‫[عدل]‬ ‫ستمثال (رياضيات)‬

‫من ويكيبيديا‪ ،‬الموسوعة الحرة‬

‫في‪ ‬الرياضيات‪ ،‬مصطلح‪ ‬االستمثال‪ ‬أو‪ ‬مفاضلية‪ ‬أو‪ ‬تحسين‪( ‬باإلنكليزية‪ )optimization :‬يشير إلى اختيار العنصر األمثل من‬

‫بين مجموعة بدائل متاحة‪.‬‬

‫‪ ‬في‪ A  ‬بحيث‬ ‫‪ f : A ‬من‪ ‬مجموعة‪ A  ‬إلى مجموعة‪ ‬األعداد الحقيقية‪ .‬فإنه لدينا‪ : ‬عنصر‪ ‬‬ ‫إذا كان لدينا‪ : ‬دالة رياضية‪ R ‬‬
‫‪ ‬من أجل جميع قيم‪   ‬في المجموعة‪"( A  ‬تصغير" ‪ )minimization‬أو بحيث‬ ‫أن‪ ‬‬
‫‪ ‬من أجل جميع قيم‪   ‬في المجموعة‪"( A  ‬تكبير" ‪.)maximization‬‬ ‫أن‪ ‬‬

‫مثل هذه الصياغة ندعوها أحيانا‪ : ‬برنامج رياضي‪ ،mathematical program ‬وهو مصطلح ال يرتبط‪ ‬ببرمجة الحاسب‪،‬‬
‫لكنه يبقى مستخدما في مجاالت مثل‪ ‬البرمجة الخطية‪ ،linear programming ‬فائدة هذا الحقل الدراسي تكمن في قدرته على‬
‫نمذجة العديد من المسائل النظرية والواقعية أيضا‪.‬‬

‫‪ A‬تؤلف مجموعة جزئية ما من الفضاء اإلقليدي‪ ,Rn  ‬غالبا ما حدد عن طريق مجموعة من المحددات‪ ‬محددات‪,constraints  ‬‬
‫أو المعادالت أو المتراجحات التي يجب أن تحققها عناصر‪.A  ‬‬

‫عناصر‪ A  ‬تدعى‪ ‬حلوال ممكنة‪( ‬محتملة)‪ .feasible solutions  ‬والدالة‪ f  ‬تدعى‪ ‬دالة موضوعية‪objective ‬‬

‫‪ function‬أو‪ ‬دالة الكلفة‪ .cost function ‬الحل الممكن الذي يقوم بتصغير أو تكبير الدالة الموضوعية (حسب الغالية التي‬
‫نريدها) ندعوه الحل األمثل (األفضل أو األحسن)‪.optimal solution  ‬‬

‫نطاق الدالة‪ : f  ‬وهو‪ A  ‬يدعى‪ ‬فضاء البحث‪ ،‬في حين تدعى عناصر‪ A  ‬الحلول المرشحة‪ candidate solution ‬أو الحلول‬
‫الممكنة‪.feasible solutions ‬‬

‫بشكل عام‪ ،‬يكون هناك عدة نهايات صغرى محلية ‪ local minima‬ونهايات عظمى ‪ maxima‬محلية‪ ،‬حيث تعرف النهاية‬
‫‪ ‬وجميع قيم‪   ‬التي تحقق‪: ‬‬ ‫‪ ‬على انها نقطة تحقق‪ : ‬من أجل بعض القيم‪ ‬‬ ‫الصغرى المحلية‪ ‬‬

‫;‬

‫تكون الصيغة التالية محققة‪: ‬‬

‫‪  ‬تكون جميع قيم الدالة أكبر أو تساوي قيمة الدالة في هذه النقطة (هذا مفهوم‬ ‫هذا يعني أنه على أي نطاق كروي محيط ب‪ ‬‬
‫النهاية الصغرى)‪ .‬بشكل مشابه يمكننا تعريف النهاية العظمى والكبيرة‪.‬‬
‫[عدل]‬ ‫خوارزميات وراثية‬
‫من ويكيبيديا‪ ،‬الموسوعة الحرة‬

