رایانش فرگشتی

دانشنامه عمومی

محاسبات فرگشتی ( رایانش فرگشتی ) نوعی از یادگیری ماشینی و در نتیجه شاخه ای از هوش مصنوعی ( یا به طور خاص تر هوش محاسباتی ) است که شامل مسایل بهینه سازی ترکیبی می شود. الگوریتم های استفاده شده ( الگوریتم های فرگشتی ) بر اساس استفاده از قوانین داروین هستند. از لحاظ فنی این الگوریتم ها متعلق به حل کننده های آزمون و خطا هستند و می توان آن ها را از روش های بهینه سازی کلی با ماهیت فرا ابتکاری یا بهینه سازی تصادفی قلمداد کرد که به وسیلهٔ استفاده از جمعی از راه حل های پیشنهادی ( به جای تکرار کردن یک روش در فضای جستجو ) برجسته شده است.
محاسبات فرگشتی شامل چهار زیرگروه اصلی می باشد.
الگوریتم ژنتیک
راهبرد فرگشتی
برنامه نویسی ژنتیک
• برنامه سازی فرگشتی
استفادهٔ از قواعد داروینی به تاریخ ۱۹۶۰–۱۹۵۰ بازمی گردد ولی در دههٔ ۱۹۶۰ بود که توسعهٔ سه تفسیر متفاوت این نظریه در سه مکان مختلف شروع شد.
برنامه نویسی فرگشتی توسط لارنس. جی فاگل در آمریکا معرفی شد، در حالی که جان هانری هلند روش خودش را الگوریتم ژنتیک نام نهاد. ingo rechenberg در آلمان و هانس پاول شوفی در آلمان استراتژی های فرگشتی را معرفی کردند. این عنوان ها به طور جداگانه در طی تقریباً پانزده سال توسعه یافتند. از اوایل دههٔ نود میلادی تا به این تاریخ این شاخه ها تحت عنوان محاسبات فرگشتی متحد شدند. همچنین در اوایل دههٔ نود میلادی؛ جریانِ چهارمی پیرو این ایدهٔ کلی پدیدار شد که با نام برنامه نویسی ژنتیک شناخته شد. از دههٔ نود میلادی؛ الگوریتم های الهام گرفته شده از طبیعت رشد چشمگیری داشته اند و نقش عمده ای را در محاسبات فرگشتی ایفا می کنند.
عکس رایانش فرگشتیعکس رایانش فرگشتی
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلف

پیشنهاد کاربران

بپرس