ژنتیک پایه 23 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 24

ژنتیک پایه

اطلاعات اولیه

علم ژنتیک یکی از شاخه‌های علوم زیستی است. بوسیله قوانین و مفاهیم موجود در این علم می‌توانیم به تشابه یا عدم تشابه دو موجود نسبت به یکدیگر پی ببریم و بدانیم که چطور و چرا چنین تشابه و یا عدم تشابه در داخل یک جامعه گیاهی و یا جامعه جانوری ، بوجود آمده است. علم ژنتیک علم انتقال اطلاعات بیولوژیکی از یک سلول به سلول دیگر ، از والد به نوزاد و بنابراین از یک نسل به نسل بعد است. ژنتیک با چگونگی این انتقالات که مبنای اختلالات و تشابهات موجود در ارگانیسم‌هاست، سروکار دارد. علم ژنتیک در مورد سرشت فیزیکی و شیمیایی این اطلاعات نیز صحبت می‌کند.

منبع گوناگونی ژنتیکی چیست؟

چگونه گوناگونی در جمعیت توزیع می‌گردد؟ البته تمام اختلافات ظاهری موجودات زنده توارثی نیست، عوامل محیطی و رشدی موجود نیز مهم بوده و بنابراین برای دانشمندان ژنتیک اهمیت دارد. مدتها قبل از اینکه انسان در مورد مکانیزم ژنتیکی فکر کند، این مکانیزم در طبیعت به صورت موثری عمل می‌کرده است. جوامع گوناگونی از حیوانات و جانوران بوجود آمدند که تفاوتهای موجود در آنها ، در اثر همین مکانیزم ژنتیکی بوجود می‌آمد. تغییراتی که در اثر مکانیزم ژنتیکی و در طی دوران متمادی در یک جامعه موجود زنده تثبیت شده، تکامل نامیده می‌شود. تغییرات وسیعی نیز در اثر دخالت بشر در مکانیزم ژنها بوجود آمده که برای او مفید بوده است. جانوران و گیاهان وحشی ، اهلی شده‌اند، با انتخاب مصنوعی ، موجودات اهلی بهتر از انواع وحشی در خدمت به بشر واقع شده‌اند.

تاریخچه

علم ژنتیک در اواخر قرن 19 با آزمایشات مندل در نخود فرنگی ، شروع گریدید. با اینکه پیشرفت در اوایل کند بود، ولی در اوایل قرن 20 ، جایگاه مهم خود را در علوم جدید پیدا کرد. آزمایشات متعددی که در این قرن ابتدا در مگس سرکه توسط مورگان و ذرت و سپس میکروارگانیزم‌ها انجام گرفت، طیف این دانش را به حدی وسیع نمود که امروزه در بیشتر شاخه‌های علوم ، از سطح مولکولی گرفته تا محاسبات پیچیده ریاضی ، مورد بررسی قرار می‌گیرد. با کمک مهندسی ژنتیک انتقال صفات بین گونه‌ها و جنسها امکان‌پذیر شده و این شاخه جدید ژنتیک گره گشای بسیاری از مسائل پزشکی و کشاورزی گردیده است.

رشد تسلسلی مفاهیم ژنتیکی

رشد و گسترش مفاهیم موجود در هر علم ، مبتنی بر واقعیتهایی است که به مرور زمان شناسایی و روی هم انباشته می‌شوند و به این ترتیب رشد تسلسلی آن را بوجود می‌آورند. موارد فهرست‌وار زیر بخشی از مراحل مختلف رشد این علم جوان را تشکیل می‌دهد :توارث از صفات ویژه تمام موجودات زنده است، یعنی اینکه هر موجود زنده همانند خود را در یکی از مراحل زندگی خود تولید می‌کند.

در تولید مثل ، عامل یا عواملی از والدین به نتایج منتقل می‌شود. فقط در قرن اخیر بود که دانشمندان به واقعیت این امر پی بردند. پیشرفتهای حاصله در اصلاح تکنیکهای میکروسکوپی در قرن 19 روشن نمود که ماده‌ای از والدین به فرزند انتقال می‌یابد و از این تاریخ به بعد اعتقادات پیشینیان مبنی بر اینکه ، تولید مثل از پدیده‌های خارق‌العاده منشا می‌گیرد، مردود شناخته شد.

