जेनेटिक एल्गोरिदम क्या हैं?

<घंटा/>

जेनेटिक एल्गोरिदम आनुवंशिक विरासत की प्रक्रिया का उपयोग करके गणितीय संरचनाएं हैं। वे सफलतापूर्वक विश्लेषणात्मक मुद्दों की एक विस्तृत विविधता के लिए उपयोग किए गए हैं। डेटा माइनिंग किसी डिज़ाइन या प्रमुख संबंधों को खोजने के लिए सूचना के स्वचालित विश्लेषण के साथ मानवीय समझ को जोड़ सकता है।

कई चरों पर प्रतिनिधित्व किए गए एक बड़े डेटाबेस को देखते हुए, इसका उद्देश्य डेटाबेस में सबसे दिलचस्प डिजाइन को प्रभावी ढंग से खोजना है। कुछ सॉफ्टवेयर में दिलचस्प डिजाइनों को पहचानने के लिए जेनेटिक एल्गोरिदम का इस्तेमाल किया गया है। वे आम तौर पर डेटा माइनिंग में अन्य एल्गोरिदम के निष्पादन को बढ़ाने के लिए उपयोग किए जाते हैं, जैसे कि निर्णय ट्री एल्गोरिदम, एक अन्य एसोसिएशन नियम।

जेनेटिक एल्गोरिदम को एक विशिष्ट डेटा संरचना की आवश्यकता होती है। वे श्रेणीबद्ध संरचना में परिभाषित विशेषताओं वाली आबादी पर काम करते हैं। आनुवंशिकी के साथ समानता यह है कि जनसंख्या (जीन) में विशेषताएं शामिल हैं। आनुवंशिक एल्गोरिदम को लागू करने के लिए एक तरीका है कि संभवतः बेहतर संयोजनों की पीढ़ी को बेहतर बनाने के लिए उत्परिवर्तन की सुविधा के साथ ऑपरेटरों (प्रजनन, क्रॉसओवर, चयन) का उपयोग करना।

आनुवंशिक एल्गोरिथम प्रक्रिया इस प्रकार है -

यह बेतरतीब ढंग से माता-पिता चुन सकता है।
इसका उपयोग क्रॉसओवर के माध्यम से फिर से बनाने के लिए किया जाता है।
प्रजनन यह चुन रहा है कि कौन सी एकल संस्थाएं इसे संभालेंगी। दूसरे शब्दों में, अस्तित्व को निर्धारित करने के लिए कुछ वस्तुनिष्ठ सेवाओं या चयन सुविधाओं की आवश्यकता होती है। क्रॉसओवर संस्थाओं के भविष्य के उत्पादन में परिवर्तन का वर्णन करता है।
यह फिटनेस सेवा के माध्यम से अगली पीढ़ी के लिए जीवित बचे लोगों को चुन सकता है।
उत्परिवर्तन वह सेवा है जिसके द्वारा निम्नलिखित कार्यों में यादृच्छिक रूप से चुनी गई संस्थाओं की यादृच्छिक रूप से चुनी गई विशेषताओं को रूपांतरित किया जाता है।
यह तब तक दोहराया जा सकता है जब तक या तो किसी दिए गए फिटनेस स्तर को हासिल नहीं कर लिया जाता है, या पुनरावृत्ति की वर्तमान संख्या नहीं आ जाती है।
आनुवंशिक एल्गोरिथम पैरामीटर में जनसंख्या आकार, क्रॉसओवर दर और उत्परिवर्तन दर शामिल हैं।

जेनेटिक एल्गोरिथम के लाभ

जेनेटिक एल्गोरिथम का लाभ इस प्रकार है -

आनुवंशिक एल्गोरिदम बनाने और मान्य करने के लिए बहुत ही सुलभ हैं जो उपयोग किए जाने पर उन्हें अत्यधिक आकर्षक बनाता है।
एल्गोरिथ्म समानांतर है, यह परिभाषित करता है कि इसका उपयोग उच्च आबादी के लिए कुशलता से किया जा सकता है। एल्गोरिथ्म इस मायने में भी प्रभावी है कि यदि यह खराब मूल समाधान से शुरू होता है, तो यह तुरंत सर्वोत्तम समाधानों की ओर बढ़ सकता है।
उत्परिवर्तन का उपयोग बहुत ही गैर-रेखीय समस्या नियमों में भी वैश्विक ऑप्टिमा को पहचानने के लिए पर्याप्त विधि बनाता है। विधि को जानकारी के वितरण के बारे में ज्ञान की आवश्यकता नहीं है।

जेनेटिक एल्गोरिथम के नुकसान

जेनेटिक एल्गोरिदम को डेटा सेट को मैप करने की आवश्यकता होती है, जहां से जेनेटिक एल्गोरिथम के साथ काम करने के लिए विशेषताओं में असतत मान होते हैं। यह आम तौर पर संभव है लेकिन निरंतर चर के साथ व्यवहार करते समय विस्तृत डेटा का एक बड़ा सौदा खो सकता है।
इसका उपयोग सूचना को श्रेणीबद्ध रूप में कोड करने के लिए किया जाता है, जिससे अनजाने में रिकॉर्ड में पक्षपात हो सकता है।
एक डेटा सेट के आकार पर भी जाँच की जाती है जिसे आनुवंशिक एल्गोरिदम के साथ माना जा सकता है।
बहुत बड़े डेटा सेट के लिए, नमूनाकरण महत्वपूर्ण होगा, जिससे समान डेटा सेट पर कई रनों में कई परिणाम मिलते हैं।