13-ma'ruza. Genetik algoritmlar

GAning asosiy xususiyatlari quyidagilardan iborat:

1. 
   Sonli ko`rinishda emas, balki kodlashgan shaklda ifodalangan parametrlarni qayta ishlash.
   
2. 
   Optimal yechimni masala parametrlarining birdan-bir nutqasidan emas, balki nutqalarning majmuisidan(ya’ni qandaydir populyatsiyadan) qidirish.
   
3. 
   Optimal yechimni qidirish jarayonida faqat maqsadli funksiyadan foydalanish (uning hosila yoki biror boshqa axborotlaridan emas).
   
4. 
   Optimal yechimni qidirishda deterministik qoidalardan foydalanmasdan faqat ehtimollik qoidalaridan foydalanish.
   

Mazkur protseduralar GAning ko`p ekstremalli masalalarida global optimumini qidirishda barqarorlik va yuqori samaradorlikni ta’minlaydi.

Sodda GA mexanizmi quyidagi protseduralarni o`z ichiga oladi:

1. 
   tasodifiy ravishda dastlabki xromosomalar (parametrlarni bit satrlar, string- xromosomlar, xromosomalar)ning ketma-ketliklar populyatsiyasini shakllantirish;
   
2. 
   olingan dastlabki populyatsiyaga seleksiya, mutatsiyalash va chatishtiruv operatsiyalarni qo`llash;
   

v) ushbu operatsiyalarning bajarilishi natijasida xromosomalarning yangi populyatsiyalarini shakllantirish;
g) yangi populyatsiyaning moslashuvchanlik darajasini baholash (tanlangan mezon asosida) va moslashuvchanlik bahosi qoniqarli bo`lgan populyatsiyani yangi dastlabki populyatsiya sifatida saqlab qolish, aksincha - yo`qotish (yaroqsiz deb topish). Oxirgi holatda avvalgi dastlabki populyatsiyaga qaytiladi va seleksiyalash, mutatsiyalash hamda chatishtiruv operatsiyalari yangi parametrlar bilan barcha protseduralar takrorlanadi.
GAlarning qo’llanilish sohalari. GAlar dasturiy ta'minotni ishlab chiqishda, sun'iy intellekt tizimlarida, optimallashtirishda, sun'iy neyron tarmoqlarida va boshqa bilim sohalarida qo'llaniladi. GAlar ko'pincha neyron tarmoqlari bilan birgalikda qo'llaniladi. Ular neyron tarmoqlarni qo'llab-quvvatlashi mumkin, yoki aksincha, yoki har ikkala usul ham muayyan masalani echish uchun gibrid tizim doidasida o'zaro birgalikda qo’llaniladi. GAlar noravshan tizimlar bilan birgalikda ham qo'llaniladi [17].
GAlar quyidagi masalalarni echishda qo’llaniladii:

• 
  Graflardagi turli masalalarni (kommivoyajer masalasi, eng qisqa yo'l masalasi, rang berish, mosliklarni topish);
  
• 
  joylashtirish vazifalari;
  
• 
  jadvallarni tuzish;
  
• 
  funksiyalarni approksimatsiyalash;
  
• 
  ma'lumotlarni tanlash (filtrlash);
  
• 
  sun'iy neyron tarmog'ini moslashtirish va o'qitish;
  
• 
  sun'iy hayot;
  
• 
  bioinformatika;
  
• 
  o'yin strategiyalari;
  
• 
  sonli optimallashtirish masalalari;
  
• 
  ma'lumotlar bazalarida so'rovlarni optimallashtirish;
  
• 
  nochiziqli filtrlash;
  
• 
  rivojlanayotgan agentlar / mashinalar.
  

GAlarni tez-tez ishlatib turadigan ba'zi sohalarni ham keltirib o'tamiz:

• 
  optimallashtirishda - ma'lum cheklovlar to'plami ostida maqsad funksiyasining berilgan qiymatini maksimal darajaga ko'tarish yoki kamaytirishdan iborat;
  
• 
  iqtisodiyotda - veb-model, o'yinlar nazariyasidagi muvozanatni aniqlash, mahsulotlar narxlari va boshqalar kabi turli xil iqtisodiy modellarni tavsiflash uchun ham ishlatiladi;
  
• 
  neyron tarmoqlarida - neyron tarmoqlarni, ayniqsa takrorlanuvchi neyron tarmoqlarni o'rgatishda qo’llaniladi;
  
• 
  parallellel hisoblashda - GA shuningdek juda yaxshi bir vaqtda ishlash qobiliyatiga ega va muayyan muammolarni hal qilishda juda samarali vosita bo'lib, tadqiqot uchun yaxshi maydon yaratadi.
  
• 
  tasvirlarni qayta ishlashda - turli xil raqamli tasvirlarni qayta ishlashda foydalaniladi hamda piksellarni zichli taqqoslashda ishlatiladi.
  
• 
  avtotransport yo'nalishidagi muammolarda - bir nechta yumshoq vaqt oynalari, bir nechta omborlar va turli tipdagi parklar orasidagi marshrutlarni aniqlashda qo’llaniladi;
  
• 
  rejalashtirish ilovalarida - turli xil rejalashtirish masalalarida, xususan vaqtni aniqlash masalalarida ishlatiladi;
  
• 
  robot yo'lini generatsiya qilishda - robotning qo'li bir nuqtadan ikkinchisiga o'tishda harakatlanadigan yo'lni rejalashtirish uchun ishlatiladi;
  
• 
  samolyotlarni parametrik loyixalashda - parametrlarini o'zgartirish va yaxshi echimlarni ishlab chiqish uchun samolyotlarni loyihalashda foydalaniladi;
  
• 
  DNK tahlilida - namunadagi spektrometrik ma'lumotlar yordamida DNKning tuzilishini aniqlash uchun foydalaniladi;
  
• 
  multimodal optimallashtirishda - bir nechta optimal echimlarni topish kerak bo'lganda multimodal optimallashtirishda ishlatiladi.