‫الخوارزمية الوراثية‪( ‬باإلنكليزية‪ )Genetic Algorithms :‬هي طريقة من طرق‪ ‬االستمثال‪ ‬والبحث‪ .‬يمكن تصنيف هذه‬
‫الطريقة كإحدى طرق‪ ‬الخوارزميات التطورية(باإلنكليزية‪ )Evolutionary algorithms :‬التي تعتمد على تقليد عمل الطبيعة‬
‫من منظور‪ ‬دارويني‪.‬‬

‫حلول مضبوطة أَو تقريبية تحقق األمثلية‪ .‬الخوارزميات الوراثية تصنف كبحوث‬
‫ِ‬ ‫تستعمل الخوارزمية الوراثية كتقنية بحث إليجاد‬
‫عالمية استداللية (باإلنكليزية‪ .)Global search heuristics :‬وهي أيضا فئة معينة من الخوارزميات التطورية المعروفة‬
‫كذلك بالحساب التطوري (باإلنكليزية‪ )evolutionary computation :‬التي تستخدم تكنولوجيا مستوحاة من البيولوجيا‬
‫التطورية (‪ )evolutionary biology‬مثل التوريث والطفرات واالختيار والتهجين (‪.)crossover‬‬

‫تعتبر الخوارزميات الجينية من التقنيات الهامة في البحث عن الخيار األمثل من مجموعة حلول متوفرة لتصميم معين‪ ،‬وتعتمد‬
‫مبدأ‪ ‬داروين‪  ‬في االصطفاء حيث تقوم هذه المعالجة الوراثية بتمرير المزايا المثلى من خالل عمليات التوالد المتعاقبة‪ ،‬وتدعيم هذه‬
‫الصفات‪ ،‬وتكون لهذه الصفات القدرة األكبر على دخول عملية التوالد‪ ،‬وإنتاج ذرية أمثل‪ ،‬وبتكرار الدورة الوراثية تتحسن نوعية‬
‫الذرية تدريجياً‪.‬‬

‫محتويات‬

‫‪[  ‬أخف]‪ ‬‬

‫‪ 1‬المنهج (‪)Methodology‬‬ ‫‪‬‬

‫‪ 2‬اإلشكال‬ ‫‪‬‬

‫‪ 3‬مصطلحات الخوارزميات الجينية‬ ‫‪‬‬

‫‪ 4‬طريقة العمل‬ ‫‪‬‬

‫‪ 5‬مسألة البائع المتجول‬ ‫‪‬‬

‫‪ 6‬مسألة ‪-8‬ملكات (‪)queens problem 8‬‬ ‫‪‬‬

‫( ‪[)Methodology‬عدل]‬ ‫المنهج‬
‫الخوارزميات الجينية يتم تنفيذها باعتبارها محاكاة الكمبيوتر حيث تستخدم الكورموسومات كأفراد في العمليات التي تقوم بها إليجاد‬
‫أفضل الحلول‪ ،‬بشكل عام الحلول تمثل بنظام الثنائي (‪ )binary‬من ‪ 0‬و‪، 1‬وأيضا يمكن استخدام رموز أخرى‪.‬‬

‫عملية التطور(‪ )evolution‬تبدأ عادة من اختيار الكورموسومات(‪ )population‬بشكل عشوائي وهذا يحدث في األجيال‬
‫األخرى‪ ،‬في كل جيل يتم حساب الدالة األمثلية (‪ )fitness function‬لكل الكروسومات بشكل منفرد ويتم اختيار أفضل‬
‫الكورموسومات باالعتماد على أفضل الدالة األمثلية ومن ثم عمل تهجين (دمج) وأيضا عمل طفرة‪ ،‬هذه الخوارزمية تتوقف عندما‬
‫نصل إلى أكبر عدد من األجيال تم إنتاجه أو الوصل إلى أفضل حل من خالل الدالة األمثلية‪ ،‬إذا كان التوقف بسبب أكبر عدد من‬
‫األجيال يكون الحل األمثل غير متحقق‪.‬‬
 ‫الخوارزميات الجينية توجد في التطبيقات المعلوماتية اإلحيائية( ‪ )bioinformatics‬وعلوم الحاسوب والهندسة واالقتصاد‬
‫والكيمياء والصناعات التحويلية (‪ )manufacturing‬والرياضيات والفيزياء وغيرها من الميادين‪.‬‬

