خوشه بندی در شبکه های کامپیوتری با الگوریتم ژنتیک

خوشه بندی در شبکه های کامپیوتری با الگوریتم ژنتیک

در این بخش به الگوریتم ژنتیک در قالب یک مقاله کوچک برای استفاده در خوشه بندی در شبکه های کامپیوتری می پردازیم که امیدواریم مطالب ارائه شده در آن مفید و مورد استفاده شما دوستان عزیز قرار گیرد.

بهینه ­سازی مبتنی بر هوش دسته جمعی

امروزه یکی از روش­ های مطرح برای حل دسته ­ای از مسائل بهینه­ سازی، استفاده از روش­ های موسوم به روش ­های بهینه ­سازی مبتنی بر هوش دسته جمعی می باشد. الگوریتم ­های خوشه­ بندی تکاملی، با بهره گیری از الگوریتم ­های تکاملی نظیر الگوریتم ژنتیک (GA)، بهینه­ سازی ازدحام ذرات (PSO)، بهینه ­سازی کلونی مورچگان (ACO) و غیره سعی در یافتن بهترین جواب ممکن به منظور ساخت خوشه دارند به طوری که خوشه حاصل دارای کمینه مقدار انرژی مصرفی، بیشینه مقدار داده ارسالی به چاهک و غیره باشد.

الگوریتم ژنتیک (GA)

الگوریتم ژنتیک نوع خاصی از الگوریتم‌ های تکاملی می باشد که از تکنیک ‌های زیست ‌شناسی مانند وراثت و جهش استفاده می ‌کند. در الگوریتم ژنتیک، یک کروموزوم، مجموعه‌ ای از پارامتر هاست به طوری که یک راه حل پیشنهادی را برای مساله ‌ای که الگوریتم ژنتیک سعی در حل آن دارد، تعریف می ‌نماید. الگوریتم ژنتیک با تولید یک جمعیت اولیه تصادفی شروع به کار می­ کند. بعد از تولید جمعیت اولیه، درصدی از کروموزم­ ها به تصادف به عنوان والد از جمعیت فعلی انتخاب می ­شوند.

کروموزم ­های والد با هم ترکیب شده و با تبادل اطلاعات بین یکدیگر دو کروموزم فرزند را ایجاد می­ کنند. همچنین به منظور ایجاد فرزندان بهینه ­تر از تکنیک جهش نیز می ­توان بهره گرفت. بعد از این مرحله، نسل جدید با استفاده از تابع برازش ارزیابی می ­شوند. از جمعیت بهترین فرزندان و جمعیت نسل قدیم، نسل جدید تولید می ­شود. در شکل زیر الگوریتم ژنتیک به تصویر کشیده شده است.

شکل 2: فلوچارت الگوریتم ژنتیک