نموذج السكان (خوارزمية تطورية)

📅 آخر تحديث: ١٨ يوليو ٢٠٢٦
✍️ نُشر في: ١٨ يوليو ٢٠٢٦
📷 يحتوي على 4 صور
الموسوعة الحرة

يصف نموذج السكان في الخوارزمية التطورية الخصائص البنيوية لمجموعتها السكانية التي تخضع لها. وتُعرف المجموعة السكانية بأنها مجموعة جميع الحلول المقترحة للخوارزمية التطورية التي تُدرس في دورة واحدة، والتي تُسمى أيضًا بالأفراد وفقًا للنموذج البيولوجي. ويمكن لأفراد المجموعة السكانية أن يُنتجوا أفرادًا آخرين كنسل باستخدام العوامل الوراثية في العملية.

يُعدّ النموذج العالمي أو نموذج التزاوج العشوائي أبسط نماذج السكان وأكثرها استخدامًا في الخوارزميات التطورية ، وهو يُمثّل مجتمعًا غير مُهيكل. [ 1 ] [ 2 ] يسمح هذا النموذج لكل فرد باختيار أي فرد آخر من أفراد المجتمع كشريك لإنتاج النسل عن طريق التزاوج ، حيث لا تُعدّ تفاصيل الاختيار ذات أهمية طالما أن لياقة الأفراد تلعب دورًا هامًا. وبسبب اختيار الشريك العالمي، يُمكن للمعلومات الوراثية حتى للأفراد الأفضل قليلًا أن تسود في المجتمع بعد بضعة أجيال ( تكرار للخوارزمية التطورية)، شريطة ألا يكون قد ظهر نسل أفضل في هذه المرحلة. إذا لم يكن الحل المُكتشف بهذه الطريقة هو الحل الأمثل المطلوب، يُطلق على ذلك التقارب المُبكر . [ 3 ] يُمكن ملاحظة هذا التأثير بشكل أكثر شيوعًا في المجتمعات ذات التزاوج العشوائي. [ 4 ]

نادراً ما توجد تجمعات تزاوج عالمية في الطبيعة. ما يسود هو عزلة محدودة ومحددة نتيجةً للمسافة المكانية. تتطور الأحياء المحلية الناتجة بشكل مستقل في البداية، وتزداد فرصة بقاء الطفرات عبر عدة أجيال. ونتيجةً لذلك، يُحفظ التنوع الجيني في المجمع الجيني لفترة أطول مما هو عليه في التجمعات السكانية ذات التزاوج العشوائي.

لذا، من البديهي تقسيم السكان العالميين السابقين إلى بنى فرعية. ولتحقيق هذا الغرض، طُرح نموذجان أساسيان: نماذج الجزر ، التي تعتمد على تقسيم السكان إلى مجموعات فرعية ثابتة تتبادل أفرادها دوريًا، [ 1 ] [ 5 ] ونماذج الجوار ، التي تُخصص الأفراد لأحياء متداخلة، [ 4 ] [ 6 ] والمعروفة أيضًا بالخوارزميات الجينية أو التطورية الخلوية (cGA أو cEA). [ 7 ] [ 8 ] كما يُشير تقسيم السكان إلى إمكانية موازاة الإجراء. ولهذا السبب، يُناقش موضوع نماذج السكان بكثرة في الأدبيات العلمية فيما يتعلق بموازاة الخوارزميات التطورية. [ 1 ] [ 2 ] [ 4 ] [ 5 ] [ 9 ] [ 10 ]

نماذج الجزر

مثال على نموذج جزيرة يتكون من ثماني جزر وهيكلين متجاورين: حلقة أحادية الاتجاه بسيطة (الأسهم السوداء) وهيكل أكثر تعقيدًا (الأسهم الخضراء والسوداء).