‫خطوات الخوارزمية الجنية‬

‫‪ .1‬التهيئة(‪)initialization‬‬

‫في البداية العديد من الحلول الفردية هي مولده عشوائيا على شكل أولي للكورموسومات‪ .‬حجم الكورموسومات يعتمد على طبيعة‬
‫المشكلة‪ ،‬ولكن عادة ما يوجد عدة مئات أو آالف من الحلول الممكنة‪ .‬بشكل تقليدي يتم تتولد الكورموسومات بشكل عشوائي ‪،‬بحيث‬
‫تغطي مجموعة كاملة من الحلول الممكنة البحث الفضائي( ‪)search spaces‬وفي بعض األحيان‪ ،‬فإن هذا الحل قد تكون‬
‫"المصنف" في حالة الوصول إلى الحل األمثل(‪.)optimal solution‬‬

‫‪.2‬االختيار‪)selection( ‬‬

‫خالل كل األجيال المتعاقبة‪ ،‬هنالك نسبة من الكورموسومات الحالية هي المختارة إلنتاج جيل جديد‪ .‬ويتم اختيار هذه‬
‫الكورموسومات االعتماد على دالة األمثلية‪ ،‬حيث تكون نسبة االختيار على أفضلية الدالة األمثلية ‪،‬وهنالك طريقة أخرى عن طريق‬
‫اختيار مجموعة عشوائية من الكورموسومات‪ ،‬لكن هذه العملية قد تستغرق وقتا طويال جدا‪.‬‬

‫‪ .3‬االستنساخ‪)reproduction( ‬‬

‫هي عملية لتوليد جيل ثان من الكورموسومات التي تم انتقاؤها من خالل عملية االختيار ومن ثم عمل عميلة التهجين(‬
‫‪ )crossover‬والطفرة(‪)mutation‬إلنتاج األبناء‪.‬‬

‫عملية التهجين‬

‫من خالل اآلباء الذين تم اختيارهم من عملية االختيار يتم تزاوج بين كل اثنين من اآلباء إلنتاج طفلين جديدين وهذه العملية تستمر‬
‫حتى يتم إيجاد مجوعة جديدة من الكورموسومات باإلضافة إلى مجموعة اآلباء‪.‬‬

‫توجد العديد من التقنيات التي َتستعمل في عملية التهجين‪:‬‬

‫نقطة تهجين واحدة‬ ‫‪‬‬

‫هذه العملية في نهاية المطاف تنتج الجيل القادم من السكان الكورموسومات التي تختلف عن الجيل األول‪ ،‬جميع البيانات تترتب‬
‫باالعتماد على هذه النقطة حيث يحدث عملية تبدل للبيانات بشرط عدم حدوث تكرار‪.‬‬

‫نقطتين تهجين‬ ‫‪‬‬

‫هذه العملية في نهاية المطاف تنتج الجيل القادم من السكان الكورموسومات التي تختلف عن الجيل األول‪ ،‬جميع البيانات تترتب‬
‫باالعتماد على هذه النقطتين حيث يحدث عملية تبدل للبيانات بشرط عدم حدوث تكرار‪.‬‬

‫القطع والوصل‬ ‫‪‬‬

 ‫حيث هذه العملية تعمل على قطع البيانات من منطقة تختلف عن منطقة الكروموسوم الثاني مما يودي إلى اختالف في طول‬
‫الكروموسوم‪.‬‬

