জেনেটিক অ্যালগরিদম কখন অপ্টিমাইজেশনের জন্য ভাল পছন্দ হয়?


20

জেনেটিক অ্যালগরিদমগুলি অপ্টিমাইজেশন পদ্ধতির এক রূপ। প্রায়শই স্টোকাস্টিক গ্রেডিয়েন্ট বংশদ্ভুত এবং এর ডেরিভেটিভগুলি ফাংশন অপ্টিমাইজেশনের জন্য সেরা পছন্দ, তবে জেনেটিক অ্যালগরিদমগুলি এখনও মাঝে মধ্যে ব্যবহৃত হয়। উদাহরণস্বরূপ, নাসার এসটি 5 মহাকাশযানের অ্যান্টেনা জেনেটিক অ্যালগরিদম দিয়ে তৈরি করা হয়েছিল:

এসটি 5 অ্যান্টেনা

জেনেটিক অপ্টিমাইজেশন পদ্ধতিগুলি কখন আরও সাধারণ গ্রেডিয়েন্ট বংশোদ্ভূত পদ্ধতির চেয়ে ভাল পছন্দ হয়?


7
: যেমন +1 আমি মূল কাগজ পাওয়া alglobus.net/NASAwork/papers/Space2006Antenna.pdf
টিম

উত্তর:


19

জেনেটিক আলগোরিদিম (GA) হল হিউরিস্টিক যা প্রদানের এ প্রায়োগিক ভালো একটি পরিবার আছে শালীন যদিও তারা খুব কমই একটি প্রদত্ত ডোমেনের জন্য সবচেয়ে ভাল বিকল্প হয়, অনেক ক্ষেত্রে উত্তর।

আপনি ডেরাইভেটিভ-ভিত্তিক অ্যালগরিদম উল্লেখ করেছেন, তবে ডেরিভেটিভের অভাবেও প্রচুর পরিমাণে ডেরাইভেটিভ-মুক্ত অপ্টিমাইজেশন অ্যালগরিদম রয়েছে যা জিএ এর চেয়ে আরও ভালভাবে সঞ্চালন করে। কিছু ধারণার জন্য এটি এবং এই উত্তরটি দেখুন ।

অনেক স্ট্যান্ডার্ড অপ্টিমাইজেশনের অ্যালগরিদমগুলির মধ্যে সাধারণ (এমনকি ডেরাইভেটিভ-মুক্ত পদ্ধতি) সাধারণ ধারণাটি হ'ল অন্তর্নিহিত স্থানটি একটি মসৃণ বহুগুণ (সম্ভবত কয়েকটি স্বতন্ত্র মাত্রা সহ), এবং অনুকূলিতকরণের কাজটি কিছুটা ভাল আচরণ করা হয়েছে।

তবে সমস্ত ফাংশন একটি মসৃণ বহুগুণে সংজ্ঞায়িত হয় না। কখনও কখনও আপনি কোনও গ্রাফ বা অন্যান্য বিচ্ছিন্ন কাঠামো (সম্মিলিত অপ্টিমাইজেশন) দ্বারা অনুকূলিতকরণ করতে চান - এখানে উত্সর্গীকৃত অ্যালগরিদম রয়েছে তবে জিএগুলিও কাজ করবে।

জটিল, বিচ্ছিন্ন কাঠামোর উপর নির্ভরশীল ফাংশনগুলির দিকে আপনি যত বেশি যান, তত বেশি GA কার্যকর হতে পারে, বিশেষত যদি আপনি এমন একটি প্রতিনিধিত্ব খুঁজে পান যেখানে জিনগত অপারেটররা তাদের সর্বোত্তমভাবে কাজ করে (যার জন্য অনেকগুলি হ্যান্ড-সুরকরণ এবং ডোমেন জ্ঞান প্রয়োজন)।

অবশ্যই, ভবিষ্যতে সম্পূর্ণরূপে জিএগুলি ভুলে যেতে পারে এবং ক্রমাগত স্থানগুলিতে পৃথক পৃথক জায়গাগুলির মানচিত্রের জন্য পদ্ধতিগুলি বিকাশ করতে পারে এবং ধারাবাহিক উপস্থাপনায় আমাদের থাকা অপ্টিমাইজেশন যন্ত্রপাতি ব্যবহার করতে পারে।