در داخل یک گونه تغییرات توارثی وجود دارد. با پیدایش مفاهیم و پدیده‌های تکاملی که توسط لامارک و داروین عنوان گردیدند، امکان وجود تغییرات توارثی بین گونه‌ها توجیه شد و تائید گردید که بدون تغییرات ژنتیکی ، تکامل گونه‌ها به این سادگی امکان‌پذیر نبوده است.

تغییرات ژنتیکی را می‌توان از تغییرات محیطی جدا نمود. صفات موجودات زنده که کلا فنوتیپ آن را تشکیل می‌دهند، تابعی از ترکیب ژنتیکی آنها (ژنوتیپ) و عوامل محیطی است که این موجود در آن زندگی می‌کند. تظاهر فنوتیپ ، تابع ژنوتیپ و عوامل محیطی است. این عوامل ممکن است فنوتیپ را تغییر دهند، ولی ژنوتیپ را تغییر نمی‌دهند. به عبارت دیگر ، محیط صحنه‌ای است که ژنوتیپ بازیگر آن می‌باشد و فنوتیپ نیز محصولی است که در نتیجه عمل متقابل ژنوتیپ و محیط بوجود می‌آید.

بررسی علم ژنتیک از تولد تاکنون

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 14

بررسی علم ژنتیک از تولد تاکنون

علم زیست شناسی، هرچند به صورت توصیفی از قدیم‌ترین علومی بوده که بشر به آن توجه داشته است؛ اما از حدود یک قرن پیش این علم وارد مرحله جدیدی شد که بعدا آن را ژنتیک نامیده‌اند و این امر انقلابی در علم زیست شناسی به وجود آورد. در قرن هجدهم، عده‌ای از پژوهشگران بر آن شدند که نحوه انتقال صفات ارثی را از نسلی به نسل دیگر بررسی کنند ولی به 2 دلیل مهم که یکی عدم انتخاب صفات مناسب و دیگری نداشتن اطلاعات کافی در زمینه ریاضیات بود، به نتیجه‌ای نرسیدند. اولین کسی که توانست قوانین حاکم بر انتقال صفات ارثی را شناسایی کند، کشیشی اتریشی به نام گریگور مندل بود که در سال 1865 این قوانین را که حاصل آزمایشاتش روی گیاه نخود فرنگی بود، ارائه کرد. اما متاسفانه جامعه علمی آن دوران به دیدگاه‌ها و کشفیات او اهمیت چندانی نداد و نتایج کارهای مندل به دست فراموشی سپرده شد. در سال 1900 میلادی کشف مجدد قوانین ارائه شده از سوی مندل، توسط «درویس»، «شرماک» و «کورنز» باعث شد که نظریات او مورد توجه و قبول قرار گرفته و مندل به عنوان پدر علم ژنتیک شناخته شود. در سال 1953با کشف ساختمان جایگاه ژنها (DNA) از سوی جیمز واتسن و فرانسیس کریک، رشته‌ای جدید در علم زیست شناسی به وجود آمد که زیست شناسی ملکولی نام گرفت.

