人工知能における遺伝的アルゴリズム：概要、利点、および主要な用語

序章

遺伝的アルゴリズムは、より多くの変数と可能な結果/解決策を伴う複雑な問題を解決するために使用されます。 さまざまなソリューションの組み合わせがダーウィンベースのアルゴリズムに渡され、最適なソリューションが見つかります。 その後、貧弱なソリューションは、優れたソリューションの子孫に置き換えられます。

それはすべてダーウィン理論に基づいており、生殖のために最も適した個体だけが選ばれます。 さまざまなソリューションが母集団の要素と見なされ、最も適切なソリューションのみが再現できます（より良いソリューションを作成するため）。 遺伝的アルゴリズムは、特定の問題の解決策を最適化するのに役立ちます。

遺伝的アルゴリズムのプロセス全体は、問題と解決策の属性がダーウィン理論の属性として扱われるコンピュータープログラムシミュレーションです。 遺伝的アルゴリズムに関係する基本的なプロセスは次のとおりです。

• ソリューションの母集団は、特定の問題に対して構築されています。 人口の要素は、最も適切なものを見つけるために互いに競争します。
• 適合している母集団の要素は、子孫を作成することのみが許可されています（より良い解決策）。
• 最も適切な親（ソリューション）からの遺伝子は、より良い子孫を作成します。 したがって、将来のソリューションはより良く、持続可能なものになるでしょう。

AIにおける遺伝的アルゴリズムの働き

AIでの遺伝的アルゴリズムの動作は次のとおりです。

• 人口の構成要素、つまり要素は、 AIの遺伝的アルゴリズムでは遺伝子と呼ばれます。 これらの遺伝子は、集団内で個体を形成します（染色体とも呼ばれます）。
• すべての個人が蓄積される探索空間が作成されます。 すべての個人は、検索空間で有限の長さの範囲内でコード化されます。
• 検索スペース（母集団）内の各個人には、他の個人と競争する能力を示すフィットネススコアが与えられます。
• それぞれのフィットネススコアを持つすべての個人は、遺伝的アルゴリズムによって検索および維持され、フィットネススコアが高い個人には生殖の機会が与えられます。
• 新しい子孫は、両親と比較してより良い「部分的な解決策」を持っています。 遺伝的アルゴリズムはまた、新しい解（子孫）を蓄積するために探索空間の空間を動的に保ちます。
• このプロセスは、子孫が親よりも新しい属性/機能を持たなくなるまで繰り返されます（収束）。 母集団は最後に収束し、最も適切なソリューションのみが子孫とともに残ります（より良いソリューション）。 母集団（子孫）の新しい個人のフィットネススコアも計算されます。

遺伝的アルゴリズムの主要な用語

• 選択演算子– AIの遺伝的アルゴリズムのこの演算子は、生殖のためにより良いフィットネススコアを持つ個人を選択する責任があります。
• クロスオーバーオペレーター–クロスオーバーオペレーターは、マージが行われるクロスオーバーサイトを選択します。 交配に利用できる両方の個体の交配部位はランダムに選択され、新しい個体を形成します。
• 突然変異演算子–遺伝的アルゴリズムのこの演算子は、多様性を維持し、時期尚早の収束を回避するために、子孫にランダムな遺伝子を埋め込む役割を果たします。
• 時期尚早の収束–問題が迅速に最適化された場合、それは子孫が多くのレベルで生成されなかったことを意味します。 また、ソリューションの品質も最適ではありません。 時期尚早の収束を避けるために、突然変異演算子によって新しい遺伝子が追加されます。
• 対立遺伝子–染色体内の特定の遺伝子の値は対立遺伝子と呼ばれます。 各遺伝子に指定された対立遺伝子のセットは、その特定の遺伝子の可能な染色体を定義します。

読む：知っておくべきAIアルゴリズムの種類

遺伝的アルゴリズムの利点と使用法

• 遺伝的アルゴリズムによって作成されたソリューションは、他のソリューションと比較して強力で信頼性があります。
• 大規模な検索スケールでソリューションを最適化できるため、ソリューションのサイズが大きくなります。 このアルゴリズムは、大規模な人口を管理することもできます。
• 遺伝的アルゴリズムによって生成されたソリューションは、入力をわずかに変更してもそれほど逸脱しません。 彼らは少しのノイズを処理することができます。
• 遺伝的アルゴリズムには確率的遷移規則に従う確率分布があり、予測は困難ですが分析は容易です。
• 遺伝的アルゴリズムは、ノイズの多い環境でも実行できます。 複雑で離散的な問題の場合にも機能します。
• それらの有効性のために、遺伝的アルゴリズムには、ニューラルネットワーク、ファジーロジック、コードブレイク、フィルタリング、信号処理などの多くのアプリケーションがあります。 upGradが提供するトップコースを通じて、 AIの遺伝的アルゴリズムについて詳しく知ることができます。

また読む： MLの分類アルゴリズムの種類

なぜupGradから学ぶのですか？

upGradは、一流の大学や機関と提携しているAIのさまざまなコースを提供しています。 これらのコースは業界初のアプローチに従い、専門の教員によって教えられています。 upGradがAIで提供するコースは次のとおりです。

• リバプールジョンムーア大学（LJMU）に所属する機械学習とAIの理学修士。
• IIITバンガロアと提携している機械学習とAIのPGディプロマ。

upGradでこれらのコースを選択する利点は次のとおりです。

• これらのコースを選択した場合、upGradは配置サポートも提供します。 upGradは、業界のトッププレーヤーと提携しています。
• 前述のコースを選択すると、パーソナライズされたメンターシップを取得できます。
• 多くのプロジェクト、ケーススタディ、課題などから選択する機会が得られます。
• これらのコースを選択すると、LJMUまたはIIITバンガロアの卒業生ステータスも取得できます。
• AI業界について詳しく知るために、業界の専門家によるメンターシップセッションに出くわします。
• キャリアメンターもupGradを介して提供され、完全な360度のサポートを提供します。
• upGradのAIのこれらのコースでは、AI業界で使用されるプログラミング言語、ツール、データベース（ライブラリ）についても説明します。 また、広大なupGradコミュニティにアクセスできます。

結論

遺伝的アルゴリズムはAIの重要な概念であり、最適なソリューションを見つけることに関しては、最もパフォーマンスの高いAIアルゴリズムの1つです。 専門学部が教えるupGradが提供するAIコースを選択することで、このトピックについて詳しく知ることができます。 upGradのLJMUコースは18か月で、もう1つは12か月です。 今すぐAIの学習を始めましょう！

機械学習について詳しく知りたい場合は、IIIT-BとupGradの機械学習とAIのPGディプロマをご覧ください。これは、働く専門家向けに設計されており、450時間以上の厳格なトレーニング、30以上のケーススタディと課題、IIIT-を提供します。 B卒業生のステータス、5つ以上の実践的なキャップストーンプロジェクト、トップ企業との仕事の支援。