2

গ্রেডিয়েন্ট বংশোদ্ভূত মনোক্রিটিরিয়া অপ্টিমাইজেশনের জন্য উত্সর্গ করা হলে জিনগত পদ্ধতিগুলি মাল্টিক্রিটরিয়া অপ্টিমাইজেশনের জন্য উপযুক্ত suited গ্রেডিয়েন্ট বংশোদ্ভূত যখন ডেরাইভেটিভ উপস্থিত থাকে এবং সর্বনিম্ন একমাত্র সমাধান থাকে (আমরা যদি স্থানীয় মিনিমা বাদে থাকি) তখন ন্যূনতম কার্যকারিতা সন্ধান করতে দেয়। জিনেটিক্স অ্যালগরিদম বহুবিধ সমস্যাতে ব্যবহার করা যেতে পারে এবং সমাধানের ধারাবাহিকতায় নেতৃত্ব দিতে পারে, প্রত্যেকে প্রাথমিক জনসংখ্যার মধ্য থেকে বিবর্তিত হয়ে জনসংখ্যার ব্যক্তিদের মৌমাছি করে থাকে। অনুকূলকরণের মানগুলি হ'ল ব্যক্তিদের ফিনোটাইপস এবং বিভিন্ন ফেনোটাইপ থাকতে পারে। সাধারণভাবে, পৃথক কারওর সাথে একসাথে প্রতিটি ফেনোটাইপের ভাল মান হয় না, তাই কেবলমাত্র একটি সমাধান নেই। চূড়ান্ত জনসংখ্যার ব্যক্তিরা, এটিই সর্বোত্তমতার সমাধান, "পেরিটো ফ্রন্ট" এর অংশ এবং "পেরিটো র‌্যাঙ্ক ওয়ান" হিসাবে চিহ্নিত ব্যক্তি। এর অর্থ হ'ল প্রতিটি ফেনোটাইপের জন্য একই পারফরম্যান্সযুক্ত অন্যান্য ব্যক্তিদের তুলনায় তারা অন্যদের চেয়ে কমপক্ষে একটি ফেনোটাইপের জন্য ভাল।


ডাউনটোটের জন্য ঠিক আছে, তবে আপনি কোথায় ব্যাখ্যা করতে পারবেন আমি কোথায় ভুল?
manu190466

5
এই সাইটটি এমন উত্তরগুলিকে মূল্য দেয় যা প্রসঙ্গ এবং পটভূমি সরবরাহ করে। কীভাবে উত্তর প্রদান করা যায় তা আকর্ষণীয় প্রশ্নের জন্য আমাদের দরকারী উত্তরের ভান্ডারে যুক্ত করবে কীভাবে এই সহায়তা পৃষ্ঠাটি দেখুন । আপনার উত্তরটি ব্যাখ্যা করা আপনার নিজের বোঝার পরীক্ষা করার একটি ভাল উপায়। উদাহরণস্বরূপ, এক্ষেত্রে আপনি জেনেটিক অ্যালগরিদমগুলি "মাল্টিক্রিটরিয়া অপ্টিমাইজেশনের জন্য কীভাবে উপযুক্ত" হিসাবে প্রসারিত করতে চাইতে পারেন, কারণ উইকিপিডিয়া পৃষ্ঠাটি জেনেটিক অ্যালগরিদমের উদ্দেশ্য হিসাবে একক-মূল্যবান ফিটনেস ফাংশনকে বোঝায়।
এডিএম

0

সেরা কোন অর্থে?

আমার অভিজ্ঞতায়, জিএগুলি সবচেয়ে বাস্তববাদী অপ্টিমাইজার। যদিও আরও অনেক সুনির্দিষ্ট অ্যালগরিদমের গাণিতিক জগতের বাস্তব সমস্যাগুলি আনুষ্ঠানিক করার জন্য সময় এবং প্রচেষ্টা প্রয়োজন, জিএগুলি জটিল বিধি এবং সীমাবদ্ধতার সাথে যে কোনও ব্যয় কার্য পরিচালনা করতে পারে (জিএগুলি নির্দিষ্টভাবে গণনা দ্বারা নয় বরং কার্যকরভাবে কার্যকর করার পদ্ধতির সাথে সম্পর্কিত)। এই প্রক্রিয়াটি সোজা এবং আপনি অনুসন্ধানের কাজের জন্য অনেক পদ্ধতির চেষ্টা করতে পারেন।