با حدود گذشت یک قرن از کشفیات مندل در خلال سالهای 1971 و 1973 در رشته زیست شناسی ملکولی و ژنتیک که اولی به بررسی ساختمان و مکانیسم عمل ژنها و دومی به بررسی بیماری‌های ژنتیک و پیدا کردن درمانی برای آنها می‌پرداخت، ادغام شدند و رشته‌ای به نام «مهندسی ژنتیک» را به وجود آوردند که طی اندک زمانی توانست رشته‌های مختلفی اعم از پزشکی، صنعت و کشاورزی را تحت الشعاع خود قرار دهد. پایه اصلی این رشته بر این اصل استوار است که با انتقال ژنی به درون ذخیره ژنی یک ارگانیسم، آن ارگانیسم را وادار می کند - که در شرایط محیطی مناسب برای بیان آن ژن - به دستورات آن ژن که می‌تواند بروز یک صنعت یا ساختار شدن یک ماده بیوشیمیایی و... باشد، عمل کند. امروزه مهندسی ژنتیک خدمات شایان ذکری را به بشر ارائه کرده که در تصویر دیروز او نمی‌گنجیده و امری محال محسوب می‌شد! از برجسته‌ترین خدمات این علم در حال حاضر می‌توان موارد زیر را برشمرد: اصلاح نژادی حیوانات و نباتات که باعث بالا رفتن سطح کیفیت و کمیت فرآورده های غذایی استحصال شده از آنان گردیده است. تهیه داروها و هورمون ها با درجه خلوص بالا و صرف هزینه های پایین درمان بیماری های ژنتیکی با ایجاد تغییرات در سلول تخم که از جدیدترین دستاوردهای مهندسی ژنتیک محسوب می شود و بسیار محدود است . پیش بینی محدود بیماری ها در فرزندان آینده یک زوج که از این طریق به زوجهای جوانی که می خواهند با یکدیگر ازدواج کنند. خدمات مشاوره ژنتیک می دهند و آنها را از وضعیت جسمانی فرزندان آینده شان مطلع می سازند. اما اگر بخواهیم دورنمای مهندسی ژنتیک را ترسیم کنیم ، تمامی موارد زیر قابل تصورند: اعضای بدن انسان از قلب گرفته تا چشم و دست و پا به صورت مجزا از طریق مهندسی ژنتیک تولید می‌شوند و بانکهای اعضای بدن به نیازمندان پیوند عضو، عضو جدید عرضه می کنند و هر فرد می تواند عضوی که دقیقا مشابهت ژنتیکی با خودش را دارد، خریداری کند و از این طریق مشکل دفع پیوند که به دلیل شباهت نداشتن رموز ژنتیکی، فرد دهنده و گیرنده عضو ناشی می‌شود، مرتفع خواهد شد. در نتیجه آمار مرگ و میر انسان نیز پایین خواهد آمد. تمامی بیماری‌های ژنتیکی حتی در دوره جنینی نیز قابل درمان خواهد بود. از جهشهای متوالی عوامل بیماری‌زا که عامل اصلی فناناپذیر بودنشان است ، جلوگیری به عمل می آید و درصد بالایی از بیماری های شناخته شده ریشه کن خواهد شد. کارتهای شناسایی افراد ژنتیکی خواهد شد که برای هر دو فردی روی کره زمین (بجز 2قلوهای همسان و کلونها) متفاوت خواهد بود و دقیقا هویت هر فرد را تعیین می کنند. مجرمان با گذاشتن کوچکترین اثر بیولوژیکی از خود مثل یک تار مو بسرعت شناسایی خواهند شد. می‌توان سرعت رشد موجودات مختلف را افزایش داد که خود این امر مزایای بسیاری را فراهم می‌آورد که از آن جمله می‌توان به پرورش سریع حیواناتی همچون گاو و گوسفند اشاره کرد که می‌توانند نیازهای غذایی یک جامعه را تا حد زیادی مرتفع کنند.

به نظر می‌رسد ژنتیک بخش بسیار عظیمی از آینده را به خود اختصاص خواهد داد و شاید یکه تاز زمان باشد. البته برای این علم جنجال برانگیز پایانی نمی‌توان متصور شد. تمامی مواردی که در بالا ذکر شد، از لحاظ نظری امکانپذیر است؛ ولی نیاز به تحقیق، مطالعات و آزمایشات فراوان دارد که بشر بتواند به آنها دست یابد و چون مسلط بودن بر این علم نیاز به پشتوانه قوی علومی همچون بیولوژی سلولی ملکولی، بیوشیمی، فیزیولوژی و آمار و احتمالات دارد، باید زحمات فراوانی برای دستیابی به ویژگی‌های این رشته از علم متحمل شد. در آخر ذکر این نکته نیز مهم است که باید قوانین بین المللی سخت و محکمی برای این رشته علمی تبیین کرد تا از انجام آزمایشاتی با نتایج اسفبار که این رشته امکان آن را فراهم می سازد، جلوگیری کرد؛ زیرا آنچه مسلم است این که ژنتیک در حالی که علم بسیار مفیدی برای انسان است ، می تواند در صورت استفاده های غیرمنطقی از آن نسل بشریت را گرفتار عواقب وحشتناکی کند و باعث انقراض او گردد.

ارتباط ژنتیک با سایر علوم

ژنتیک علمی است جدید و تقریبا از اوایل سالهای 1900 میلادی با ظهور علوم سیتولوژی و سیتوژنتیک جنبه علمی‌تر به خود گرفته است. علم سیتولوژی با ژنتیک قرابت نزدیکی دارد و به کمک این علم می‌توان مورفولوژی ، فیزیولوژی و

DNA و ژنتیک 10 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 15

DNA101چیست ؟

DNA (دئوکسی ریبونوکلئیک اسید) یک ساختار شیمیایی است که کروموزوم را می‌سازد . قسمتی از کروموزوم که خصوصیات ویژه را دیکته می کند ژن نام دارد .