في نموذج الجزيرة، المعروف أيضًا بنموذج الهجرة أو النموذج ذي الحبيبات الخشنة ، يحدث التطور في مجموعات فرعية منفصلة تمامًا. يمكن تنظيم هذه المجموعات بشكل عشوائي، ولكن ليس بالضرورة. من حين لآخر، يحدث تبادل للأفراد، يُسمى الهجرة . [ 2 ] [ 5 ] يُطلق على الفترة الزمنية بين كل تبادل اسم حقبة ، ويمكن تحديد نهايتها بمعايير مختلفة: مثلًا بعد مرور وقت محدد أو عدد معين من الأجيال المكتملة، أو بعد حدوث ركود. يمكن الكشف عن الركود، على سبيل المثال، من خلال عدم حدوث أي تحسن في اللياقة في الجزيرة لعدد معين من الأجيال. تُدخل نماذج الجزيرة مجموعة متنوعة من معايير الاستراتيجية الجديدة: [ 11 ] [ 12 ] [ 13 ] [ 14 ]

  • عدد المجموعات الفرعية
  • حجم المجموعات الفرعية
  • العلاقات الجوارية بين الجزر: فهي تحدد أي الجزر تعتبر متجاورة وبالتالي يمكنها تبادل الأفراد، انظر إلى صورة حلقة أحادية الاتجاه بسيطة (الأسهم السوداء) وامتدادها من خلال علاقات جوار ثنائية الاتجاه إضافية (الأسهم الخضراء الإضافية).
  • معايير إنهاء حقبة، أو الهجرة المتزامنة أو غير المتزامنة
  • معدل الهجرة: عدد أو نسبة الأفراد المشاركين في الهجرة.
  • اختيار المهاجرين: توجد بدائل عديدة لهذا الغرض. على سبيل المثال، يمكن استبدال أسوأ الأفراد أو اختيارهم عشوائياً بأفضلهم. وبحسب معدل الهجرة، قد يؤثر ذلك على فرد واحد أو أكثر في الوقت نفسه.

باستخدام هذه المعايير، يمكن التأثير على ضغط الانتقاء إلى حد كبير. على سبيل المثال، يزداد هذا الضغط مع ازدياد ترابط الجزر، ويقل مع ازدياد عدد المجموعات الفرعية أو طول الحقبة الزمنية.

نماذج الجوار أو الخوارزميات التطورية الخلوية

بنية حلقية (على اليمين) مع شكلين نموذجيين للجوار ثنائي الأبعاد (على اليسار). تحتوي الديمات ذات الشكل المكعب للأفراد A وB على جارين مشتركين موضحين باللون الأصفر.

يُعرّف نموذج الجوار، المعروف أيضًا بنموذج الانتشار أو النموذج الدقيق ، علاقة جوار طوبولوجية بين أفراد مجموعة سكانية، مستقلة عن خصائصهم الظاهرية . وتتمثل الفكرة الأساسية لهذا النموذج في تزويد مجموعة سكانية EA ببنية خاصة تُعرَّف على أنها رسم بياني متصل، حيث يُمثل كل رأس فردًا يتواصل مع أقرب جيرانه. [ 2 ] [ 6 ] وبشكل خاص، يُوضع الأفراد نظريًا في شبكة حلقية، ولا يُسمح لهم بإعادة التزاوج إلا مع الأفراد القريبين منهم. ويؤدي هذا إلى نوع من التوطين يُعرف بالعزلة حسب المسافة . [ 6 ] [ 7 ] تُسمى مجموعة الشركاء المحتملين لفرد ما جواره أو مجموعته السكانية . يوضح الشكل المجاور ذلك من خلال عرض جوارين متداخلين قليلاً لفردين مُلوَّنين باللون الأصفر، حيث يمكن للمعلومات الوراثية أن تنتشر بين المجموعتين السكانيتين. ومن المعروف أنه في هذا النوع من الخوارزميات، يميل الأفراد المتشابهون إلى التجمع وإنشاء بيئات متخصصة مستقلة عن حدود المجموعة السكانية، ويمكن أن تكون هذه البيئات أكبر من حدود المجموعة السكانية. [ 6 ] [ 7 ] لا يوجد حد فاصل واضح بين المجموعات المتجاورة، ويمكن استعمار المواقع البيئية القريبة بسهولة من قبل المجموعات المنافسة، وربما دمج محتويات المحلول خلال هذه العملية. في الوقت نفسه، يمكن أن تتأثر المواقع البيئية الأبعد ببطء أكبر. [ 6 ] [ 7 ] تُعرف الخوارزميات التطورية التي تحتوي على هذا النوع من التجمعات أيضًا باسم الخوارزميات التطورية الخلوية (cEA) [ 8 ] [ 15 ] أو الخوارزميات الجينية الخلوية (cGA). [ 7 ] [ 16 ]

