بخشهایی از فیلم آموزشی الگوریتم GEP برای بررسی کیفیت و محیط آموزش.
الگوریتم GEP در حقیقت نگاه حاکم بر دو الگوریتم وراثتی پیش از خود را در راستای پوشش نقاط ضعف این دو، تجمیع میکند. در این روش، ژنوتایپ کروموزومها مشابه الگوریتم ژنتیک (Genetic Algorithm) یک ساختار خطی دارد و فنوتایپ این کروموزومها به صورت یک ساختار درختی با طول و اندازهی متغیر مشابه الگوریتم برنامهسازی ژنتیک (Genetic Programming) است. از این رو الگوریتم GEP با غلبه بر محدودیت نقش دوگانهی کروموزومها در الگوریتمهای پیش از خود امکان اعمال عملگرهای متعدد ژنتیک را با ضمانت سلامت همیشگی کروموزومهای فرزند فراهم میسازد و با سرعتی بیش از GP به دلیل تنوع ساختاری بالاتر از GA، فضای پاسخهای ممکن را به صورت کاملتری جستجو میکند. در حقیقت GEP از این منظر موفق به عبور از آستانههای اول و دوم مفروض در فرآیندهای تکامل طبیعی (Replicator Threshold and Phenotype Threshold) شده است.
از جمله کاربردهای این روش میتوان به تابعیابی هوشمند (Function Finding)، برازش مدل در سریهای زمانی، شنناخت الگو و دستهبندی (Classification)، وزندهی به شبکههای عصبی مصنوعی و استخراج دانش نهفته در جعبهی سیاه این شبکهها به صورت مدلهای ریاضیاتی (استخراج فرمول درونی شبکهی عصبی) اشاره کرد.
در دانآموز شماره ۲۵، تمامی مفاهیم بالا با مقدمهای کامل بر الگوریتمهای ژنتیک و مبانی زیستی آنها به گونهای بیان گردیده است که برای طیف وسیعی از مخاطبان ناآشنا تا آشنا با محاسبات تکاملی در هر دو حوزهی صنعتی و دانشگاهی قابل استفاده باشد؛ سپس ساختار الگوریتم GEP و نحوهی عملکرد آن بر اساس مراجع اصلی آموزش داده شده است و در آخر نیز روش اجرای فرآیند تابعیابی توسط این الگوریتم در محیط نرمافزار GeneXproTools به صورت گام به گام مورد بررسی قرار گرفته است. سرفصلهای این آموزش به صورت زیر است:
ادامه و دانلود آموزش در طرح دانآموز و جستار به آدرس زیر
http://www.madankari.com/departments/kmdept/d-j.html
آموزش, تصویری, الگوریتم, برنامهسازی, بیان-ژنی, الگوریتمهای, ژنتیک