ساختار DNA یک مارپیچ دوتایی است که دو رشته از ماده ژنتیکی پیچیده شده اند به صورت مارپیچ به دور هم . هر رشته شامل یک ترتیب پایه است که نوکلئوتید نام دارد. هر ترکیب پایه از 4 ساختار تشکیل شده است (آدنین A ، گوانین G ، سیتوزین C ، تیمین T)

دو رشته DNA از طریق این پایه ها به هم وصل می شوند . بنابراین هر پایه فقط با یک پایه پیوند خواهد داشت . آدنین فقط با تیمین و گوانین با سیتوزین .

نمونه پیشنهادی DNA به صورت زیر است .

A - A - C - T - G - A - T - A - G - G - T - C - T - A - G

رشته دیگر DNA به این صورت است :

T - T - G - A - C - T - A - T - C - C - A - G - A - T - C

روی هم رفته این انتخاب به این صورت شرح داده می شود :

T - T - G - A - C - T - A - T - C - C - A - G - A - T - C

A - A - C - T - G - A - T - A - G - G - T - C - T - A - G

رشته های DNA به صورت مخصوصی خوانده می شوند از بالا که نامیده می شود

و پایین آن نامیده می شود . در دو رشته مارپیچ رشته ها در حالت متضاد هم قرار دارند .

T - T - G - A - C - T - A - T - C - C - A - G - A - T - C

A - A - C - T - G - A - T - A - G - G - T - C - T - A - G

ساختار شیمیایی DNA به این صورت است .

اثر انگشت DNA چیست ؟

ساختمان شیمیایی DNA هر شخص مانند هم است . تنها فرق بین انسان ها یا هر موجود دیگری در دستور عمل جفت های پایه است . بیش از میلیون ها جفت پایه در DNA هر شخص وجود دارد که باعث می شود هر شخص توالی مختلف از DNA داشته باشد .

با استفاده از همین ترتیب ها هویت منحصر به فرد هر شخص می تواند شناسایی شود ولی به علت وجود داشتن میلیون ها جفت پایه این کار خیلی وقت‌گیر می شود . در عوض علم توانایی استفاده از روشهای کوتاهتر و کم هزینه تر را دارد (به علت تکرار نمونه ها در DNA)

این نمونه ها به ما اثر انگشت هر شخص را می دهند و دانشمندان قادرند معین کنند که آیا دو نمونه DNA از یک شخص است و یا از اقوام آن شخص است یا افراد دیگر. علم با استفاده از یک ترتیب کوچک که شناخته شده است توانسته اختلافات بین اشخاص را در یک ترتیب بزرگتر بدست آورد و از آنالیز آنها احتمالات یکسانی حاصل کند .

تحقیق در مورد ژنتیک

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 50 صفحه

 قسمتی از متن .doc : 

چکیده:

الگوریتم های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کنند. الگوریتم های ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی بر مبنای رگرسیون هستند. همچنین ساده خطی وپارامتریک نیزگفته می شود، به الگوریتم های ژنتیک می توان غیر پارامتریک نیز گفت.

مختصراً گفته می شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند. مسئله ای که باید حل شود ورودی است و راه حل ها طبق یک الگو کد گذاری می شود ومتریک که تابع fitness هم نام دارد هر راه حل کاندید را ارزیابی می کندکه اکثر آنها به صورت تصادفی انتخاب می شوند. یکی از مهمترین کاربردهای الگوریتم های ژنتیک حل مسئله فروشنده دوره گرد می باشد که در بخش دوم به طور کامل به آن می پردازیم.

کلاً این الگوریتم ها از بخش های زیر تشکیل می شوند :

انتخاب مجدد selection

ترکیب combination

جهش ژنی mutation

که در ادامه آنها را توضیح خواهیم داد.

مقدمه:

قانون انتخاب طبیعی بدین صورت است که تنها گونه‌هایی از یک جمعیت ادامه نسل می‌دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می‌روند.

