जेनेटिक एल्गोरिदम - उन्नत विषय
इस खंड में, हम आनुवंशिक एल्गोरिथम में कुछ उन्नत विषयों का परिचय देते हैं। जीए के लिए सिर्फ एक परिचय की तलाश में एक पाठक इस अनुभाग को छोड़ना चुन सकता है।
विवश अनुकूलन समस्याएँ
विवश ऑप्टिमाइज़ेशन समस्याएँ उन ऑप्टिमाइज़ेशन समस्याएँ हैं जिनमें हमें किसी दिए गए ऑब्जेक्टिव फंक्शन वैल्यू को अधिकतम या कम करना पड़ता है जो कुछ बाधाओं के अधीन होता है। इसलिए, समाधान स्थान में सभी परिणाम संभव नहीं हैं, और समाधान स्थान में संभव क्षेत्र होते हैं जैसा कि निम्नलिखित छवि में दिखाया गया है।
ऐसे परिदृश्य में, क्रॉसओवर और म्यूटेशन ऑपरेटर हमें समाधान दे सकते हैं जो कि संभव हैं। इसलिए, विवश अनुकूलन समस्याओं से निपटने के लिए अतिरिक्त तंत्र को GA में नियोजित किया जाना चाहिए।
सबसे आम तरीकों में से कुछ हैं -
का उपयोग करते हुए penalty functions जो व्यावहारिक समाधानों की फिटनेस को कम कर देता है, अधिमानतः ताकि फिटनेस का उल्लंघन हो रही सीमाओं की संख्या या संभव क्षेत्र से दूरी के अनुपात में कम हो।
का उपयोग करते हुए repair functions जो एक संक्रामक समाधान लेते हैं और इसे संशोधित करते हैं ताकि उल्लंघन की गई बाधाओं को संतुष्ट किया जा सके।
Not allowing infeasible solutions आबादी में प्रवेश करने के लिए।
का उपयोग special representation or decoder functions यह समाधान की व्यवहार्यता सुनिश्चित करता है।
मूल सैद्धांतिक पृष्ठभूमि
इस खंड में, हम बिल्डिंग ब्लॉक परिकल्पना के साथ स्कीमा और एनएफएल प्रमेय के बारे में चर्चा करेंगे।
स्कीमा प्रमेय
शोधकर्ताओं ने आनुवंशिक एल्गोरिदम के काम के पीछे गणित का पता लगाने की कोशिश की है, और हॉलैंड के स्कीमा प्रमेय उस दिशा में एक कदम है। स्कीम थ्योरम को और अधिक सामान्य बनाने के लिए वर्ष के विभिन्न सुधारों और सुझावों पर काम किया गया है।
इस खंड में, हम स्कीमा प्रमेय के गणित में नहीं आते हैं, बल्कि हम स्कीम प्रमेय क्या है की एक बुनियादी समझ विकसित करने का प्रयास करते हैं। जानने के लिए मूल शब्दावली इस प्रकार है -
ए Schemaएक "टेम्पलेट" है। औपचारिक रूप से, यह वर्णमाला = {0,1, *} पर एक स्ट्रिंग है,
जहां * परवाह नहीं है और कोई भी मूल्य ले सकता है।
इसलिए, * 10 * 1 का मतलब 01001, 01011, 11001 या 11011 हो सकता है
ज्यामितीय रूप से, एक स्कीमा समाधान खोज स्थान में एक हाइपर-प्लेन है।
Order एक स्कीमा एक जीन में निर्दिष्ट निश्चित पदों की संख्या है।
Defining length जीन में दो सबसे प्यारे तय प्रतीकों के बीच की दूरी है।
स्कीमा प्रमेय में कहा गया है कि औसत फिटनेस, कम परिभाषित लंबाई और निचले क्रम के ऊपर यह स्कीमा क्रॉसओवर और म्यूटेशन से बचने की अधिक संभावना है।
बिल्डिंग ब्लॉक परिकल्पना
बिल्डिंग ब्लॉक निम्न क्रम हैं, ऊपर दी गई औसत फिटनेस के साथ कम परिभाषित लंबाई स्कीमाटा। बिल्डिंग ब्लॉक की परिकल्पना कहती है कि इस तरह के बिल्डिंग ब्लॉक GAs में GA की सफलता और अनुकूलन की नींव के रूप में काम करते हैं क्योंकि यह क्रमिक रूप से "बिल्डिंग ब्लॉक्स" की पहचान और पुनर्संयोजन द्वारा प्रगति करता है।
नो फ्री लंच (एनएफएल) प्रमेय
1997 में वोल्परट और मैक्रिड ने "ऑप्टिमाइज़ेशन के लिए नो फ्री लंच थ्योरीज़" शीर्षक से एक पेपर प्रकाशित किया। यह अनिवार्य रूप से बताता है कि यदि हम सभी संभावित समस्याओं के स्थान पर औसत रखते हैं, तो सभी गैर-परिकल्पित ब्लैक बॉक्स एल्गोरिदम एक ही प्रदर्शन का प्रदर्शन करेंगे।
इसका मतलब यह है कि जितना अधिक हम किसी समस्या को समझते हैं, हमारा GA अधिक समस्या विशिष्ट हो जाता है और बेहतर प्रदर्शन देता है, लेकिन यह अन्य समस्याओं के लिए खराब प्रदर्शन करके इसके लिए बनाता है।
जीए आधारित मशीन लर्निंग
जेनेटिक एल्गोरिदम भी मशीन लर्निंग में आवेदन पाते हैं। Classifier systems का एक रूप हैं genetics-based machine learning(GBML) प्रणाली जो अक्सर मशीन सीखने के क्षेत्र में उपयोग की जाती है। GBML विधियाँ मशीन लर्निंग का एक आला तरीका है।
GBML सिस्टम की दो श्रेणियां हैं -
The Pittsburg Approach - इस दृष्टिकोण में, एक गुणसूत्र एक समाधान को इनकोड करता है, और इसलिए फिटनेस को समाधानों को सौंपा जाता है।
The Michigan Approach - एक समाधान को आमतौर पर कई गुणसूत्रों द्वारा दर्शाया जाता है और इसलिए फिटनेस को आंशिक समाधानों के लिए सौंपा जाता है।
यह ध्यान में रखा जाना चाहिए कि मानक मुद्दा जैसे क्रॉसओवर, म्यूटेशन, लैमार्कियन या डार्विनियन, आदि जीबीएमएल सिस्टम में भी मौजूद हैं।