Algorytm genetyczny w sztucznej inteligencji: przegląd, korzyści i kluczowe terminologie

Wstęp

Algorytm genetyczny służy do rozwiązywania skomplikowanych problemów z większą liczbą zmiennych i możliwych wyników/rozwiązań. Kombinacje różnych rozwiązań są przepuszczane przez algorytm oparty na darwinizmie, aby znaleźć najlepsze rozwiązania. Biedniejsze rozwiązania są następnie zastępowane potomstwem dobrych rozwiązań.

Wszystko to działa w oparciu o teorię Darwina, w której do reprodukcji wybierane są tylko najsilniejsze osobniki. Różne rozwiązania są uważane za elementy populacji i tylko najlepiej przystosowane rozwiązania mogą się powielać (tworzyć lepsze rozwiązania). Algorytmy genetyczne pomagają w optymalizacji rozwiązań każdego konkretnego problemu.

Cały proces algorytmów genetycznych jest symulacją programu komputerowego, w której atrybuty problemu i rozwiązania są traktowane jako atrybuty teorii Darwina. Podstawowe procesy, które biorą udział w algorytmach genetycznych to:

• Populacja rozwiązań jest zbudowana dla każdego konkretnego problemu. Elementy populacji konkurują ze sobą, aby znaleźć najodpowiedniejszego.
• Elementy populacji, które są sprawne, mogą jedynie tworzyć potomstwo (lepsze rozwiązania).
• Geny od najsilniejszych rodziców (rozwiązania) tworzą lepsze potomstwo. Dzięki temu przyszłe rozwiązania będą lepsze i trwałe.

Działanie algorytmów genetycznych w AI

Działanie algorytmu genetycznego w AI wygląda następująco:

• Składniki populacji, tj. elementy, są określane jako geny w algorytmach genetycznych w AI . Te geny tworzą osobnika w populacji (nazywanego również chromosomem).
• Tworzy się przestrzeń poszukiwań, w której gromadzą się wszystkie osoby. Wszystkie indywidua są zakodowane na skończonej długości w przestrzeni poszukiwań.
• Każda osoba w przestrzeni wyszukiwania (populacja) otrzymuje ocenę sprawności, która mówi o jej zdolności do konkurowania z innymi osobami.
• Wszystkie osoby z odpowiednimi wynikami sprawności są wyszukiwane i utrzymywane przez algorytm genetyczny, a osoby z wysokimi wynikami sprawności mają szansę na reprodukcję.
• Nowe potomstwo ma lepsze „rozwiązania częściowe” w porównaniu z rodzicami. Algorytmy genetyczne utrzymują również dynamikę przestrzeni przestrzeni poszukiwań w celu akumulacji nowych rozwiązań (potomstwa).
• Proces ten jest powtarzany, aż potomstwo nie będzie miało żadnych nowych atrybutów/cech niż ich rodzice (konwergencja). Populacja na końcu się zbiega, a wraz z potomstwem pozostają tylko najodpowiedniejsze rozwiązania (lepsze rozwiązania). Oblicza się również punktację sprawności nowych osobników w populacji (potomstwa).

Kluczowe terminologie w algorytmach genetycznych

• Operator selekcji – Ten operator w algorytmach genetycznych w sztucznej inteligencji jest odpowiedzialny za wybór osobników o lepszych wynikach sprawności do reprodukcji.
• Operator crossover — operator crossover wybiera lokację crossover, z której nastąpi scalenie. Miejsca krzyżowania u obu osobników dostępnych do krycia są wybierane losowo i tworzą nowe osobniki.
• Operator mutacji — ten operator w algorytmie genetycznym jest odpowiedzialny za osadzanie losowych genów u potomstwa w celu utrzymania różnorodności i uniknięcia przedwczesnej konwergencji.
• Przedwczesna zbieżność – Jeśli problem zostanie szybko zoptymalizowany, oznacza to, że potomstwo nie zostało wyprodukowane na wielu poziomach. Rozwiązania również nie będą miały optymalnej jakości. Aby uniknąć przedwczesnej konwergencji, operator mutacji dodaje nowe geny.
• Allel – Wartość konkretnego genu w chromosomie jest określana jako allel. Określony zestaw alleli dla każdego genu definiuje możliwe chromosomy tego konkretnego genu.

