Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Кіріспе
Компьютерлік ғылымдағы эвристикалық модельделген объектілердің қасиеттері, биологиядағы мұрагерлік туралы ақпарат.
Computer science property of heuristically modeled objects
information about inheritance in biology
Генетикалық алгоритмдерде мұрагерлік – модельделген объектілердің жұптасу, мутацияға ұшырау (биологиялық мутацияға ұқсас) және белгілі бір мәселені шешуге қабілетті, дамыған шешімді алу үшін проблеманы шешетін гендерін келесі ұрпаққа тарату мүмкіндігі. Әрбір кезекті ұрпаққа қандай объектілердің мұра болары жарамдылық функциясымен анықталады, ол шешілетін мәселеге байланысты өзгереді. Бұл объектілердің белгілері хромосомалар арқылы, биологиялық көбеюге ұқсас тәсілмен беріледі. Бұл хромосомалар көбінесе гендер тізбегімен көрсетіледі, ал гендердің өзі әдетте екілік сандармен бейнеленеді. Ұрпақтар арасындағы белгілердің таралуы биологиялық организмдердің ұрпақтары арасындағы белгілердің мұрагерлігіне ұқсас. Бұл процесті күшейту оқытудың бір түрі деп қарастыруға болады, себебі объектілердің эволюциясы сәтті объектілерден белгілерді беру арқылы жүзеге асырылады, бұл олардың жетістігі үшін сыйақы ретінде қарастырылып, пайдалы белгілерді дамытуға ықпал етеді.
In genetic algorithms, inheritance is the ability of modeled objects to mate, mutate (similar to biological mutation), and propagate their problem solving genes to the next generation, in order to produce an evolved solution to a particular problem. The selection of objects that will be inherited from in each successive generation is determined by a fitness function, which varies depending upon the problem being addressed. The traits of these objects are passed on through chromosomes by a means similar to biological reproduction. These chromosomes are generally represented by a series of genes, which in turn are usually represented using binary numbers. This propagation of traits between generations is similar to the inheritance of traits between generations of biological organisms. This process can also be viewed as a form of reinforcement learning, because the evolution of the objects is driven by the passing of traits from successful objects which can be viewed as a reward for their success, thereby promoting beneficial traits.
Процесс
Жаңа ұрпақ құруға дайын болғаннан кейін, сәтті болып, көбеюге іріктелген барлық жеке тұлғалар кездейсоқ жұптастырылады. Содан кейін, осы тұлғалардың қасиеттері кроссовер және мутацияның комбинациясы арқылы беріледі. Бұл процестің негізгі қадамдары:
Once a new generation is ready to be created, all of the individuals that have been successful and have been chosen for reproduction are randomly paired together. Then the traits of these individuals are passed on through a combination of crossover and mutation. This process follows these basic steps:
Көбею үшін сәтті объектілерді жұптастыру. Әр жұп үшін кроссовер нүктесін кездейсоқ анықтау. Әр жұптың гендерін кроссовер нүктесінен кейін алмастыру. Бала объектілерде кез келген геннің мутацияға ұшырағанын кездейсоқ анықтау. Осы қадамдарды орындағаннан кейін, әрбір ата-аналық объектілер жұбы үшін екі бала объектісі жасалады. Содан кейін, жаңа ұрпақтағы объектілердің сәттілігін анықтағаннан кейін, ең сәтті жаңа объектілерді пайдалану арқылы осы процесті қайталауға болады. Бұл әдетте, қажетті ұрпаққа жеткенше немесе жарамдылық функциясының минималды қажетті нәтижесіне сай келетін объекті табылганша қайталанады. Кроссовер мен мутация мұрагерлікте қолданылатын ең көп таралған генетикалық операторлар болса, қайта топтастыру және отарлаудың жойылуы сияқты басқа да операторлар бар.
Pair off successful objects for mating. Determine randomly a crossover point for each pair. Switch the genes after the crossover point in each pair. Determine randomly if any genes are mutated in the child objects. After following these steps, two child objects will be produced for every pair of parent objects used. Then, after determining the success of the objects in the new generation, this process can be repeated using whichever new objects were most successful. This will usually be repeated until either a desired generation is reached or an object that meets a minimum desired result from the fitness function is found. While crossover and mutation are the common genetic operators used in inheritance, there are also other operators such as regrouping and colonization extinction.