আমি ভবিষ্যতের রানগুলির জন্য অ্যালগরিদমের অতীতের সমাধানগুলি পুনরায় প্রত্যাখ্যান করার সম্ভাবনাটিরও প্রশংসা করি যা পুনরাবৃত্তি কাজের জন্য ভাল।

ধারণামূলকভাবে, জেনেটিক অ্যালগরিদমকে ফাংশন এবং স্যুটগুলির হ্যাশম্যাপ দ্বারা উপস্থাপন করা যেতে পারে তাই ক্লোজুরের মতো ফাংশনাল ভাষাগুলিও এটি এমন একটি ভাষা যেখানে আপনি খুব দ্রুত ফলাফল অর্জন করতে পারেন।

জেনেটিক অ্যালগরিদমগুলিও বাসা বাঁধতে পারে: এক জিএর ব্যয় কার্যকারিতা জিএ হতে পারে! এই অ্যালগরিদমগুলি আধুনিক হার্ডওয়্যার এবং অবকাঠামোগত সুবিধাগুলি গ্রহণ করে যা এগুলিকে খুব বেশি জনসংখ্যার গণনা করতে দেয় যাতে - এমনকি সহজ বিবর্তন / নির্বাচন অপারেশন সহ - আপনি এখনও ভাল ফলাফল অর্জন করতে পারেন।

এমনকি তরঙ্গ ফাংশনের ন্যূনতম সন্ধানের মতো সাধারণ সমস্যার জন্যও জিএগুলি খুব খারাপ নয় এবং একটি গ্রহণযোগ্য সময়ে একটি শালীন নির্ভুলতা অর্জন করতে পারে।

হ্যাঁ, বিশ্লেষণাত্মক সমাধানগুলিতে দ্রুত কার্যকরকরণের সময় এবং যথাযথতা থাকতে পারে তবে এগুলি উত্পাদন করতে প্রয়োজনীয় সময় প্রায়শই উপকারের প্রত্যাশা করে! তো কখন ? আমার কাছে প্রায় প্রতিটা সময় অন্তত মেটা-অপটিমাইজেশনের জন্য।


এই যুক্তিটির মূল জোড় মনে হয় জেনেটিক অ্যালগরিদমগুলি ব্ল্যাক-বাক্স অপটিমাইজার izers তবে সেখানে প্রচুর ব্ল্যাক-বাক্স অপটিমাইজার রয়েছে। কেন এটি অন্য পছন্দগুলির চেয়ে ভাল হতে পারে? তদতিরিক্ত, আমি ভাবি না যে এটি সত্যিই কে-ই-এর দ্বারা সহজেই প্রতিবন্ধকতাগুলি পরিচালনা করতে পারে। উদাহরণস্বরূপ, যদি 4D বিশ্বে 3 ডি সাবস্পেস ব্যতীত ফাংশনটি অপরিজ্ঞাত হয় তবে অবশ্যই একটি ভ্যানিলা জিএ ব্যর্থ হবে।
ক্লিফ এবি

@ ক্লিফ্যাব বাস্তবে আমি সে সম্পর্কে কিছুই বলিনি এবং এর থেকে আরও বিপরীত হতে পারে। জিএতে, আপনার মূল গণনার উপর অনেকগুলি নিয়ন্ত্রণ রয়েছে, জিএ নিজেই পদক্ষেপ এবং হালকা ক্রমের একটি ক্রম। আপনি যখন ব্যয় কার্যকারিতা সংজ্ঞায়িত করেন, আপনি ফাংশনটিতে যে কোনও কিছুই হ্যান্ডেল করতে পারেন এমনকি বাহ্যিক প্রতিবন্ধকতাও যা আপনি জিজ্ঞাসা করতে পারেন। আমার মূল যুক্তিগুলি হ'ল: অনেকগুলি সমস্যা হ্যান্ডেল করুন, আপনাকে কাঠামোর সাথে সামঞ্জস্যের সাথে উদ্বিগ্ন হতে হবে না (আপনার কেবলমাত্র একটি ব্যয় ফেরত দিতে হবে), বেশিরভাগ ব্যবসায়িক ক্ষেত্রে যদি একটি সদর্থক বাস্তব সমাধান আসে তবে এটি যদি সর্বদা না হয় তবে সেরা
জোসেফ আপনারাইন
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.