‫الطفرة‪ ‬هي عملية تغير مفاجأة في األبناء الناتجة من عملية التهجين بحيث تكون تغير في شكل الكروموسوم عن طريق تغير أحد‬
‫مكونات الكروموسوم (تغير ‪ )bit‬هذه العملية ليسن ناتجة من اآلباء‪.‬‬

‫عملية االستنساخ في النهاية تؤدي إلى إنتاج الكورموسومات جديدة فيتم تطبيق عليها الدالة األمثلية إلنتاج أبناء جدد‪.‬‬

‫‪ .4‬اإلنهاء‪)Termination( ‬‬

‫عملية إيجاد جيل جديد تستمر حتى يحدث أحد أسباب اإلنهاءو هي‪:‬‬

‫الوصول إلى الحل األفضل‪.‬‬ ‫‪.1‬‬

‫الوصل إلى العدد من األجيال المطلوب‪.‬‬ ‫‪.2‬‬
‫الوصول إلى قيمة معينة(‪ )budget‬مثل حساب (الزمن‪/‬المال)‪.‬‬ ‫‪.3‬‬
‫الوصل إلى (‪ )local minimum‬وعدم المقدرة على الخروج منها‪.‬‬ ‫‪.4‬‬
‫التخمين‪.‬‬ ‫‪.5‬‬
‫باستخدام مجموعة من األسباب السابقة‪.‬‬ ‫‪.6‬‬

‫‪ .5‬الشيفرة التضليلية‪ )Pseudo-code( ‬للخوارزمية‪.‬‬

‫اختيار مجموعة البيانات الكورموسومات( ‪.)Population‬‬ ‫‪.1‬‬

‫حساب الدالة األمثلية لكل كروموسوم‪.‬‬ ‫‪.2‬‬
‫إعادة‬ ‫‪.3‬‬
‫اختيار أفضل آباء لعملية إنتاج األبناء‪.‬‬ ‫‪.1‬‬
‫توليد جيل جديد باستخدام التهجين والطفرة‪.‬‬ ‫‪.2‬‬
‫تقيم لالبن الجديد باالعتماد على الدالة األمثلية‪.‬‬ ‫‪.3‬‬
‫عمل تغير للكروموسومات األصلية باالعتماد على قيم األبناء‪.‬‬ ‫‪.4‬‬
‫أكمل حتى االنتهاء‬ ‫‪.4‬‬

‫اإلشكال[عدل]‬

‫عادة ما يتم استعمال هذه الطريقة للقيام بالبحث في فضاء بحث (مجموعة عناصر يتم البحث فيها) أو في عملية استمثال ‪،‬أي أن‬
‫الهدف هو جعل دالة رياضية معينة تتخذ قيمة علوى قصوى أو دنيا قصوى ولهذه الدالة اسم خاص في مجال الخوارزميات الجينية‬
‫حيث يطلق عليها اسم دالة ألمثلية ‪.fitness function‬‬
 ‫ولتطبيق الخوارزمية الوراثية علينا أوالً أن نوجد التمثيل المناسب للمشكلة المدروسة وفق عمليات صبغية‪ ،‬وأشهر طرق التمثيل‬
‫هي استخدام السالسل الثنائية لتمثيل قيم المتغيرات التي تعبر عن ح ّل للمشكلة المعطاة وعلى هيئة صبغيات‪ ،‬وبعد أن تنتج هذه‬
‫الصبغيات ال بد من طرق لمعالجتها حيث يوجد أربعة عمليات وهي (النسخ‪ ،‬التصالب‪ ،‬الطفرة والعكس)‪.‬‬

‫الجينية[عدل]‬ ‫مصطلحات الخوارزميات‬

‫رغم أن تطبيق هذه الطريقة عادة يتلخص في عملية استمثال فإنها لها مصطلحاتها الخاصة نظرا ألصولها الراجعة أو‬
‫المرتبطة‪ ‬بنظرية التطور‪ .‬من أهم هذه المصطلحات‪:‬‬

