জেনেটিক অ্যালগরিদম কি?

জেনেটিক অ্যালগরিদম হল জিনগত উত্তরাধিকার পদ্ধতি ব্যবহার করে গাণিতিক কাঠামো। তারা সফলভাবে বিস্তৃত বিশ্লেষণী সমস্যায় অভ্যস্ত হয়েছে। ডেটা মাইনিং একটি নকশা বা মূল সম্পর্ক খুঁজে পেতে তথ্যের স্বয়ংক্রিয় বিশ্লেষণের সাথে মানুষের বোঝাপড়াকে সংযুক্ত করতে পারে৷

বিভিন্ন ভেরিয়েবলের উপর উপস্থাপিত একটি বড় ডাটাবেস দেওয়া, উদ্দেশ্য হল কার্যকরভাবে ডাটাবেসের মধ্যে সবচেয়ে আকর্ষণীয় ডিজাইন খুঁজে বের করা। জেনেটিক অ্যালগরিদম ব্যবহার করা হয়েছে কিছু সফটওয়্যারে আকর্ষণীয় ডিজাইন চিনতে। এগুলি সাধারণত অন্যান্য অ্যালগরিদম, যেমন ডিসিশন ট্রি অ্যালগরিদম, অন্য অ্যাসোসিয়েশন নিয়মের সম্পাদনকে উন্নত করতে ডেটা মাইনিংয়ে ব্যবহৃত হয়৷

জেনেটিক অ্যালগরিদমের একটি নির্দিষ্ট ডেটা কাঠামোর প্রয়োজন। তারা শ্রেণীবদ্ধ কাঠামোতে সংজ্ঞায়িত বৈশিষ্ট্য সহ একটি জনসংখ্যার উপর কাজ করে। জেনেটিক্সের সাথে সাদৃশ্য হল যে জনসংখ্যা (জিন) বৈশিষ্ট্যগুলি অন্তর্ভুক্ত করে। জেনেটিক অ্যালগরিদমগুলি বাস্তবায়নের একটি পদ্ধতি হল সম্ভবত আরও ভাল সংমিশ্রণের প্রজন্মকে উন্নত করতে মিউটেশনের বৈশিষ্ট্য সহ অপারেটরগুলি (পুনরুৎপাদন, ক্রসওভার, নির্বাচন) ব্যবহার করা।

জেনেটিক অ্যালগরিদম পদ্ধতিটি নিম্নরূপ -

এটি এলোমেলোভাবে পিতামাতাকে বেছে নিতে পারে৷
৷
এটি ক্রসওভারের মাধ্যমে পুনরায় তৈরি করতে ব্যবহৃত হয়।
প্রজনন হল কোন একক সত্তা এটি পরিচালনা করবে তা নির্বাচন করছে। অন্য পদে, কিছু উদ্দেশ্যমূলক পরিষেবা বা নির্বাচন বৈশিষ্ট্য বেঁচে থাকা নির্ধারণের জন্য প্রয়োজন। ক্রসওভার সত্তার ভবিষ্যত উৎপাদনের পরিবর্তনগুলি বর্ণনা করে।
এটি একটি ফিটনেস পরিষেবার মাধ্যমে পরবর্তী প্রজন্মের জন্য বেঁচে থাকা ব্যক্তিদের বেছে নিতে পারে৷
৷
মিউটেশন হল সেই পরিষেবা যার মাধ্যমে নিম্নলিখিত ক্রিয়াকলাপগুলিতে এলোমেলোভাবে নির্বাচিত সত্তাগুলির এলোমেলোভাবে নির্বাচিত বৈশিষ্ট্যগুলিকে রূপান্তরিত করা হয়৷
এটি একটি প্রদত্ত ফিটনেস স্তর অর্জন না হওয়া পর্যন্ত বা পুনরাবৃত্তির বর্তমান সংখ্যা না আসা পর্যন্ত পুনরাবৃত্তি হতে পারে৷
জেনেটিক অ্যালগরিদম প্যারামিটারে জনসংখ্যার আকার, ক্রসওভার রেট এবং মিউটেশন রেট থাকে।

জেনেটিক অ্যালগরিদমের সুবিধা

জেনেটিক অ্যালগরিদমের সুবিধা নিম্নরূপ -

জেনেটিক অ্যালগরিদমগুলি তৈরি এবং যাচাই করার জন্য খুব অ্যাক্সেসযোগ্য যা ব্যবহার করা হলে সেগুলিকে অত্যন্ত আকর্ষণীয় করে তোলে৷
অ্যালগরিদম সমান্তরাল, সংজ্ঞায়িত করে যে এটি উচ্চ জনসংখ্যার জন্য দক্ষতার সাথে ব্যবহার করা যেতে পারে। অ্যালগরিদমটিও কার্যকর যে যদি এটি একটি দুর্বল মূল সমাধান দিয়ে শুরু হয়, তবে এটি অবিলম্বে সেরা সমাধানের দিকে অগ্রসর হতে পারে৷
মিউটেশনের ব্যবহার খুব অরৈখিক সমস্যা নিয়মের মধ্যেও বৈশ্বিক অপ্টিমাকে স্বীকৃতি দেওয়ার জন্য পর্যাপ্ত পদ্ধতি তৈরি করে। পদ্ধতিটির তথ্য বিতরণ সম্পর্কে জ্ঞানের প্রয়োজন নেই।

জেনেটিক অ্যালগরিদমের অসুবিধাগুলি

জেনেটিক অ্যালগরিদমের জন্য ম্যাপিং ডেটা সেটের প্রয়োজন হয় যেখান থেকে অ্যাট্রিবিউটের আলাদা মান আছে জেনেটিক অ্যালগরিদমের সাথে কাজ করার জন্য। এটি সাধারণত সম্ভব কিন্তু ক্রমাগত ভেরিয়েবলের সাথে কাজ করার সময় বিস্তারিত তথ্যের একটি বড় চুক্তি হারাতে পারে।
এটি তথ্যকে শ্রেণীবদ্ধ আকারে কোড করার জন্য ব্যবহার করা হয় অনিচ্ছাকৃতভাবে রেকর্ডে পক্ষপাত ঘটাতে পারে।
জেনেটিক অ্যালগরিদমের সাথে বিবেচনা করা যেতে পারে এমন একটি ডেটা সেটের আকারও পরীক্ষা করা আছে।
খুব বড় ডেটা সেটের জন্য, নমুনা গুরুত্বপূর্ণ হবে, যা সমতুল্য ডেটা সেটের উপর একাধিক রান জুড়ে একাধিক ফলাফলের দিকে নিয়ে যায়।