పరిణామాత్మక అల్గోరిథం

రచయిత: Roger Morrison
సృష్టి తేదీ: 24 సెప్టెంబర్ 2021
నవీకరణ తేదీ: 1 జూలై 2024
Anonim
మెషిన్ ఇంటెలిజెన్స్ - లెక్చర్ 18 (ఎవల్యూషనరీ అల్గారిథమ్స్)
వీడియో: మెషిన్ ఇంటెలిజెన్స్ - లెక్చర్ 18 (ఎవల్యూషనరీ అల్గారిథమ్స్)

విషయము

నిర్వచనం - పరిణామాత్మక అల్గోరిథం అంటే ఏమిటి?

కృత్రిమ మేధస్సులో పరిణామాత్మక గణన యొక్క ఒక భాగం ఒక పరిణామ అల్గోరిథం. ఎంపిక ప్రక్రియ ద్వారా ఒక పరిణామాత్మక అల్గోరిథం పనిచేస్తుంది, దీనిలో జనాభా సమితిలో కనీసం సరిపోయే సభ్యులు తొలగించబడతారు, అయితే ఫిట్ సభ్యులు మెరుగైన పరిష్కారాలు నిర్ణయించే వరకు మనుగడ మరియు కొనసాగడానికి అనుమతించబడతారు. మరో మాటలో చెప్పాలంటే, పరిణామ అల్గోరిథంలు కంప్యూటర్ అనువర్తనాలు, ఇవి సంక్లిష్ట సమస్యలను పరిష్కరించడానికి జీవ ప్రక్రియలను అనుకరిస్తాయి. కాలక్రమేణా, విజయవంతమైన సభ్యులు సమస్యకు అనుకూలమైన పరిష్కారాన్ని అందించడానికి అభివృద్ధి చెందుతారు.


మైక్రోసాఫ్ట్ అజూర్ మరియు మైక్రోసాఫ్ట్ క్లౌడ్‌కు పరిచయం | ఈ గైడ్ మొత్తంలో, క్లౌడ్ కంప్యూటింగ్ అంటే ఏమిటి మరియు క్లౌడ్ నుండి మీ వ్యాపారాన్ని తరలించడానికి మరియు అమలు చేయడానికి మైక్రోసాఫ్ట్ అజూర్ మీకు ఎలా సహాయపడుతుందో మీరు నేర్చుకుంటారు.

టెకోపీడియా ఎవల్యూషనరీ అల్గోరిథం గురించి వివరిస్తుంది

పరిణామాత్మక అల్గోరిథంలు జీవశాస్త్రంలో ఎంపిక, పునరుత్పత్తి మరియు మ్యుటేషన్ వంటి భావనలను ఉపయోగించుకుంటాయి. పరిణామ అల్గోరిథంలలో మూడు ప్రాథమిక రకాలు ఉన్నాయి, అవి:

  • జన్యు అల్గోరిథంలు
  • పరిణామాత్మక ప్రోగ్రామింగ్
  • పరిణామ వ్యూహాలు

సాంప్రదాయ ఆప్టిమైజేషన్ పద్ధతుల మాదిరిగా కాకుండా, పరిణామ అల్గోరిథంలు యాదృచ్ఛిక నమూనాపై ఆధారపడి ఉంటాయి. పరిణామాత్మక అల్గోరిథం శాస్త్రీయ పద్ధతులకు భిన్నంగా అభ్యర్థి పరిష్కారాల జనాభాను కలిగి ఉంది, ఇది ఒకే ఉత్తమ పరిష్కారాన్ని నిర్వహించడానికి ప్రయత్నిస్తుంది. పరిణామ అల్గోరిథంలతో సంబంధం ఉన్న రెండు అవసరాలు ఉన్నాయి:

  • అభ్యర్థి పరిష్కారాలను సమస్యకు ఎన్కోడ్ చేయాలి.
  • ఫిట్‌నెస్ ఫంక్షన్ 1 మరియు 100 మధ్య స్కోర్‌ను తిరిగి ఇవ్వాలి, తద్వారా పరిణామ అల్గోరిథంలు సమస్యలకు వర్తింపచేయడం మంచిది.

పరిణామ అల్గారిథమ్‌లతో ముడిపడి ఉన్న అనేక ప్రయోజనాలు ఉన్నాయి. చాలా పరిణామ అల్గోరిథం భావనలు సంక్లిష్ట సమస్యలకు కూడా అనుకూలంగా ఉన్నందున, వశ్యత లాభాలలో అతిపెద్ద ప్రయోజనాల్లో ఒకటి వస్తుంది. చాలా పరిణామ అల్గోరిథంలు లక్ష్యం లక్ష్యాన్ని చేరుకోవడానికి సరిపోతాయి. పరిణామ అల్గోరిథంలతో మెరుగైన ఆప్టిమైజేషన్ సాధ్యమవుతుంది, ఎందుకంటే పరిష్కారాల జనాభా అల్గోరిథం ఒక నిర్దిష్ట పరిష్కారంలో లాక్ అవ్వకుండా నిరోధిస్తుంది.


పరిణామ అల్గారిథమ్‌లతో సంబంధం ఉన్న కొన్ని లోపాలు ఉన్నాయి. ఒకదానికి, తెలిసిన ఇతర పరిష్కారాలతో పోల్చినప్పుడు పరిణామాత్మక అల్గోరిథం అందించిన పరిష్కారం మాత్రమే మంచిది. అందువల్ల, అల్గోరిథం ఏదైనా పరిష్కారం పూర్తిగా సరైనదని నిరూపించలేము, ఇతర ఫలితాలతో పోలిస్తే ఇది సరైనది మాత్రమే.