أمثلة على الأحياء، والتي تسمى أيضًا بالديمات، في خوارزميات التطور الخلوية ثنائية الأبعاد: خطية، مضغوطة، ماسية و... أي أخرى.
مثالان على الجوار المتداخل (المناطق) لنموذج الجوار الحلقي أحادي البعد لخوارزمية التطور. تتداخل منطقتا الأفراد X و Y بشكل طفيف، بينما تُظهر منطقتا A و B تداخلاً كبيراً.

يُعدّ الهيكل الشبكي الحلقي ثنائي الأبعاد أحد الهياكل الشائعة الاستخدام لترتيب أفراد المجموعة السكانية، [ 17 ] [ 1 ] [ 2 ] [ 15 ] مع إمكانية توسيع عدد الأبعاد بسهولة (إلى ثلاثة أبعاد) أو تقليصه (إلى بُعد واحد، مثلاً حلقة، [ 6 ] [ 15 ] انظر الشكل على اليمين). تُعرَّف جوار أي فرد في الشبكة بدلالة مسافة مانهاتن بينه وبين الأفراد الآخرين في المجموعة. في الخوارزمية الأساسية، تكون جميع الجوارات متساوية الحجم ومتطابقة الشكل. أكثر الجوارات استخدامًا في خوارزميات التطور التراكمي ثنائية الأبعاد هما L5 وC9، انظر الشكل على اليسار. هنا، يرمز L إلى الخطي، بينما يرمز C إلى المُدمج . يُمثل كل فرع فرعي مجموعة سكانية عشوائية التزاوج، حيث يتم اختيار الشريك وقبول النسل عن طريق استبدال أحد الوالدين. تتسم قواعد قبول النسل بطابع محلي وتعتمد على الجوار: فعلى سبيل المثال، يمكن تحديد أن يكون أفضل النسل أفضل من الوالد الذي يتم استبداله، أو، بشكل أقل صرامة، أفضل من أسوأ فرد في المجموعة. [ 2 ] [ 6 ] القاعدة الأولى نخبوية وتخلق ضغطًا انتقائيًا أعلى من القاعدة الثانية غير النخبوية. في آليات التطور النخبوية ، يبقى أفضل فرد في المجموعة على قيد الحياة دائمًا. وبهذا، فهي تختلف عن النموذج البيولوجي.

يؤدي تداخل الأحياء إلى انتشار بطيء للمعلومات الوراثية عبر حدودها، ومن هنا جاء اسم نموذج الانتشار . يحتاج النسل الأفضل الآن إلى أجيال أكثر مما هو عليه في التزاوج العشوائي للانتشار في المجتمع. يعزز هذا ظهور بيئات محلية وتطورها المحلي، مما يحافظ على التنوع الجيني على مدى فترة زمنية أطول. [ 6 ] [ 17 ] [ 18 ] والنتيجة هي توازن أفضل وديناميكي بين البحث العرضي والعميق، يتكيف مع مساحة البحث أثناء التشغيل. [ 4 ] يحدث البحث العميق في البيئات، بينما يحدث البحث العرضي في حدود البيئات وعبر تطور البيئات المختلفة للمجتمع بأكمله. [ 19 ] بالنسبة لنفس حجم الحي، يكون انتشار المعلومات الوراثية أكبر بالنسبة للأشكال المطولة مثل L9 مقارنةً بالكتل مثل C9، وأكبر بكثير من انتشارها بالنسبة للحلقات. [ 20 ] هذا يعني أن أحياء الحلقات مناسبة تمامًا لتحقيق نتائج عالية الجودة، حتى لو تطلب ذلك أوقات تشغيل طويلة نسبيًا. من ناحية أخرى، إذا كان المرء مهتمًا في المقام الأول بالنتائج السريعة والجيدة، ولكن ربما دون المستوى الأمثل، فإن الطوبولوجيا ثنائية الأبعاد تكون أكثر ملاءمة.

