پایتون در ژنتیک
الگوریتم ژنتیک چیست:
الگوریتم ژنتیک (Genetic Algorithm) یک الگوریتم از خانواده الگوریتم های تکاملی (Evolutionary Algorithms) است. این الگوریتم با الهام گرفتن از روند تکاملی ژن برای افزایش شانس زیستن موجودات طراحی شده است.
ویژگی های فیزیکی موجودات توسط ماده ژنتیک که DNA نام دارد، تنطیم می شود. DNA شامل تعداد زیادی ژن (Gene) است که هر کدام کنترل یک فرآیند را بر عهده می گیرند. ژن ها در طول زمان و در نتیجه انتخاب طبیعی (Natural Selection) تغییر یافته و بهینه می شوند.
قبل از ادامه مقاله شما را دعوت به مشاهده چندین نمونه فیلم از دوره های مختلف آموزش پایتون می نماییم.
شما می توانید برای اطلاع بیشتر از دوره های آموزش داده شده و همچنین تهیه پکیج های آموزشی به قسمت فروشگاه سایت مراجعه بفرمایید.
آشنایی با الگوریتم ژنتیک در پایتون:
برای پیاده سازی الگوریتم ژنتیک در پایتون در ابتدا کتابخانه های مورد نیاز را فراخوانی می کنیم:
import numpy as no
import typing as typ
import matplotlib.pyplot as plt
این ۳ کتابخانه به ترتیب برای موارد زیر استفاده خواهند شد:
کتابخانه numpy به دلیل تسهیل کار با آرایه، ماتریس و تولید اعداد تصادفی، به عنوان کتابخانه اصلی پیاده سازی استفاده خواهد شد.
ماژول typing برای تعریف جنس ورودی توابع کاربرد دارد. این مورد الزامی نیست اما استفاده از آن خوانایی کد را بالا می برد.
کتابخانه matplotlib برای رسم نمودار نتایج الگوریتم، برای نمایش عملکرد آن و حتی دریافتن مشکلات آن الزامی است.
پیاده سازی الگوریتم در پایتون:
برای پیاده سازی الگوریتم ژنتیک در پایتون، در اولین قدم، یک کلاس با نام GA ایجاد می کنیم.
:Class GA
برای کامل شدن این کلاس، به ۸ متد (Method) نیاز داریم. به عنوان اولین متد، متد سازنده را ایجاد می کنیم که با نام __init__ آن را می شناسیم. این متد در ورودی ۶ عدد دریافت می کند که تنظیمات کار الگوریتم است:
,def __init__ (self
,maxgeneration:int=100
,populationsize:int=100
,matingfraction:float=0.1
,mutationfraction:int=0.2
,mutationprobability:float=0.1
:(mutationscale:float=0.04
امیدواریم مقاله پایتون در ژنتیک برای شما مفید بوده باشد ، همچنین شما میتوانید از سایر مقالات در سایت www.catiadesign.ir دیدن بفرمایید.