   مثلا فرض کنید گونه خاصی از افراد هوش بسیار بیشتری از بقیه افراد یک جامعه یا کولونی دارند. در شرایط کاملا طبیعی این افراد پیشرفت بهتری خواهند کرد و رفاه نسبتا بالاتری خواهند داشت و این رفاه خود باعث طول عمر بیشتر و باروری بهتر خواهد بود(توجه کنید شرایط طبیعی است نه در یک جامعه سطح بالا با ملاحظات امروزی یعنی طول عمر بیشتر در این جامعه نمونه با زاد و ولد بیشتر همراه است). حال اگر این خصوصیت(هوش)ارثی باشد به طبع در نسل بعدی همان جامعه تعداد افراد باهوش به دلیل زاد و ولد بیشتر این‌گونه افراد بیشتر خواهد بود. اگر همین روند را ادامه دهید خواهید دید که در طی نسل‌های متوالی دائما جامعه نمونه ما باهوش و باهوش‌تر می‌شود. بدین ترتیب یک مکانیزم ساده طبیعی توانسته است در طی چند نسل عملا افراد کم هوش را از جامعه حذف کند علاوه بر اینکه میزان هوش متوسط جامعه نیز دائما در حال افزایش است.

    بدین ترتیب می‌توان دید که طبیعت با بهره‌گیری از یک روش بسیار ساده(حذف تدریجی گونه‌های نامناسب و در عین حال تکثیر بالاتر گونه‌های بهینه) توانسته است دائما هر نسل را از لحاظ خصوصیات مختلف ارتقا بخشد.

در این میان آنچه شاید بتواند تا حدودی ما را در فهم این مساله یاری کند مفهومیست به نام :

تصادف یا جهش.

هدف اصلی روش‌های هوشمند به کار گرفته شده در هوش مصنوعی یافتن پاسخ بهینه مسائل مهندسی است. به عنوان مثال اینکه چگونه یک موتور را طراحی کنیم تا بهترین بازدهی را داشته باشد یا چگونه بازوهای یک ربات را محرک کنیم تا کوتاه‌ترین مسیر را تا مقصد طی کند(دقت کنید که در صورت وجود مانع یافتن کوتاه‌ترین مسیر دیگر به سادگی کشیدن یک خط راست بین مبدا و مقصد نیست) همگی مسائل بهینه‌سازی هستند.

   در مورد نکته دوم باید بگوییم که روش‌های ریاضی بهینه‌سازی اغلب منجر به یک فرمول یا دستورالعمل خاص برای حل هر مسئله می‌شوند. در حالی که روش‌های هوشمند دستورالعمل‌هایی هستند که به صورت کلی می‌توانند در حل هر مسئله‌ای به کار گرفته شوند. این نکته را پس از آشنایی با خود الگوریتم بیشتر و بهتر خواهید دید.

اما یک موجود چگونه قادر است که شکل و فرم موجودات بعد از خود را تعیین کند؟ برای اینکه جواب سوال را دریابیم، ابتدا باید فرآیند تولید مثل موجودات را بررسی کنیم.

در جریان تولید مثل یک موجود کروموزومهای والدین موجود با یکدیگر ترکیب میشوند و سلول تخم را تشکیل می دهند. تکثیر این سلول تخم منجر به تشکیل یک فرزند تقریباً مشابه والدینش میشود. این موجود ترکیبی از خصوصیات والدین خود را به همراه خواهد داشت. این روند باعث تکامل یک موجود میشود.

اما تا اینجای کار اتفاق خاصی که باعث ایجاد یک موجود جدید گردد به وقوع نپیوسته است. نکته کار اینجاست که در حین تشکیل سلول تخم تغییرات ناخواستهای درون کروموزوم(های) سلول بوجود میآید. این تغییرات اگر کوچک باشند، در حین تکثیر سلول تخم و تشکیل موجود اصلی اصلاح میشوند. اما تغییرات بزرگ اصلاح نمیشوند و منجر به تشکیل یک موجود جدید میشوند.

اگر موجود جدید (و بطور کلی فرزند) ایجاد شده نسبت به والدین در تقابل با محیط برتری داشته باشد، قطعاً در جریان زندگی موفقتر است و امکان تولید مثل پیدا میکند و در نتیجه میتواند خصوصیات خوبش را به فرزندانش منتقل نماید. با توجه به اینکه این فرزندان نیز در تقابل با محیط موفقتر هستند، امکان تولید مثل پیدا میکنند.