مقارنة

عند تطبيق نماذج السكان على الخوارزميات الجينية، [ 5 ] [ 6 ] والاستراتيجية التطورية ، [ 20 ] [ 17 ] [ 21 ] وغيرها من الخوارزميات التطورية، [ 22 ] [ 23 ] فإن تقسيم السكان الكلي إلى مجموعات فرعية يقلل عادةً من خطر التقارب المبكر ويؤدي إلى نتائج أفضل بشكل عام، وبموثوقية وسرعة أكبر مما هو متوقع مع الخوارزميات التطورية العشوائية. [ 2 ] [ 6 ]

تُعاني نماذج الجزر، مقارنةً بنماذج الجوار، من عيب يتمثل في إدخالها عددًا كبيرًا من معايير الاستراتيجية الجديدة. ورغم وجود دراسات سابقة حول هذا الموضوع في الأدبيات [ 11 ] [ 24 ] [ 25 ]، يبقى خطر الوصول إلى إعدادات غير مواتية قائمًا بالنسبة للمستخدم. أما في نماذج الجوار، فيكفي تحديد حجم الجوار فقط، وفي حالة النموذج ثنائي الأبعاد، يُضاف اختيار شكل الجوار. [ 26 ] [ 20 ] [ 27 ] [ 28 ]

التوازي

بما أن كلا نموذجي السكان يفترضان تقسيم السكان، فهما مناسبان كأساس لموازاة الخوارزمية التطورية. [ 5 ] [ 10 ] [ 29 ] وينطبق هذا بشكل أكبر على الخوارزميات التطورية الخلوية، لأنها تعتمد فقط على المعلومات المتاحة محليًا حول أفراد مجموعاتها السكانية. وبالتالي، في الحالة القصوى، يمكن تخصيص خيط تنفيذ مستقل لكل فرد، بحيث يمكن تشغيل الخوارزمية التطورية الخلوية بأكملها على منصة أجهزة متوازية. [ 6 ] [ 30 ] [ 31 ] [ 32 ] يدعم نموذج الجزيرة أيضًا الموازاة، على سبيل المثال عن طريق تخصيص معالج لكل جزيرة. إذا كانت المجموعات الفرعية للجزر منظمة بشكل عشوائي، فيمكن موازاة جميع تقييمات أحفاد جيل معين. [ 9 ] [ 14 ] [ 33 ] في التطبيقات العملية، عادةً ما تكون التقييمات هي الجزء الأكثر استهلاكًا للوقت. بالطبع، من الممكن أيضًا تصميم المجموعات الفرعية للجزر على شكل خوارزميات تطورية معقدة (cEAs)، بحيث تنطبق عليها الملاحظات السابقة حول موازاة هذه الخوارزميات. وبهذه الطريقة، يمكن إنشاء هياكل سكانية هرمية مع عمليات موازاة مناسبة. [ 9 ] لا تقتصر إمكانيات الموازاة على مجموعات الحواسيب باهظة الثمن نسبيًا، بل يمكن أيضًا استخدام بطاقات الرسومات ( GPUs ) منخفضة التكلفة [ 34 ] [ 35 ] أو حواسيب الشبكة [ 18 ] .

مع ذلك، من المهم التأكيد على أن خوارزميات التطور التشاركية (cEAs)، أو خوارزميات التطور التي تتوزع سكانها على الجزر، تمثل نموذج بحث يختلف في جوانب عديدة عن خوارزميات التطور التقليدية. علاوة على ذلك، يمكن تشغيلها على منصات متسلسلة ومتوازية، مما يُبرز حقيقة أن النموذج والتنفيذ مفهومان مختلفان.

