نظراً للتطور السريع الذي يشهده عالمنا المعاصر و الذي زاد من تعقيد النظم تلبيـة لحاجـة
المجتمع الملحة في الوصول إلى نظم ذات أداء و موثوقية عاليتين فقـد زاد الاهتمـام فـي
الآونة الأخيرة بعلم الذكاء الاصطناعي لما أثبته من جدارة و فعالية في معالجـة كثيـر مـن
القضايا و المسائل العالقة.
نقدم في هذه المقالة تعريفاً بأحد فروع الذكاء الاصطناعي و هي الخوارزميات الجينية نظـراً
لقدرتها على حل كثير من المسائل المعقدة، و في مجالات علمية متعددة، سـواء فـي علـم
الحاسبات أو بحوث العمليات و معالجة الصور أو حتى في علم الاجتماع.
قمنا في هذا البحث باستخدام الخوارزميات الجينية لإيجاد النهاية الحديـة العظمـى لتـابع
مستمر ضمن مجال محدود، و ذلك بهدف دراسة تأثير بعض أهـم متغيـرات الخوارزميـات
الجينية في الأداء و دقة النتائج. إِذْ لوحظ تأثير احتمال الطفرة و حجم الجيـل و عـدد مـرات
التكرار في دقة النتيجة و زمن التنفيذ باختيار إجرائية العجلة المتدحرجة في عملية الانتخاب.
بعد ذلك قمنا بمقارنة أداء العجلة المتدحرجة مع أداء إجرائية انتخـاب أخـرى هـي حكـم
النخبة.
Scientists nowadays increased their interest in artificial intelligence because
of the rapid development in the modern age. This development increased
the complexity of systems in order to consent society rapid needs in getting
systems of better reliability and high performance.
Artificial Intelligence solved many difficult and sticky problems.
We are going to define the genetic algorithms(GA) which is one of the
artificial intelligence branch because of its ability to solve many complex
problems in Different scientific aspects either in computer science[8] or
operational research and image processing[7] or social science[9].
In this essay, we used GA to find the maximum value of continuous function
within a limited rang to study the effect of some of the most important GA
parameters on the performance and accuracy of the results. We noticed the
effects of probability of mutation, population size and the number of the
repeated operations on the results accuracy and execution time in choosing
the Roulette Wheel Selection procedure. After that, we compare
between the Roulette Wheel procedure and the Elitism Selection procedure.
Artificial intelligence review:
Research summary
تتناول الورقة البحثية خوارزميات الجينات (Genetic Algorithms) واستخدامها في البحث والتحسين والتعلم الآلي. تبدأ الورقة بمقدمة عن خوارزميات الجينات وتشرح كيفية ترميز الكروموسومات باستخدام المتغيرات الثنائية والمتصلة. تتناول الورقة أيضًا إجراءات الاختيار مثل اختيار عجلة الروليت، وتشرح كيفية حساب احتمالية الاختيار بناءً على ملاءمة الكروموسومات. يتم شرح عملية التهجين (Crossover) باستخدام طرق متعددة مثل التهجين البسيط والتهجين النقطي. كما تتناول الورقة عملية الطفرة (Mutation) وتوضح كيفية حساب احتمالية الطفرة. يتم تقديم أمثلة عملية باستخدام برنامج Matlab لشرح كيفية تطبيق هذه الخوارزميات في البحث عن الحلول المثلى. تتناول الورقة أيضًا تأثير حجم السكان وعدد الأجيال على أداء الخوارزميات الجينية وتقدم نتائج تجريبية لدعم النقاط المطروحة.
Critical review
دراسة نقدية: تعتبر الورقة البحثية شاملة في تناولها لموضوع خوارزميات الجينات، حيث تغطي معظم الجوانب الأساسية لهذه الخوارزميات من ترميز الكروموسومات إلى إجراءات الاختيار والتهجين والطفرة. ومع ذلك، يمكن أن تكون الورقة أكثر وضوحًا في بعض الأجزاء، حيث أن بعض المعادلات والرسوم البيانية قد تكون معقدة للقارئ غير المتخصص. كما أن الورقة تعتمد بشكل كبير على برنامج Matlab، مما قد يحد من إمكانية تطبيق النتائج في بيئات برمجية أخرى. كان من الأفضل أيضًا تقديم مقارنة بين خوارزميات الجينات وخوارزميات تحسين أخرى لإعطاء القارئ فكرة أوسع عن مزايا وعيوب كل منها.
Questions related to the research
-
ما هي خوارزميات الجينات؟
خوارزميات الجينات هي خوارزميات تحسين تعتمد على مبادئ الانتقاء الطبيعي والوراثة. تُستخدم في البحث عن الحلول المثلى في فضاء الحلول الكبير والمعقد.
-
ما هي طرق ترميز الكروموسومات في خوارزميات الجينات؟
يمكن ترميز الكروموسومات باستخدام المتغيرات الثنائية أو المتصلة. يتم اختيار نوع الترميز بناءً على طبيعة المشكلة المراد حلها.
-
ما هو اختيار عجلة الروليت وكيف يعمل؟
اختيار عجلة الروليت هو إجراء اختيار يعتمد على احتمالية اختيار الكروموسومات بناءً على ملاءمتها. يتم حساب احتمالية الاختيار لكل كروموسوم بناءً على نسبة ملاءمته إلى مجموع ملاءمة جميع الكروموسومات في السكان.
-
كيف يتم حساب احتمالية الطفرة في خوارزميات الجينات؟
يتم حساب احتمالية الطفرة بناءً على معدل الطفرة المحدد مسبقًا. يتم تطبيق الطفرة على الجينات الفردية في الكروموسوم بناءً على هذه الاحتمالية لتوليد تنوع جيني جديد.
References used
E. Goldberg, David, “Genetic Algorithms in Search, Optimization, and Machine Learning “, Addison-Wesley Publishing Company, Inc, 1989
Goldberg, D. E., & Lingle, R. (1985). "Alleles, loci, and the traveling salesman problem". Proceedings of an International Conference on Genetic Algorithms and Their Applications, 154-159
Meyer, D, C. "An evolutionary Algorithm with Applications to statistics". Journal of computational and graphical ststistics, volume 12, number 2, pages 1-17, DOI:10.1198/106186003169
In this paper we present mathematical models for
transportation problems, primal problem and dual. First, we show
how is the formulation of dual transportation problem models.
Finally, As a solution to the two models lead to a solution other
model, we have to dissolve the Dual transportation problem, so we
relied on the least cost method in resolving the primal
transportation problem.
With the increasing use of technologies and automation in different sides of modern life, the outage of
electricity became a big issue that widely affects the daily life of most sectors like industrial, economical or
even entertaining sector. So it
This research includes analyzing and designing of high water
tanks using elastic method. Also, analyzing the structural
supporting system using the Second Equivalent Static Method, then
analysis by using Linear Dynamic Method - Response Spectra
M
In this paper, a modern method of restoring service in electrical
power systems was examined through an automated
coordination center using genetic algorithms.
It was investigated in this study the influence of
Carboxymethylcellolose (CMC) solution concentration,
temperature, and pH on the rheological properties according to the
shear stress as function of shear rate. Experimental results show that
shea