‫االصطفاء‪ :‬وهي عملية اصطفاء الكروموزومات أي األفراد أي الحلول التي ستشارك في عملية التكاثر أي التي سيتم‬ ‫‪‬‬
‫عليها الحقا عملية مزج أجزائها مع أجزاء حلول أخرى أو تغير جزء من أجزاء هذا الحل‬
‫الفرد أو الكروموزوم‪ :‬هي الحلول المتاحة والتي يتم معالجتها‬ ‫‪‬‬
‫الجين‪ :‬هو أصغر جزء من الفرد وأصغر جزء حامل للمعلومة‪ .‬حيث يتم عادة تشفير متغيرات الدالة التي تخضع‬ ‫‪‬‬
‫لالستمثال لتكون في الشكل الثنائي (صفر وواحد)‪ .‬البت يسمى جين‬
‫ال ‪ population‬هي مجموع الحلول المتاحة‬ ‫‪‬‬
‫دالة األمثلية ‪ :fitness function‬هي الدالة التي تعطي نتيجتها احتمال دخول فرد ما في االصطفاء وتوريث خاصياته‪.‬‬ ‫‪‬‬
‫حيث أن الحلول األمثل تعطى حظا أكبر للدخول في عملية التكاثر وتوريث الخاصيات أو التغيير‪.‬‬
‫دالة التشفير‪ :‬هي طريقة تشفير الحل أي متغيرات عملية االستمثال (تشفير ثنائي مثال لمتغير ينتمي لألعداد الحقيقية)‬ ‫‪‬‬
‫دالة فك التشفير‪ :‬دالة فك التشفير هي الدالة العكسية لدالة التشفير التي نحتاجها لقرائة الحل النهائي الذي تعطيه‬ ‫‪‬‬
‫الخوارزمية الجينية‬
‫تالقح ‪ : crossover‬عملية يتم خاللها تبادل أجزاء حلول (قيمة متغيرات) بين األفراد أو الصبغيات أو الكروموزومات‬ ‫‪‬‬
‫التي تم اصطفائها سابقا للدخول في هذه العملية‬
‫‪ mutation‬عملية تغير على صبغية معينة أي طفرة أو تغير يطرؤ على إحدى متغيراته‬ ‫‪‬‬

‫العمل[عدل]‬ ‫طريقة‬
‫تقوم طريقة الخوارزميات الجينية على توليد حلول جديدة تولد حلوال من احتماالت مشفرة على الشكل المعروف ب "كروموسوم"‬
‫أَو "مورّ ث"‪ .‬الكروموسومات تجمع أو تتغير إلنتاج األفراد الجدد‪ .‬وهي مفيدة إليجاد الحل األمثل للمعضالت المتعددة األبعاد التي‬
‫يمكن فيها أن تشفر القيم للمتغيرات المختلفة فيها على شكل الكروموسوم‪.‬‬

‫ولتطبيق الخوارزمية الوراثية علينا أوالً أن نوجد التمثيل المناسب للمشكلة المدروسة وفق عمليات صبغية‪ ،‬وأشهر طرق التمثيل‬
‫هي استخدام السالسل الثنائية لتمثيل قيم المتغيرات التي تعبر عن ح ّل للمشكلة المعطاة وعلى هيئة صبغيات‪ ،‬وبعد أن تنتج هذه‬
‫الصبغيات ال بد من طرق لمعالجتها حيث يوجد أربعة عمليات وهي (النسخ‪ ،‬التصالب‪ ،‬الطفرة والعكس)‪.‬‬
 ‫فالخوارزمية الوراثية مبنية على أساس تقنية الحلول المثلى تحاكي النشوء الطبيعي وذلك عن طريق تشفير الحلول الممكنة لتمثيلها‬
‫على شكل سالسل مشابهة لسالسل الصبغي‪ ،‬ومن ثم تطبيق بعض العمليات البيولوجية (نسخ‪ ،‬تصالب‪ ،‬طفرة)‪ ،‬والعمليات‬
‫الصنعية(العكس) إلنتاج الحل األمثل‪.‬‬

