10 KiB
జనెటిక్ అల్గోరిథమ్స్
పూర్వ-లెక్చర్ క్విజ్
జనెటిక్ అల్గోరిథమ్స్ (GA) అనేవి AIకి సంబంధించిన ఎవల్యూషనరీ పద్ధతిపై ఆధారపడి ఉంటాయి, ఇందులో ఒక జనాభా యొక్క అభివృద్ధి పద్ధతులను ఉపయోగించి ఒక నిర్దిష్ట సమస్యకు ఉత్తమ పరిష్కారాన్ని పొందుతారు. ఇవి 1975లో జాన్ హెన్రీ హోలాండ్ ప్రతిపాదించారు.
జనెటిక్ అల్గోరిథమ్స్ ఈ క్రింది ఆలోచనలపై ఆధారపడి ఉంటాయి:
- సమస్యకు సరైన పరిష్కారాలను జీన్స్ రూపంలో ప్రాతినిధ్యం వహించవచ్చు
- క్రాసోవర్ ద్వారా రెండు పరిష్కారాలను కలిపి కొత్త సరైన పరిష్కారాన్ని పొందవచ్చు
- సెలెక్షన్ ద్వారా కొన్ని ఫిట్నెస్ ఫంక్షన్ ఉపయోగించి ఉత్తమ పరిష్కారాలను ఎంచుకుంటారు
- మ్యూటేషన్స్ పరిష్కారాన్ని స్థిరంగా ఉండకుండా చేసి స్థానిక కనిష్టం నుండి బయటపడేందుకు ఉపయోగిస్తారు
మీరు జనెటిక్ అల్గోరిథమ్ అమలు చేయాలనుకుంటే, ఈ క్రింది అంశాలు అవసరం:
- సమస్య పరిష్కారాలను జీన్స్ g∈Γ రూపంలో కోడింగ్ చేసే పద్ధతిని కనుగొనాలి
- జీన్స్ సెట్ Γ పై ఫిట్నెస్ ఫంక్షన్ fit: Γ→R నిర్వచించాలి. చిన్న ఫంక్షన్ విలువలు మెరుగైన పరిష్కారాలను సూచిస్తాయి.
- రెండు జీన్స్ కలిపి కొత్త సరైన పరిష్కారాన్ని పొందేందుకు క్రాసోవర్ పద్ధతిని నిర్వచించాలి crossover: Γ2→Γ.
- మ్యూటేషన్ పద్ధతిని నిర్వచించాలి mutate: Γ→Γ.
చాలా సందర్భాల్లో, క్రాసోవర్ మరియు మ్యూటేషన్ అనేవి జీన్స్ను సంఖ్యా శ్రేణులు లేదా బిట్ వెక్టర్లుగా సులభంగా నిర్వహించే అల్గోరిథమ్స్ ఉంటాయి.
జనెటిక్ అల్గోరిథమ్ యొక్క ప్రత్యేక అమలు సందర్భం ప్రకారం మారవచ్చు, కానీ మొత్తం నిర్మాణం ఇలా ఉంటుంది:
- ప్రారంభ జనాభా G⊂Γ ఎంచుకోండి
- ఈ దశలో అమలు చేయాల్సిన ఆపరేషన్ను యాదృచ్ఛికంగా ఎంచుకోండి: క్రాసోవర్ లేదా మ్యూటేషన్
- క్రాసోవర్:
- యాదృచ్ఛికంగా రెండు జీన్స్ g1, g2 ∈ G ఎంచుకోండి
- క్రాసోవర్ గణన చేయండి g=crossover(g1,g2)
- fit(g)<fit(g1) లేదా fit(g)<fit(g2) అయితే - జనాభాలో సంబంధిత జీన్ను gతో మార్చండి.
- మ్యూటేషన్ - యాదృచ్ఛిక జీన్ g∈G ఎంచుకుని దాన్ని mutate(g)తో మార్చండి
- దశ 2 నుండి పునరావృతం చేయండి, fit విలువ తగినంత చిన్నదైనంతవరకు లేదా దశల పరిమితి చేరేవరకు.
సాధారణ పనులు
జనెటిక్ అల్గోరిథమ్స్ సాధారణంగా పరిష్కరించే పనులు:
- షెడ్యూల్ ఆప్టిమైజేషన్
- ఉత్తమ ప్యాకింగ్
- ఉత్తమ కటింగ్
- సమగ్ర శోధన వేగవంతం చేయడం
✍️ వ్యాయామాలు: జనెటిక్ అల్గోరిథమ్స్
క్రింది నోట్బుక్స్లో మీ అభ్యాసాన్ని కొనసాగించండి:
ఈ నోట్బుక్కి వెళ్లి జనెటిక్ అల్గోరిథమ్స్ ఉపయోగించిన రెండు ఉదాహరణలను చూడండి:
- నిధుల సమాన విభజన
- 8 క్వీన్స్ సమస్య
ముగింపు
జనెటిక్ అల్గోరిథమ్స్ అనేక సమస్యలను, లాజిస్టిక్స్ మరియు శోధన సమస్యలను పరిష్కరించడానికి ఉపయోగిస్తారు. ఈ రంగం మానసిక శాస్త్రం మరియు కంప్యూటర్ సైన్స్ అంశాలను కలిపిన పరిశోధనల ద్వారా ప్రేరణ పొందింది.
🚀 సవాలు
"జనెటిక్ అల్గోరిథమ్స్ అమలు చేయడం సులభం, కానీ వాటి ప్రవర్తన అర్థం చేసుకోవడం కష్టం." source సుడోకు పజిల్ వంటి సమస్యను పరిష్కరించే జనెటిక్ అల్గోరిథమ్ అమలును కనుగొని, దాని పని విధానాన్ని స్కెచ్ లేదా ఫ్లోచార్ట్ రూపంలో వివరించండి.
పోస్ట్-లెక్చర్ క్విజ్
సమీక్ష & స్వీయ అధ్యయనం
ఈ అద్భుతమైన వీడియోను చూడండి, ఇందులో జనెటిక్ అల్గోరిథమ్స్ ద్వారా శిక్షణ పొందిన న్యూరల్ నెట్వర్క్స్ ఉపయోగించి కంప్యూటర్ సూపర్ మారియో గేమ్ ఆడటం ఎలా నేర్చుకుంటుందో వివరించబడింది. ఇలాంటి గేమ్స్ ఆడటానికి కంప్యూటర్ ఎలా నేర్చుకుంటుందో తదుపరి విభాగంలో మరింత తెలుసుకుంటాం.
అసైన్మెంట్: డయోఫాంటైన్ సమీకరణ
మీ లక్ష్యం డయోఫాంటైన్ సమీకరణను పరిష్కరించడం - ఇది పూర్తి సంఖ్యల మూలాలు కలిగిన సమీకరణ. ఉదాహరణకు, a+2b+3c+4d=30 అనే సమీకరణను తీసుకోండి. ఈ సమీకరణను సంతృప్తి పరచే పూర్తి సంఖ్యల మూలాలను కనుగొనాలి.
ఈ అసైన్మెంట్ ఈ పోస్ట్ నుండి ప్రేరణ పొందింది.
సూచనలు:
- మూలాలను [0;30] పరిధిలో పరిగణించవచ్చు
- జీన్గా, మూల విలువల జాబితాను ఉపయోగించండి
ప్రారంభ బిందువుగా Diophantine.ipynb ఉపయోగించండి.
అస్పష్టత:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. మూల పత్రం దాని స్వదేశీ భాషలో అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారుల కోసం మేము బాధ్యత వహించము.