رایانش فرگشتی
محاسبات فرگشتی (رایانش فرگشتی) شاخه‌ای از هوش مصنوعی (یا به‌طور خاص‌تر هوش محاسباتی) است که شامل مسایل بهینه‌سازی ترکیبی می‌شود. الگوریتم‌های استفاده شده (الگوریتم‌های فرگشتی) بر اساس استفاده از قوانین داروین هستند. از لحاظ فنی این الگوریتم‌ها متعلق به حل کننده‌های آزمون و خطا هستند و می‌توان آن‌ها را از روش‌های بهینه‌سازی کلی با ماهیت فرا ابتکاری یا بهینه سازی تصادفی قلمداد کرد که به وسیله‌ی استفاده از جمعی از راه‌حل‌های پیشنهادی( به جای تکرار کردن یک روش در فضای جستجو) برجسته شده‌است.
محاسبات فرگشتی شامل چهار زیرگروه اصلی می‌باشد.
- الگوریتم ژنتیک (Genetic algorithm)
- راهبرد فرگشتی (Evolutionary Strategy)
- برنامه‌سازی ژنتیکی (Genetic programming)
- برنامه‌سازی فرگشتی (Evolutionary programming)
تاریخچه
استفاده‌ی از قواعد داروینی به تاریخ 1960-1950 باز می‌گردد ولی در دهه‌ی 1960 بود که توسعه‌ی سه تفسیر متفاوت این نظریه در سه مکان مختلف شروع شد.
برنامه نویسی فرگشتی توسط لارنس.جی فاگل در آمریکا معرفی شد، در حالی که جان هانری هلند روش خودش را الگوریتم ژنتیک نام نهاد. ingo rechenberg در آلمان و هانس پاول شوفی در آلمان استراتژی‌های فرگشتی را معرفی کردند. این عنوان‌ها به‌طور جداگانه در طی تقریباً پانزده سال توسعه یافتند. از اوایل دهه‌ی نود میلادی تا به این تاریخ این شاخه‌ها تحت عنوان محاسبات فرگشتی متحد شدند. همچنین در اوایل دهه‌ی نود میلادی؛ جریانِ چهارمی پیرو این ایده‌ی کلی پدیدار شد که با نام برنامه‌نویسی ژنتیک شناخته شد. از دهه‌ی نود میلادی؛ الگوریتم‌های الهام گرفته‌شده از طبیعت رشد چشمگیری داشته‌اند و نقش عمده‌ای را در محاسبات فرگشتی ایفا می‌کنند.
منابع
- Eiben, A. , Smith, J. : Introduction to Evolutionary Computing. ۲ edn. Natural
Computing Series. Springer (۲۰۰۷)
- K.A. De Jong, Evolutionary computation: a unified approach. MIT Press, Cambridge MA, 2006