فهرس

انظر أيضاً

مراجع

  1. 1 2 3 4 كانتو باز، إريك (1998). “مسح للخوارزميات الجينية المتوازية” (PDF) . الآلات الحاسبة المتوازيات . 10 (2): 141- 171.
  2. 1 2 3 4 5 6 7 غوردون، ف. س.؛ ويتلي، د. (1993)، "الخوارزميات الجينية المتسلسلة والمتوازية كمحسِّنات للدوال"، في فورست، س. (محرر)، وقائع المؤتمر الدولي الخامس حول الخوارزميات الجينية (ملف PDF) ، سان ماتيو، كاليفورنيا: مورغان كوفمان، ص 177-183 ، ISBN  978-1-55860-299-1
  3. ↑ ليونغ، يي؛ غاو، يونغ؛ شو، زونغ-بن (1997). "درجة تنوع السكان - منظور حول التقارب المبكر في الخوارزميات الجينية وتحليل سلسلة ماركوف الخاصة بها". معاملات IEEE في الشبكات العصبية . 8 (5): 1165-1176 . doi : 10.1109/72.623217 . ISSN 1045-9227 . PMID 18255718 .  
  4. 1 2 3 4 جورجس شليوتر، مارتينا (1990). الخوارزميات الجينية والهياكل السكانية – خوارزمية متوازية بشكل كبير (دكتوراه). جامعة دورتموند، كلية المعلوماتية، ألمانيا.
  5. 1 2 3 4 5 كانتو-باز، إريك (1999). خوارزميات جينية متوازية فعالة ودقيقة (أطروحة دكتوراه، جامعة إلينوي، أوربانا-شامبين، الولايات المتحدة الأمريكية). الخوارزميات الجينية والحوسبة التطورية. المجلد 1. سبرينغر، نيويورك، نيويورك. doi : 10.1007/978-1-4615-4369-5 . ISBN  978-1-4613-6964-6.
  6. 1 2 3 4 5 6 7 8 9 10 11 مارتينا جورجس شليوتر (1991)، "التوازي الصريح للخوارزميات الجينية من خلال الهياكل السكانية"، في شويفيل، هانز بول؛ مانر ، رينهارد (محرران)، حل المشكلات الموازية من الطبيعة ، ملاحظات محاضرة في علوم الكمبيوتر، المجلد. 496، برلين/هايدلبرغ: Springer-Verlag، الصفحات من 150 إلى 159، دوى : 10.1007/bfb0029746 ، ISBN   978-3-540-54148-6تم الاطلاع عليه بتاريخ 15 ديسمبر 2022
  7. 1 2 3 4 5 غوردون، ف. سكوت؛ ماثياس، كيث؛ ويتلي، داريل (1994)، "الخوارزميات الجينية الخلوية كمحسِّنات للدوال"، وقائع ندوة ACM لعام 1994 حول الحوسبة التطبيقية - SAC '94 ، فينيكس، أريزونا، الولايات المتحدة: مطبعة ACM، الصفحات 237-241 ، doi : 10.1145/326619.326732 ، ISBN  978-0-89791-647-9، S2CID 6418773 
  8. 1 2 جياكوبيني، م.؛ توماسيني، م.؛ تيتامانزي، أ. ج. ب.؛ ألبا، إ. (أكتوبر 2005). "شدة الاختيار في الخوارزميات التطورية الخلوية للشبكات المنتظمة" . معاملات IEEE في الحوسبة التطورية . 9 (5): 489-505 . doi : 10.1109/TEVC.2005.850298 . ISSN 1089-778X . S2CID 3184685 .  
  9. 1 2 3 خلوف، حاتم؛ محمد، محمد؛ شهود، شادي؛ دوبماير، كليمنس؛ هاجنماير، فيت (2020-11-02)، "إطار عمل عام مرن وقابل للتطوير للتوازي الهرمي للخوارزميات الاستكشافية القائمة على السكان"، وقائع المؤتمر الدولي الثاني عشر لإدارة النظم البيئية الرقمية ، حدث افتراضي، الإمارات العربية المتحدة: ACM، الصفحات 124-131 ، doi : 10.1145/3415958.3433041 ، ISBN  978-1-4503-8115-4، S2CID 227179748 
