استراتژی های تکاملی (Evolution Strategies - ES)، در ریاضیات (Mathematics)

انواع روش های بهینه سازی (Optimization Methods) را در آموزش زیر شرح دادیم :

استراتژی های تکاملی (Evolution Strategies - ES) :

📌 معرفی

استراتژی های تکاملی (Evolution Strategies - ES) شاخه ای از الگوریتم های تکاملی هستند که در دهه ۱۹۶۰ توسط رشنبرگ و شوِفل در آلمان توسعه یافتند. بر خلاف GA که تأکید بر ترکیب (Crossover) دارد، در ES تأکید اصلی بر جهش (Mutation) و خود-تطبیقی (Self-adaptation) است.

🔧 ویژگی های متمایز ES

نمایش حقیقی: متغیرها به صورت اعداد حقیقی نمایش داده می شوند.

خود-تطبیقی (Self-adaptation): پارامترهای جهش (مانند واریانس) نیز تکامل می یابند.

جهش به عنوان عملگر اصلی: با اضافه کردن نویز نرمال به متغیرها.

ترکیب (Crossover): گاهی استفاده می شود اما نه به اندازه GA.

📐 انواع استراتژی های تکاملی

(μ+λ)-ES: از μ والد، λ فرزند تولید می شود و سپس از بین μ+λ فرد، μ نفر برتر انتخاب می شوند.

(μ,λ)-ES: از μ والد، λ فرزند تولید می شود (λ > μ) و سپس فقط از بین λ فرزند، μ نفر برتر انتخاب می شوند (والدین کنار گذاشته می شوند).

📈 کاربردها

بهینه سازی پیوسته با ابعاد متوسط.

مسائل با توابع پر نویز (Noisy Functions).

بهینه سازی پارامترهای کنترل کننده در رباتیک.