‫والميزة األهم في الخوارزمية الوراثية هي طبيعتها التكييفية‪ ،‬والتي تجعلها أقل حاجة لمعرفة المعادلة من أجل حلها‪.‬‬

‫فالخوارزمات الجينية هي طريقة لمحاكاة ماتفعله الطبيعة في تكاثر الكائنات الحية‪ ،‬واستخدام تلك الطريقة لحل مشكالت معقدة‬
‫للوصول للحل األفضل‪ ،‬أو أقرب حل ممكن للحل األفضل‪ .‬إذن لدينا مشكلة لها عدد كبير جدا من من الحلول أكثرها خاطئ‬
‫وبعضها صحيح‪ ،‬وهنالك دائما الحل األفضل والذي يصعب غالبا الوصول إليه‪.‬‬

‫ففكرة الخوارزميات الجينية تكمن في توليد بعض الحلول للمشكلة عشوائيا‪ ،‬ثم تفحص هذه الحلول وتقارن ببعض المعايير التي‬
‫يضعها مصمم الخوارزم‪ ،‬وأفضل الحلول فقط هي التي تبقى أما الحلول األقل كفاءة فيتم إهمالها عمال بالقاعدة البيولوجية "البقاء‬
‫لألصلح"‪.‬‬

‫والخطوة التالية هي مزاوجة أو خلط الحلول المتبقية (الحلول األكثر كفاءة) إلنتاج حلول جديدة على غرار ما يحصل في الكائنات‬
‫الحية وذلك بمزج مورثاتها (جيناتها) بحيث يحمل الكائن الجديد صفات هي عبارة عن مزيج من صفات والديه‪.‬‬

‫الحلول الناتجة من التزاوج تدخل هي أيضا تحت الفحص والتنقيح لمعرفة مدى كفاءتها واقترابها من الحل األمثل‪ ،‬فإن ثبتت كفاءة‬
‫الحل الجديد فإنه يبقى وإال يُهمل‪ ،‬وهكذا تتم عمليات التزاوج واالنتقاء حتى تصل العملية إما لعدد معين من التكرارات (يقرره‬
‫مستحدم النظام) أو تصل الحلول الناتجة‪ ،‬أو إحداها إلى نسبة كفاءة‪ ،‬أو نسبة خطأ ضئيلة (يحددها المستخدم أيضا) أو حتى الحل‬
‫األفضل‪.‬‬

‫المتجول[عدل]‬ ‫مسألة البائع‬

‫( ‪ )Traveling Salesman Problem‬هي أحد التطبيقات على خوارزميات الجنية‪ .‬بفرض أن‪ ‬بائع متجول‪ ‬عليه زيارة عدد ما‬
‫من المدن المبعثرة حيث انه يعرف الطرق الواصلة بين المدن وأطوال هذه الطرق‪ ،‬عندها عليه إيجاد المسافة األقصر بين مجموعة‬
‫المدن بحيث يمر بكل المدن وال يمر بالمدينة الواحدة ألكثر من مرة وبحيث تكون المسافة المقطوعة أصغر ما يمكن بالتأكيد يتم‬
‫تعميم هذه المسألة على مسائل أوسع أهمها إيجاد المسارات المثالية لألسالك في الدرات المطبوعة بين نقطتين على الدارة مروراً‬
‫بعناصر محددة‪ ،‬كما أنها تستخدم بكثرة في تحديد مسارات الطائرات وغيرها من التطبيقات‪.‬‬
‫(‪ )Pseudo-code‬مسألة البائع المتجول‬