  10. 1 2 سودولت، ديرك (2015)، "الخوارزميات التطورية المتوازية"، في كاتشبرزيك، يانوش؛ بيدريتش، ويتولد (محرران)، دليل سبرينغر للذكاء الحسابي (PDF) ، برلين، هايدلبرغ: سبرينغر، ص 929-959 ، doi : 10.1007/978-3-662-43505-2_46 ، ISBN  978-3-662-43504-5تم الاطلاع عليه بتاريخ 13 فبراير 2023
  11. 1 2 كانتو-باز، إريك (1999)، "الطوبولوجيا، ومعدلات الهجرة، والخوارزميات الجينية المتوازية متعددة السكان"، وقائع المؤتمر السنوي الأول حول الحوسبة الجينية والتطورية (GECCO) ، الصفحات 91-98 
  12. ↑ بلكادي، ك.؛ غورغاند، م.؛ بنييتو، م. (8 نوفمبر 2006). "الخوارزميات الجينية المتوازية مع الترحيل لمشكلة جدولة تدفق الإنتاج الهجين" (ملف PDF) . مجلة الرياضيات التطبيقية وعلوم القرار . 2006 : 1-17 . ISSN 1173-9126 . تاريخ الاسترجاع: 19 مارس 2026 . 
  13. ↑ عبد الحافظ، عمرو؛ ألبا، إنريكي؛ لوكي، غابرييل (سبتمبر 2019). "تحليل أداء الخوارزميات الجينية الموزعة المتزامنة وغير المتزامنة على المعالجات المتعددة" . الحوسبة السربية والتطورية . 49 : 147-157 . doi : 10.1016/j.swevo.2019.06.003 . S2CID 196193164 . 
  14. 1 2 أدار، ن.؛ كوفات، ج. (2016). "الخوارزميات الجينية المتوازية ذات الطوبولوجيا الديناميكية باستخدام الحوسبة العنقودية" . التقدم في الهندسة الكهربائية وهندسة الحاسوب . 16 (3): 73-80 . doi : 10.4316/AECE.2016.03011 . ISSN 1582-7445 . 
  15. 1 2 3 ألبا، إنريكي؛ ترويا، خوسيه ما (2000)، "خوارزميات التطور الخلوي: تقييم تأثير النسبة"، في شوناور، مارك؛ ديب، كاليانموي؛ رودولف، غونتر؛ ياو، شين (محررون)، حل المشكلات المتوازية من الطبيعة PPSN VI ، المجلد 1917، برلين، هايدلبرغ: سبرينغر، الصفحات 29-38 ، doi : 10.1007/3-540-45356-3_3 ، ISBN   978-3-540-41056-0تم الاطلاع عليه بتاريخ 11 فبراير 2023
  16. ↑ فولينو، ج.؛ بيتزوتي، س.؛ سبيتزانو، ج. (1998)، "دمج الخوارزميات الجينية الخلوية والبحث المحلي لحل مسائل الإرضاء"، وقائع المؤتمر الدولي العاشر لـ IEEE حول الأدوات ذات الذكاء الاصطناعي (رقم التصنيف 98CH36294) ، تايبيه، تايوان: IEEE، الصفحات 192-198 ، doi : 10.1109/TAI.1998.744842 ، ISBN  978-0-7803-5214-8، S2CID 8048158 
  17. 1 2 3 سبرايف، يواكيم (1994)، "استراتيجية تطور الجوار الخطي"، وقائع المؤتمر السنوي الثالث حول البرمجة التطورية (ملف PDF) ، سنغافورة: وورلد ساينتيفيك، الصفحات 42-51 ، تاريخ الاسترجاع 2022-11-05 
  18. ليم ، دودي؛ أونغ، يو-سون؛ جين، ياوتشو؛ سيندهوف، برنارد؛ لي، بو-سونغ (2007). "خوارزميات جينية متوازية هرمية فعالة باستخدام الحوسبة الشبكية" . أنظمة حاسوب الجيل القادم . 23 (4): 658-670 . doi : 10.1016 /j.future.2006.10.008 .
