پانزده کاربرد الگوریتم های ژنتیک – بخش دوم

هدف از این پست آشنا کردن مخاطبین محترم وبسایت محاسبات تکاملی با کاربرد های مختلف الگوریتم های ژنتیک می باشد. بدین منظور 15 کاربرد عمده از این الگوریتم ها را در سه پست مجزا آماده شده اند. در پست قبلی 5 کاربرد اول را منتشر کردیم. در این پست نیز، بخش دوم از این کاربردها را می بینیم. البته توجه شود که این کاربردها منحصر به الگوریتم ژنتیک (GA) نمی باشند و به سادگی قابل تعمیم به هر الگوریتم بهینه سازی تکاملی می باشند (این لینک (+) را ببینید). به همین منظور و برای درک بهتر موضوع، در ادامه هر کاربرد، موردی از استفاده مشابه از الگوریتم رقابت استعماری به همراه عنوان مقاله علمی منتشر شده، به عنوان یک مثال عملی خواهیم آورد.  لازم به ذکر است که این نوشتار به کوشش سرکار خانم زینب سجادی- دانشجوی کارشناسی ارشد ریاضیات مالی دانشکده ریاضی و علوم کامپیوتر دانشگاه شیخ بهایی اصفهان تهیه شده و جهت استفاده علاقه مندان در اختیار وبسایت محاسبات تکاملی قرار گرفته است. شما را به مطالعه لیست این کاربردها در ادامه مطلب دعوت می کنیم.

کاربرد ششم : تولید جُک و تولید جناس (سرگرمی استفاده از یک کلمه یا یک اصطلاح، با 2 معنا که یکی از آن ها خنده دار است) – خلاقیت مصنوعی

 

از دیگر کاربردهای الگوریتم های ژنتیک، می توان به استفاده آن ها در ادبیات اشاره نمود. این ها زیرمجموعه ای از “خلاقیت مصنوعی” و AI (هوش مصنوعی) هستند. این الگوریتم های زیرک، به شما اجازه می دهند تا کلمه ای را که می خواهید با آن جناس ساخته شود و یا عبارتی را که دوست دارید درباره اش لطیفه ای داشته باشید، وارد کنید. در ادامه، الگوریتم، یک تنوع از راه حل ها و جملات مرتبط را برمی گرداند. این کاربرد الگوریتم ژنتیک، می تواند به یک حرفه ی پُر منفعت در حوزه ی کُمدی منجر شود.

کاربرد هفتم : ابداع زیست تقلیدی

 

Biomimicry یا زیست تقلیدی، توسعه تکنولوژی هایی است که از مدل ها و طرح های موجود در طبیعت الهام گرفته اند. از آن جایی که الگوریتم های ژنتیک نیز از ساز و کارهای زیست شناسی تکاملی الهام گرفته اند، منطقی است که این الگوریتم ها بتوانند در یک فرایند ابداع، به خوبی مورد استفاده قرار بگیرند. در درجه ی اوّل، الگوریتم های ژنتیک بر چیزی که “همانندی ضمنی” (مثل به مثل یا نظیر به نظیر) نامیده می شود، تکیه دارند و در درجه ی دوم، توسط عملگرهای جهش و انتخاب به سمت یک راه حل (طرح) مشخص پیش می روند. در حال حاضر، برنامه ریزان الگوریتم ژنتیک بر روی کاربردهایی کار می کنند که نه تنها، چگونگی عملکرد و کارکرد طرح های طبیعی خودشان را تحلیل می کنند، بلکه می توانند طرح های طبیعی را برای ایجاد طرحهای کاملاً جدید که می توانند کاربردهایی مهیّج باشند، با یکدیگر ترکیب کنند.

کاربرد هشتم: مسیریابی در سفر، ترافیک و حمل کالا

 

از دیگر کاربردهای جدید و مشهور الگوریتم ژنتیک، استفاده ی از آن در حل مسئله ی فروشنده ی دوره گرد یا همان TSP است. حل این مسئله می تواند در برنامه ریزی های مربوط به انتخاب مسیرهای مؤثر در عین داشتن زمان بندی بهینه، کارا باشد. بنابراین برنامه ریزان سفر، مسیرهای ترافیکی و حتی شرکت های حمل و نقل، برای داشتن کوتاه ترین مسیر، استفاده ی خوبی از حل این مسئله می برند. به کارگیری این مسئله در امور ترافیک نیز موجب اجتناب از گره خوردن ترافیک و به وجود آمدن ساعات ازدحام جمعیت در خیابان می شود. مؤثرترین استفاده از آن، در حمل و نقل کالاست؛ زمانی که قرار است در بین راه کالایی از جایی بار زده شود یا به جایی تحویل داده شود. این برنامه می تواند همه ی موارد گفته شده را در یک پس زمینه (صفحه ی نمایش گراف) مدل سازی کند در حالی که عوامل انسانی (برنامه ریزان) می توانند به امور دیگر در بهبود و بهره وری سیستم مشغول باشند. این احتمال به طور پیوسته در حال افزایش است که هنگامی که شما بسته ی طرح سفر را از آژانس مسافرتی می گیرید، یک الگوریتم ژنتیک به آن چه که آژانس مسافرتی انجام داده، کمک کرده است.