‫‪[)queens‬عدل]‬ ‫مسألة ‪-8‬ملكات (‪problem 8‬‬

‫تتوزع الملكات بشكل عشوائي حيث تمثل مجموعة الملكات بمجموعة أرقام {‪ }1،2،3،4،5،6،7،8‬حيث يعبر العنصر األول عن‬
‫موقع أول ملكه في أول عمود‪ ،‬العنصر الثاني يعبر عن موقع العنصر الثاني في العمود الثاني‪ ......‬وهكذا‪ .‬المطلوب توزيع‬
‫الملكات بحيث ال تتواجد ملكتين في نفس الصف أو العمود أو القطر الصورة التالية تظهر المطلوب‪.‬‬
‫طريقة العمل‪ :‬تقم الخوارزمية الوراثية باختيار أفضل الكورموسومات باستخدام الدالة األمثلية من مجموعة الكورموسومات األولية‬
‫الدالة األمثلية‪ : ‬تكون أعلى درجة (‪ 28 (7+6+5+4+3+2+1)= )max‬اقل درجة =‪ 0‬حيث ‪ 7‬تعني أن ‪ 8‬ملوك في نفس‬
‫السطر (من اليسار ال اليمن) وهكذا‪.‬‬

‫فإذا كانت الكورموسومات األولية هكذا‪: ‬‬

‫الدالة األمثلية=‪24= 4-28‬‬

‫الدالة األمثلية=‪23= 5-28‬‬

‫الدالة األمثلية=‪20= 8-28‬‬

‫الدالة األمثلية=‪11= 17-28‬‬

‫اختير أعلى دالة األمثلية‬

‫‪31% = )24+23+20+11(/24‬‬

‫‪29% = )24+23+20+11(/23‬‬

‫‪26% = )24+23+20+11(/20‬‬

‫‪11% = )24+23+20+11(/11‬‬

‫يتم اخيار أعلى درجتين من الدالة األمثلية ومن ثم عمل التهجين والطفرة‬

‫تستمر هذه العملية حتى الوصول إلى ان ال تتواجد ملكتين في نفس الصف أو العمود أو القطر‪.‬‬

‫الخوارزميات الوراثية‪ ‬هي أسلوب لحل المعضالت الرياضية والهندسية مبني على محاكاة أسلوب‪ ‬الجينات‪ ‬لتكاثر‬ ‫‪‬‬
‫الكائنات الحية‪.‬‬

‫إذن لدينا مشكلة لها عدد كبير جدا من من الحلول أكثرها خاطئ وبعضها صحيح‪ ،‬وهنالك دائما الحل األفضل والذي‬ ‫‪‬‬
‫يصعب غالبا الوصول إليه‪ ،‬ففكرة الخوارزميات الوراثية تكمن في‪ ‬توليد‪ ‬بعض الحلول للمشكلة‪ ‬عشوائيا‪ ،‬ثم يتم‪ ‬فحص‪ ‬هذه‬
‫الحلول ومقارنتها ببعض المعايير التي يضعها مصمم الخوارزم‪ ،‬وأفضل الحلول فقط هي التي تبقى أما الحلول األقل كفاءة‬
‫فيتم إهمالها عمال بالقاعدة البيولوجية‪" ‬البقاء لألصلح"‪.‬‬

‫والخطوة التالية هي‪ ‬مزاوجة‪ ‬أو خلط الحلول المتبقية (الحلول األكثر كفاءة) إلنتاج حلول جديدة على غرار مايحصل في‬ ‫‪‬‬
‫الكائنات الحية وذلك بمزج مورثاتها (جيناتها) بحيث يحمل الكائن الجديد صفات هي عبارة عن مزيج من صفات والديه‪،‬‬
‫الحلول الناتجة من التزاوج تدخل هي أيضا تحت‪ ‬الفحص والتنقيح‪ B‬لمعرفة مدى كفاءتها واقترابها من الحل األمثل‪ ،‬فإن ثبتت‬
‫كفاءة الحل الجديد فإنه يبقى وإال يتم‪ ‬إهماله ‪ ،‬وهكذا تتم عمليات التزاوج واالنتقاء حتى تصل العملية إما لعدد معين من‬
‫التكرارات (يقرره مستحدم النظام) أو تصل الحلول الناتجة أو إحداها إلى نسبة كفاءة أو نسبة خطأ ضئيلة (يحددها المستخدم‬
‫أيضا) أ وحتى الحل األفضل‪.‬‬