  19. ^ ألبا، إنريكي. دورونسورو، بيرنابي (2008). الخوارزميات الجينية الخلوية . نيويورك: سبرينغر. ص. 12. رقم ISBN  978-0-387-77610-1. OCLC 370728730 . 
  20. 1 2 3 جورجيس-شلويتر، مارتينا (1998)، "دراسة مقارنة للاختيار العالمي والمحلي في استراتيجيات التطور"، في إيبن، أغوستون إي؛ باك، توماس؛ شوناور، مارك؛ شفيل، هانز-بول (محررون)، حل المشكلات المتوازية من الطبيعة - PPSN V ، سلسلة محاضرات في علوم الحاسوب، المجلد 1498، برلين، هايدلبرغ: سبرينغر، الصفحات 367-377 ، doi : 10.1007/bfb0056879 ، ISBN   978-3-540-65078-2تم الاطلاع عليه بتاريخ 11 فبراير 2023
  21. ↑ جورجيس-شلويتر، مارتينا؛ سيبر، إنجو؛ جاكوب، ويلفريد (1999)، "استراتيجيات تطور التفاعل المحلي لتحسين التصميم"، وقائع مؤتمر الحوسبة التطورية (CEC 99) ، IEEE، الصفحات 2167-2174 ، doi : 10.1109/CEC.1999.785544 ، ISBN  978-0-7803-5536-1
  22. ↑ جاكوب، ويلفريد (2010-09-01). "إطار عمل عام للتكيف قائم على التكلفة والفائدة لخوارزميات الميمات المتعددة" . الحوسبة الميمية . 2 (3): 201-218 ، ص 207. doi : 10.1007/s12293-010-0040-9 . ISSN 1865-9292 . S2CID 167807 .  
  23. ↑ ألبا، إنريكي؛ دورونسورو، برنابي؛ ألفونسو، هوغو (2005). " خوارزميات الميمات الخلوية" . مجلة علوم وتكنولوجيا الحاسوب . 5 (4): 257-263 . تاريخ الاسترجاع : 4 نوفمبر 2022 .
  24. ↑ وين-يانغ لين؛ تسونغ-بي هونغ؛ شو-مين ليو (2004)، "حول تكييف معلمات الهجرة للخوارزميات الجينية متعددة السكان"، المؤتمر الدولي لعام 2004 لأنظمة الإنسان والسيبرنيات (رقم تصنيف IEEE: 04CH37583) ، المجلد 6، لاهاي، هولندا: IEEE، الصفحات 5731-5735 ، doi : 10.1109/ICSMC.2004.1401108 ، ISBN   978-0-7803-8567-2، S2CID 31844333 
  25. ↑ هونغ، تسونغ-بي؛ لين، وين-يانغ؛ ليو، شو-مين؛ لين، جيان-هورنغ (2007-04-20). "تعديل معدلات الهجرة ديناميكيًا للخوارزميات الجينية متعددة السكان" . مجلة الذكاء الحسابي المتقدم والمعلوماتية الذكية . 11 (4): 410-415 . doi : 10.20965/jaciii.2007.p0410 . ISSN 1883-8014 . 
  26. ↑ سارما، جايشري؛ دي يونغ، كينيث (1996)، "تحليل تأثير حجم وشكل الجوار على خوارزميات الاختيار المحلي"، في فويغت، هانز-مايكل؛ إيبيلينغ، فيرنر؛ ريشنبرغ، إنغو؛ شفيل، هانز-بول (محررون)، حل المشكلات المتوازية من الطبيعة - PPSN IV ، المجلد 1141، برلين، هايدلبرغ: سبرينغر، الصفحات 236-244 ، doi : 10.1007/3-540-61723-x_988 ، ISBN   978-3-540-61723-5تم الاطلاع عليه بتاريخ 16 ديسمبر 2024