به عنوان مثالی از کاربرد روشهای محاسبات تکاملی در این حوزه، می توانید مقالات زیر را که استفاده الگوریتم رقابت استعماری را در موارد نزدیک به کاربرد مطرح شده نشان می دهند، مطالعه نمایید.

• E. Shokrollahpour, M. Zandieh, Behrouz Dorri, “A novel imperialist competitive algorithm for bi-criteria scheduling of the assembly flowshop problem “, International Journal of Production Research
• S. Forouharfard, M. Zandieh, “An imperialist competitive algorithm to schedule of receiving and shipping trucks in cross-docking systems”, International Journal of Advanced Manufacturing Technology, DOI: 10.1007/s00170-010-2676-5.
• N. Karimi, M. Zandieh, A. A. Najafi, “Group scheduling in flexible flow shops: A hybridised approach of imperialist competitive algorithm and electromagnetic-like mechanism”, International Journal of Production Research, DOI: 10.1080/00207543.2010.481644.
• Mostafa Zandieh, Vahid Kayvanfar, “Solving economic lot scheduling problem using extended basic period approach with deteriorating items”, 7th International Conference on Industrial Engineering (IIEC)
• J. Behnamiana and M. Zandieh, “A discrete colonial competitive algorithmnext term for hybrid flowshop scheduling to minimize earliness and quadratic tardiness penalties”, Expert Systems with Applications, doi:10.1016/j.eswa.2011.04.241

• مرتضي بابايي، حسن دادگر، بهرام كيميا قلم، كارو لوكس ،”بكارگيري الگوريتم رقابت استعماري در حل مساله فروشنده دروه گرد”،ششمين كنفرانس بين المللي مهندسي صنايع

برای کسب اطلاعات بیشتر و دانلود مقالات فوق، به بخش پایان نامه ها و مقالات در سایت مراجعه نمایید.

کاربرد نهم : بازی رایانه ای

 

افرادی که بعضی از اوقات خود را با بازی های کامپیوتری Sims (بازی هایی که با ایجاد تمدن هایی آغاز می شوند و بازیکن به دنبال تکامل این تمدن هاست) می گذرانند، در واقع در این بازی، اغلب خودشان را در مقابل الگوریتم های ژنتیک و هوش مصنوعی پیشرفته قرار می دهند و این در حالیست که بازیکن در این محیط مجازی خود را در مقابل دیگر بازیکنان online می بیند. الگوریتم های ژنتیک در این حیطه، برای ترکیب استراتژی های موفق تر از بازی هایی که قبلاً برنامه ریزی شده اند (برنامه های یادگیری) استفاده می کنند و معمولاً ترکیب داده های مورد استفاده، بر اساس “نظریه ی بازی” (Game Theory) است. نظریه ی بازی در اکثر کاربردهای الگوریتم ژنتیک، در جستجوی راه حل برای هر مسئله ای که این الگوریتم ها قابل اجرا هستند، مفید است؛ حتی اگر این کاربرد یک بازی باشد.

به عنوان مثالی از کاربرد روشهای محاسبات تکاملی در این حوزه، می توانید مقالات زیر را که استفاده الگوریتم رقابت استعماری را در موارد نزدیک به کاربرد مطرح شده نشان می دهند، مطالعه نمایید.

• Ramin Rajabioun, Esmaeil Atashpaz-Gargari, Caro Lucas, “Colonial Competitive Algorithm as a Tool for Nash Equilibrium Point Achievement”,  Springer LNCS

برای کسب اطلاعات بیشتر و دانلود مقاله فوق، به بخش پایان نامه ها و مقالات در سایت مراجعه نمایید.

کاربرد دهم: حک کردن و کُد شکنی

 

در جبهه ی امنیتی، الگوریتم های ژنتیک، هم می توانند در ایجاد رمز برای داده های حساس و هم در شکستن کُدها مورد استفاده قرار بگیرند. رمزدار کردن داده ها، محافظت از حق چاپ و انتشار انحصاری و شکستن کُد شرکت های رقیب، از زمانی که کامپیوتر وجود داشته، از اهمیت بالایی در جهان کامپیوتر برخوردار بوده اند و رقابت در این عرصه، شدید است. هر زمانی که فردی پیچیدگی بیشتری به الگوریتم های رمزی اضافه می کند، فرد دیگری در صدد این است که بتواند با الگوریتم ژنتیک، کُد شکنی کند. ما امیدواریم که به زودی کامپیوترهای کوانتومی داشته باشیم که توانایی تولید کُدهای کاملاً غیر قابل کشف را داشته باشند. البته تا آن موقع، دیگران نیز، این نوع کامپیوترها را در اختیار خواهند داشت. بنابراین انتظار می رود که بازی جاسوس بر ضد جاسوس تا بی نهایت ادامه داشته باشد.

به عنوان مثالی از کاربرد روشهای محاسبات تکاملی در این حوزه، می توانید مقالات زیر را که استفاده الگوریتم رقابت استعماری را در موارد نزدیک به کاربرد مطرح شده نشان می دهند، مطالعه نمایید.

• بهاره قادري، كارولوكس، “كشف رمزهاي بلوكي جايگشتي با استفاده از الگوريتم رقابت استعماري”، ششمين كنفرانس بين المللي انجمن رمز ايران

برای کسب اطلاعات بیشتر و دانلود مقاله فوق، به بخش پایان نامه ها و مقالات در سایت مراجعه نمایید.