل الحلول الجيدة.

كل هذا يعمل على النظرية الداروينية ، حيث يتم اختيار الأصلح فقط للتكاثر. تعتبر الحلول المختلفة عناصر السكان ، ولا يُسمح إلا للحلول الأنسب بالتكاثر (لإنشاء حلول أفضل). تساعد الخوارزميات الجينية في تحسين الحلول لأي مشكلة معينة.

إن العملية الكاملة للخوارزميات الجينية هي محاكاة برنامج كمبيوتر يتم فيها التعامل مع سمات المشكلة والحل على أنها سمات للنظرية الداروينية. العمليات الأساسية التي تشارك في الخوارزميات الجينية هي كما يلي:

• تم بناء مجموعة من الحلول لأي مشكلة معينة. تتنافس عناصر السكان مع بعضها البعض لمعرفة الأصلح.
• يُسمح فقط لعناصر السكان الصالحة بتكوين ذرية (حلول أفضل).
• الجينات من أصلح الآباء (الحلول) تخلق ذرية أفضل. وبالتالي ، ستكون الحلول المستقبلية أفضل ومستدامة.

عمل الخوارزميات الجينية في الذكاء الاصطناعي

يتم عمل الخوارزمية الجينية في الذكاء الاصطناعي على النحو التالي:

• تسمى مكونات السكان ، أي العناصر ، كجينات في الخوارزميات الجينية في الذكاء الاصطناعي . تشكل هذه الجينات فردًا في المجتمع (يُطلق عليه أيضًا اسم كروموسوم).
• يتم إنشاء مساحة بحث يتم فيها تجميع جميع الأفراد. يتم ترميز جميع الأفراد بطول محدد في مساحة البحث.
• يُمنح كل فرد في مساحة البحث (السكان) درجة لياقة ، والتي تخبرنا عن قدرته على التنافس مع أفراد آخرين.
• يتم البحث عن جميع الأفراد مع درجات اللياقة الخاصة بهم والمحافظة عليها بواسطة الخوارزمية الجينية ويتم منح الأفراد الذين حصلوا على درجات عالية في اللياقة البدنية فرصة للتكاثر.
• النسل الجديد لديهم "حلول جزئية" أفضل مقارنة بوالديهم. تحافظ الخوارزميات الجينية أيضًا على مساحة مساحة البحث ديناميكية لتجميع الحلول الجديدة (النسل).
• تتكرر هذه العملية حتى لا يمتلك الأبناء أي سمات / سمات جديدة من آبائهم (التقارب). يتقارب السكان في النهاية ، وتبقى الحلول الصالحة فقط مع نسلهم (حلول أفضل). يتم أيضًا حساب درجة اللياقة للأفراد الجدد من السكان (النسل).

المصطلحات الرئيسية في الخوارزميات الجينية

• عامل الاختيار - هذا المشغل في الخوارزميات الجينية في الذكاء الاصطناعي مسؤول عن اختيار الأفراد الحاصلين على درجات لياقة أفضل للتكاثر.
• عامل التقاطع - يختار عامل التقاطع موقعًا للتقاطع من حيث سيحدث الدمج. يتم اختيار مواقع التقاطع في كل من الأفراد المتاحين للتزاوج بشكل عشوائي وتشكيل أفراد جدد.
• مشغل الطفرة - هذا المشغل في الخوارزمية الجينية مسؤول عن دمج الجينات العشوائية في النسل للحفاظ على التنوع وتجنب التقارب المبكر.
• التقارب المبكر - إذا تم تحسين المشكلة بسرعة ، فهذا يعني أن النسل لم يتم إنتاجه على مستويات عديدة. لن تكون الحلول أيضًا ذات جودة مثالية. لتجنب التقارب المبكر ، تمت إضافة جينات جديدة بواسطة عامل الطفرة.
• أليل - يُطلق على قيمة جين معين في الكروموسوم اسم أليل. تحدد مجموعة الأليلات المحددة لكل جين الكروموسومات المحتملة لهذا الجين المعين.