  27. ↑ ألبا، إنريكي؛ ترويا، خوسيه ما (2000)، "خوارزميات التطور الخلوي: تقييم تأثير النسبة"، في شوناور، مارك؛ ديب، كاليانموي؛ رودولف، غونتر؛ ياو، شين (محررون)، حل المشكلات المتوازية من الطبيعة PPSN VI ، المجلد 1917، برلين، هايدلبرغ: سبرينغر، الصفحات 29-38 ، doi : 10.1007/3-540-45356-3_3 ، ISBN   978-3-540-41056-0تم الاطلاع عليه بتاريخ 16 ديسمبر 2024
  28. ↑ ألبا، إنريكي؛ دورونسورو، برنابي (2008). الخوارزميات الجينية الخلوية . سلسلة واجهات بحوث العمليات/علوم الحاسوب. نيويورك: سبرينغر. ISBN 978-0-387-77610-1.
  29. ↑ لوكي، غابرييل؛ ألبا، إنريكي (2011). الخوارزميات الجينية المتوازية . دراسات في الذكاء الحسابي. المجلد 367. برلين، هايدلبرغ: سبرينغر. doi : 10.1007/978-3-642-22084-5 . ISBN  978-3-642-22083-8.
  30. ↑ جاكوب، ويلفريد؛ جورجيس-شلويتر، مارتينا؛ بلوم، كريستيان (1992)، "تطبيق الخوارزميات الجينية على تخطيط المهام والتعلم"، في مانر، راينهارد؛ ماندريك، برنارد (محرران)، حل المشكلات المتوازية من الطبيعة، PPSN-II ، أمستردام: نورث هولاند، ص 293-302 
  31. ↑ لوكي، غابرييل؛ ألبا، إنريكي؛ دورونسورو، برنابي (يوليو 2009)، "تنفيذ متوازٍ غير متزامن لخوارزمية جينية خلوية للتحسين التوافقي"، وقائع المؤتمر السنوي الحادي عشر حول الحوسبة الجينية والتطورية ، مونتريال، كيبيك، كندا: ACM، الصفحات 1395-1402 ، doi : 10.1145/1569901.1570088 ، ISBN  978-1-60558-325-9، S2CID 14113702 
  32. ↑ تشونغوين لو؛ هونغتشي ليو (2006)، "الخوارزميات الجينية الخلوية والبحث المحلي لمسألة 3-SAT على أجهزة الرسومات"، المؤتمر الدولي IEEE للحوسبة التطورية لعام 2006 ، فانكوفر، كولومبيا البريطانية، كندا: IEEE، الصفحات 2988-2992 ، doi : 10.1109/CEC.2006.1688685 ، ISBN  978-0-7803-9487-2، S2CID 8142372 
  33. ↑ كاهون، س.؛ ميلاب، ن.؛ طالبي، إ.-ج. (مايو 2004). "باراديس إي أو: إطار عمل للتصميم القابل لإعادة الاستخدام للخوارزميات الفوقية المتوازية والموزعة" . مجلة الخوارزميات . 10 (3): 357-380 . doi : 10.1023/B:HEUR.0000026900.92269.ec . ISSN 1381-1231 . S2CID 14972999 .  
  34. ^ Jähne، Paul (2016)، “نظرة عامة على الحالة الحالية للأبحاث حول موازاة الخوارزميات التطورية على البطاقات الرسومية”، في ماير، هاينريش كريستيان؛ بينزغر، مارتن (محرران)، Informatik 2016 Tagung vom 26. - 30. سبتمبر 2016 (PDF) ، بون: Gesellschaft für Informatik، FRG، ISBN 978-3-88579-653-4، OCLC 962381748 
  35. ^ غارسيا كالفو، راؤول. جويسادو، جى؛ دياز ديل ريو، فرناندو؛ قرطبة، أنطونيو؛ خيمينيز موراليس، فرانسيسكو (يناير 2018). "وحدة معالجة الرسومات - الخوارزميات الجينية المحسنة لحل الديناميكيات الزمنية للشبكات التنظيمية الجينية" . المعلوماتية الحيوية التطورية . 14 . دوى : 10.1177/1176934318767889 . ردمك 1176-9343 . بمك 5898668 . بميد 29662297 .