تستخدم الشبكة العصبية الصنعية طريقة تعلم استقرائي، و تتطلب بشكل عام أمثِلة
لبيانات التدريب، بينما تستخدم الخوارزمية الجينية تعلم اقتطاعي، و تتطلب تابع هدف. لقد تمّ
تنظيم التعاون بين هاتين التقانتين في دراستنا هذه بغرض تعزيز أداء كل تقانة من خلال بن
اء
نظام هجين منهما، عن طريق كتابة برمجيّة عامّة باستخدام برنامج MATLAB بغرض الاختيار الفعّال لمتحولات الدخل لعمليات التنبؤ، و أمثلة أوزان شبكة البيانات قيد الدراسة، و من ثمّ تطبيق هذه البرنامج على بيانات يوميّة، تمّ جمعها من حوض نهر الكبير الجنوبي هي (الهطول، التبخر، الحرارة، الرطوبة النسبية و الجريان النهري بتأخر زمني مقداره يوم واحد) بغرض التنبؤ بالجريان النهري.
بعد اختيار السجلات الزلزالية الحقيقية يجب تقييسها لمطابقة شدة الزلزال المحتملة في الموقع. تجرى عملية التقييس عادة باستخدام التقييس الموحد في مجال الزمن، وذلك ببساطة عن طريق تقییس السجلات الزمنية بتكبیرها أو تصغیرها بشكل موحد لتتم مطابقتها (بشكل متوسط
) مع طیف الاستجابة الهدف ضمن المجال المحدد للدور بأفضل ما يمكن. عملية إيجاد معاملات التقييس لتأمين المطابقة الأفضل مع الطيف الهدف هي من مهام المهندس وهي عملية صعبة ومعقدة، لذلك قمنا باستخدام الخوارزميات الجينية أحد أهم طرائق البحث التطورية الاصطناعية، والتي ترتكز على الاختيار الطبيعي وآليات الوراثة. تطبق الخوارزميات لإيجاد حلول المسائل الكبيرة والمعقدة والتي تتصف باللاخطية وبتعدد الحلول الموضعية المثلى.
تكمن قوة الخوارزميات في قدرتها على التكييف. حيث تخضع الأصناف (الأجناس) في الأنظمة الطبيعية إلى البيئة المحيطة وتتفاعل معها، فتنتج هذه الأصناف أجيال جديدة أكثر ملائمة للبيئة، والتي تخضع للبيئة بدورها لنتتج عناصر جديدة من جديد لتتابع عملية التطور. وحدها الأفراد التي تكيفت مع البيئة جيداً تبقى أما الباقي فتختفي. وفي التعبير الرياضي تتمثل الأفراد بمتغيرات المسألة وتعتبر البيئة هي المسألة المطروحة. ويعتبر الجيل الأخير للمتغيرات الذي تكيف مع المسألة هو الحل النهائي.
قمنا في هذا البحث بتلخيص المنهجيات الخاصة بالخوارزميات الجينية وعمليات التقييس، وناقشنا معايير تقييس السجلات الزمنية الحقيقية. ثم قمنا بتطبيق إجراءات التقييس التقليدية في مجال الزمن وإجراءات التقييس باستخدام الخوارزميات الجينية على عدد من السجلات الحقيقية المتوفرة لمطابقة الطيف التصميمي السوري. وأخيرا قمنا بفحص السجلات الزمنية الناتجة ومقارنتها لتبيان مدى مطابقتها لمتطلبات الكود.
إن أحد التطبيقات الرئيسية للمنطق الضبابي هو تصميم نظام تحكم، إن متحكمات المنطق الضبابي (Fuzzy logic controllers (FLC يمكن أن تستعمل لتصميم أنظمة التحكم حيث انه من الصعوبة استخدام تقنيات التحكم التقليدية. لقد اعتمد ضبط المتحكمات الضبابية على المعرفة ا
لبشرية الخبيرة و لكن لكون عدد القواعد و المجموعات الضبابية كبير, فان
مشكلة إيجاد القواعد الضبابية المرغوبة مهمة جداً في تطوير الأنظمة الضبابية.إن الغرض من هذه المقالة هو تقديم طريقة لتوليد قواعد ضبابية من الأمثلة باستخدام الخوارزميات الوراثية (genetic algorithms (GA و من أجل ذلك نقترح الخوارزميات الوراثية المشفرة حقيقيا
(real coded genetic algorithms (RCGA لإيجاد تلك القواعد مع
عملية تكرارية للحصول على مجموعة القواعد التي تغطي مجموعة الأمثلة مع قيمة غطاء معرفة بشكل مسبق.
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 كثي
ـر 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.