با توجه به مطالب فوق متوجه میشوید که سه فاکتور اصلی مبنای نظریه داروین را تشکیل میدهند، این سه فاکتور عبارتند از:

·    تنوع: ترکیب شدن مشخصات والدین متفاوت باعث میشود که خصوصیات خوب آنها ترکیب شود و یک موجود بهتر بوجود آید.

·        تصادف: عامل ایجاد تغییرات در موجودات فرزند

·    انتخاب: که توسط محیط انجام میشود، به این معنی که موجودات با شایستگی پائین احتمال ادامه حیات و تولید مثل کمتری دارند. (بقای شایستهترین)

روند فوق و مخصوصاً سه فاکتور فوق مبنای کار دانشمندان رشته کامپیوتر قرار گرفت و در نتیجه الگوریتمهای ژنتیک بوجود آمدند. این روش در سال 1970 توسط John Holland معرفی گردید

این روشها با نام Evolutionary Algorithms نیز خوانده میشوند. پیشرفت این الگوریتمها باعث شد که کلاً مجموعه روشهای حل مساله با نام پردازش تکاملی بوجود بیاید.

پردازش تکاملی از شاخههای زیر تشکیل شده است:

1.     الگوریتمهای ژنتیک (Genetic Algorithms)

2.     برنامه نویسی ژنتیک (Genetic Programming)

3.     استراتژیهای تکاملی (Evolutionary Strategies)

4.     برنامه نویسی تکاملی (Evolutionary Programming)

تحقیق در مورد الگوریتم های ژنتیک

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 50 صفحه

 قسمتی از متن .doc : 

چکیده:

الگوریتم های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کنند. الگوریتم های ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی بر مبنای رگرسیون هستند. همچنین ساده خطی وپارامتریک نیزگفته می شود، به الگوریتم های ژنتیک می توان غیر پارامتریک نیز گفت.

مختصراً گفته می شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند. مسئله ای که باید حل شود ورودی است و راه حل ها طبق یک الگو کد گذاری می شود ومتریک که تابع fitness هم نام دارد هر راه حل کاندید را ارزیابی می کندکه اکثر آنها به صورت تصادفی انتخاب می شوند. یکی از مهمترین کاربردهای الگوریتم های ژنتیک حل مسئله فروشنده دوره گرد می باشد که در بخش دوم به طور کامل به آن می پردازیم.

کلاً این الگوریتم ها از بخش های زیر تشکیل می شوند :

انتخاب مجدد selection

ترکیب combination

جهش ژنی mutation

که در ادامه آنها را توضیح خواهیم داد.

مقدمه:

قانون انتخاب طبیعی بدین صورت است که تنها گونه‌هایی از یک جمعیت ادامه نسل می‌دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می‌روند.

   مثلا فرض کنید گونه خاصی از افراد هوش بسیار بیشتری از بقیه افراد یک جامعه یا کولونی دارند. در شرایط کاملا طبیعی این افراد پیشرفت بهتری خواهند کرد و رفاه نسبتا بالاتری خواهند داشت و این رفاه خود باعث طول عمر بیشتر و باروری بهتر خواهد بود(توجه کنید شرایط طبیعی است نه در یک جامعه سطح بالا با ملاحظات امروزی یعنی طول عمر بیشتر در این جامعه نمونه با زاد و ولد بیشتر همراه است). حال اگر این خصوصیت(هوش)ارثی باشد به طبع در نسل بعدی همان جامعه تعداد افراد باهوش به دلیل زاد و ولد بیشتر این‌گونه افراد بیشتر خواهد بود. اگر همین روند را ادامه دهید خواهید دید که در طی نسل‌های متوالی دائما جامعه نمونه ما باهوش و باهوش‌تر می‌شود. بدین ترتیب یک مکانیزم ساده طبیعی توانسته است در طی چند نسل عملا افراد کم هوش را از جامعه حذف کند علاوه بر اینکه میزان هوش متوسط جامعه نیز دائما در حال افزایش است.

    بدین ترتیب می‌توان دید که طبیعت با بهره‌گیری از یک روش بسیار ساده(حذف تدریجی گونه‌های نامناسب و در عین حال تکثیر بالاتر گونه‌های بهینه) توانسته است دائما هر نسل را از لحاظ خصوصیات مختلف ارتقا بخشد.