Przeczytaj: Rodzaje algorytmów AI, które powinieneś znać

Korzyści i zastosowania algorytmów genetycznych

• Rozwiązania stworzone za pomocą algorytmów genetycznych są mocne i niezawodne w porównaniu z innymi rozwiązaniami.
• Zwiększają rozmiar rozwiązań, ponieważ rozwiązania można optymalizować na dużą skalę wyszukiwania. Ten algorytm może również zarządzać dużą populacją.
• Rozwiązania generowane przez algorytmy genetyczne nie odbiegają zbytnio od niewielkiej zmiany danych wejściowych. Poradzą sobie z niewielkim hałasem.
• Algorytmy genetyczne mają rozkład stochastyczny zgodny z probabilistycznymi regułami przejścia, co czyni je trudnymi do przewidzenia, ale łatwymi do analizy.
• Algorytmy genetyczne mogą również działać w hałaśliwym otoczeniu. Może również działać w przypadku złożonych i dyskretnych problemów.
• Ze względu na swoją skuteczność algorytmy genetyczne mają wiele zastosowań, takich jak sieci neuronowe, logika rozmyta, łamanie kodów, filtrowanie i przetwarzanie sygnałów. Możesz dowiedzieć się więcej o algorytmach genetycznych w AI za pośrednictwem najlepszych kursów oferowanych przez upGrad.

Przeczytaj także: Rodzaje algorytmów klasyfikacji w ML

Dlaczego warto uczyć się od upGrad?

upGrad oferuje różne kursy AI, które są powiązane z najlepszymi uniwersytetami i instytucjami. Kursy te są zgodne z podejściem branżowym i są prowadzone przez wydziały ekspertów. Kursy prowadzone w AI przez upGrad są następujące:

• Master of Science in Machine Learning & AI afiliowany przy Liverpool John Moores University (LJMU).
• Dyplom PG w zakresie uczenia maszynowego i sztucznej inteligencji związany z IIIT Bangalore.

Korzyści z wyboru tych kursów na upGrad są następujące:

• upGrad zapewni również wsparcie w zakresie stażu, jeśli zdecydujesz się na te kursy. upGrad współpracuje z najlepszymi graczami w branży.
• Otrzymasz spersonalizowany mentoring, jeśli zdecydujesz się na wyżej wymienione kursy.
• Otrzymasz możliwość wyboru spośród wielu projektów, studiów przypadku, zadań itp.
• Otrzymasz również status absolwenta LJMU lub IIIT Bangalore, jeśli zdecydujesz się na te kursy.
• Spotkasz sesje mentoringowe prowadzone przez ekspertów branżowych, aby dowiedzieć się więcej o branży AI.
• Mentor kariery zostanie również zapewniony za pośrednictwem programu upGrad, aby uzyskać pełne wsparcie 360 ​​stopni.
• Te kursy AI od upGrad obejmą również języki programowania, narzędzia i bazy danych (biblioteki) używane w branży AI. Będziesz mieć również dostęp do ogromnej społeczności upGrad.

Wniosek

Algorytmy genetyczne są ważną koncepcją w AI i są jednym z najlepiej działających algorytmów AI, jeśli chodzi o znajdowanie optymalnych rozwiązań. Możesz dowiedzieć się więcej na ten temat, decydując się na kursy AI oferowane przez upGrad prowadzone przez wydziały eksperckie. Kurs LJMU na upGrad trwa 18 miesięcy, a drugi 12 miesięcy. Zacznij uczyć się AI już teraz!

Jeśli chcesz dowiedzieć się więcej o uczeniu maszynowym, sprawdź dyplom PG IIIT-B i upGrad w uczeniu maszynowym i sztucznej inteligencji, który jest przeznaczony dla pracujących profesjonalistów i oferuje ponad 450 godzin rygorystycznego szkolenia, ponad 30 studiów przypadków i zadań, IIIT- Status absolwenta B, ponad 5 praktycznych, praktycznych projektów zwieńczenia i pomoc w pracy z najlepszymi firmami.