اقرأ: أنواع خوارزميات الذكاء الاصطناعي التي يجب أن تعرفها

فوائد واستخدامات الخوارزميات الجينية

• الحلول التي تم إنشاؤها من خلال الخوارزميات الجينية قوية وموثوقة مقارنة بالحلول الأخرى.
• إنها تزيد من حجم الحلول حيث يمكن تحسين الحلول على نطاق بحث كبير. يمكن لهذه الخوارزمية أيضًا إدارة عدد كبير من السكان.
• لا تنحرف الحلول التي تنتجها الخوارزميات الجينية كثيرًا في تغيير المدخلات بشكل طفيف. يمكنهم التعامل مع القليل من الضوضاء.
• تحتوي الخوارزميات الجينية على توزيع عشوائي يتبع قواعد الانتقال الاحتمالية ، مما يجعل من الصعب التنبؤ بها ولكن من السهل تحليلها.
• يمكن أن تؤدي الخوارزميات الجينية أيضًا في البيئات الصاخبة. يمكن أن تعمل أيضًا في حالة وجود مشاكل معقدة ومنفصلة.
• نظرًا لفعاليتها ، فإن الخوارزميات الجينية لها العديد من التطبيقات مثل الشبكات العصبية ، والمنطق الضبابي ، وكسر الشفرة ، والتصفية ومعالجة الإشارات. يمكنك معرفة المزيد عن الخوارزميات الجينية في الذكاء الاصطناعي من خلال أفضل الدورات التي تقدمها upGrad.

اقرأ أيضًا: أنواع خوارزمية التصنيف في ML

لماذا التعلم من upGrad؟

تقدم upGrad دورات متنوعة في الذكاء الاصطناعي التابعة لأفضل الجامعات والمؤسسات. تتبع هذه الدورات نهج الصناعة أولاً ويتم تدريسها من قبل كليات متخصصة. الدورات التي تقدمها upGrad في الذكاء الاصطناعي هي كالتالي:

• ماجستير العلوم في التعلم الآلي والذكاء الاصطناعي التابع لجامعة ليفربول جون مورس (LJMU).
• دبلوم PG في التعلم الآلي والذكاء الاصطناعي التابع لـ IIIT Bangalore.

فوائد اختيار هذه الدورات على upGrad هي كما يلي:

• ستقدم upGrad أيضًا دعم تحديد المواضع إذا اخترت هذه الدورات. تتعاون upGrad مع أفضل اللاعبين في الصناعة.
• ستحصل على إرشاد شخصي إذا اخترت الدورات المذكورة أعلاه.
• ستتاح لك الفرصة للاختيار من بين العديد من المشاريع ودراسات الحالة والمهام وما إلى ذلك.
• ستكسب أيضًا حالة الخريجين من LJMU أو IIIT Bangalore إذا اخترت هذه الدورات.
• ستصادف جلسات إرشاد من خبراء الصناعة لمعرفة المزيد عن صناعة الذكاء الاصطناعي.
• سيتم أيضًا توفير مرشد مهني لك عبر upGrad للحصول على دعم 360 درجة كامل.
• ستغطي هذه الدورات التدريبية في مجال الذكاء الاصطناعي من upGrad أيضًا لغات البرمجة والأدوات وقواعد البيانات (المكتبات) المستخدمة في صناعة الذكاء الاصطناعي. سيكون لديك أيضًا إمكانية الوصول إلى مجتمع upGrad الواسع.

خاتمة

تعد الخوارزميات الجينية مفهومًا مهمًا في الذكاء الاصطناعي وهي واحدة من أفضل خوارزميات الذكاء الاصطناعي أداءً عندما يتعلق الأمر بإيجاد الحلول المثلى. يمكنك معرفة المزيد عن هذا الموضوع من خلال اختيار دورات الذكاء الاصطناعي المقدمة من upGrad التي تدرسها كليات الخبراء. تمتد دورة جامعة جون مورس بليفربول على upGrad إلى 18 شهرًا ، بينما تستغرق الدورة الأخرى 12 شهرًا. ابدأ في تعلم الذكاء الاصطناعي الآن!

إذا كنت مهتمًا بمعرفة المزيد حول التعلم الآلي ، فراجع دبلوم PG في IIIT-B & upGrad في التعلم الآلي والذكاء الاصطناعي المصمم للمهنيين العاملين ويقدم أكثر من 450 ساعة من التدريب الصارم ، وأكثر من 30 دراسة حالة ومهمة ، IIIT- حالة الخريجين B ، أكثر من 5 مشاريع تتويجا عملية ومساعدة وظيفية مع أفضل الشركات.