در این میان آنچه شاید بتواند تا حدودی ما را در فهم این مساله یاری کند مفهومیست به نام :

تصادف یا جهش.

هدف اصلی روش‌های هوشمند به کار گرفته شده در هوش مصنوعی یافتن پاسخ بهینه مسائل مهندسی است. به عنوان مثال اینکه چگونه یک موتور را طراحی کنیم تا بهترین بازدهی را داشته باشد یا چگونه بازوهای یک ربات را محرک کنیم تا کوتاه‌ترین مسیر را تا مقصد طی کند(دقت کنید که در صورت وجود مانع یافتن کوتاه‌ترین مسیر دیگر به سادگی کشیدن یک خط راست بین مبدا و مقصد نیست) همگی مسائل بهینه‌سازی هستند.

   در مورد نکته دوم باید بگوییم که روش‌های ریاضی بهینه‌سازی اغلب منجر به یک فرمول یا دستورالعمل خاص برای حل هر مسئله می‌شوند. در حالی که روش‌های هوشمند دستورالعمل‌هایی هستند که به صورت کلی می‌توانند در حل هر مسئله‌ای به کار گرفته شوند. این نکته را پس از آشنایی با خود الگوریتم بیشتر و بهتر خواهید دید.

اما یک موجود چگونه قادر است که شکل و فرم موجودات بعد از خود را تعیین کند؟ برای اینکه جواب سوال را دریابیم، ابتدا باید فرآیند تولید مثل موجودات را بررسی کنیم.

در جریان تولید مثل یک موجود کروموزومهای والدین موجود با یکدیگر ترکیب میشوند و سلول تخم را تشکیل می دهند. تکثیر این سلول تخم منجر به تشکیل یک فرزند تقریباً مشابه والدینش میشود. این موجود ترکیبی از خصوصیات والدین خود را به همراه خواهد داشت. این روند باعث تکامل یک موجود میشود.

اما تا اینجای کار اتفاق خاصی که باعث ایجاد یک موجود جدید گردد به وقوع نپیوسته است. نکته کار اینجاست که در حین تشکیل سلول تخم تغییرات ناخواستهای درون کروموزوم(های) سلول بوجود میآید. این تغییرات اگر کوچک باشند، در حین تکثیر سلول تخم و تشکیل موجود اصلی اصلاح میشوند. اما تغییرات بزرگ اصلاح نمیشوند و منجر به تشکیل یک موجود جدید میشوند.

اگر موجود جدید (و بطور کلی فرزند) ایجاد شده نسبت به والدین در تقابل با محیط برتری داشته باشد، قطعاً در جریان زندگی موفقتر است و امکان تولید مثل پیدا میکند و در نتیجه میتواند خصوصیات خوبش را به فرزندانش منتقل نماید. با توجه به اینکه این فرزندان نیز در تقابل با محیط موفقتر هستند، امکان تولید مثل پیدا میکنند.

با توجه به مطالب فوق متوجه میشوید که سه فاکتور اصلی مبنای نظریه داروین را تشکیل میدهند، این سه فاکتور عبارتند از:

·    تنوع: ترکیب شدن مشخصات والدین متفاوت باعث میشود که خصوصیات خوب آنها ترکیب شود و یک موجود بهتر بوجود آید.

·        تصادف: عامل ایجاد تغییرات در موجودات فرزند

·    انتخاب: که توسط محیط انجام میشود، به این معنی که موجودات با شایستگی پائین احتمال ادامه حیات و تولید مثل کمتری دارند. (بقای شایستهترین)

روند فوق و مخصوصاً سه فاکتور فوق مبنای کار دانشمندان رشته کامپیوتر قرار گرفت و در نتیجه الگوریتمهای ژنتیک بوجود آمدند. این روش در سال 1970 توسط John Holland معرفی گردید

این روشها با نام Evolutionary Algorithms نیز خوانده میشوند. پیشرفت این الگوریتمها باعث شد که کلاً مجموعه روشهای حل مساله با نام پردازش تکاملی بوجود بیاید.

پردازش تکاملی از شاخههای زیر تشکیل شده است:

1.     الگوریتمهای ژنتیک (Genetic Algorithms)

2.     برنامه نویسی ژنتیک (Genetic Programming)

3.     استراتژیهای تکاملی (Evolutionary Strategies)

4.     برنامه نویسی تکاملی (Evolutionary Programming)