В эволюционных вычислениях, А генетический алгоритм на основе человеческого ( HBGA ) представляет собой генетический алгоритм, который позволяет людям внести свой вклад предложения решения эволюционного процесса. Для этой цели HBGA имеет человеческие интерфейсы для инициализации, мутации и рекомбинантного кроссовера. Кроме того, он может иметь интерфейсы для выборочной оценки. Короче говоря, HBGA передает работу типичного генетического алгоритма людям.
Содержание
- 1 Эволюционные генетические системы и деятельность человека
- 2 Отличия от простого генетического алгоритма
- 3 Функциональные особенности
- 4 Приложения
- 5 См. Также
- 6 Ссылки
- 7 Внешние ссылки
Эволюционные генетические системы и деятельность человека
Среди эволюционных генетических систем HBGA является компьютерным аналогом генной инженерии (Allan, 2005). В этой таблице сравниваются системы по признаку человеческой деятельности:
Одна очевидная закономерность в таблице - это разделение на органические (вверху) и компьютерные системы (внизу). Другой - вертикальная симметрия между автономными системами (вверху и внизу) и системами, взаимодействующими с человеком (посередине).
Если посмотреть вправо, селектор - это агент, который определяет пригодность системы. Он определяет, какие вариации будут воспроизведены и внесут свой вклад в следующее поколение. В естественных популяциях и в генетических алгоритмах эти решения принимаются автоматически; тогда как в типичных системах HBGA их делают люди.
Новатором является агентом генетических изменений. Новатор мутирует и рекомбинирует генетический материал, чтобы произвести вариации, над которыми работает селектор. В большинстве органических и компьютерных систем (вверху и внизу) инновации происходят автоматически, без вмешательства человека. В HBGA новаторы - люди.
HBGA примерно похож на генную инженерию. В обеих системах новаторы и селекторы - люди. Основное различие заключается в генетическом материале, с которым они работают: электронные данные или полинуклеотидные последовательности.
Отличия от простого генетического алгоритма
- Все четыре генетических оператора (инициализация, мутация, кроссовер и отбор) могут быть делегированы людям с использованием соответствующих интерфейсов (Kosorukoff, 2001).
- Инициализация рассматривается как оператор, а не как этап алгоритма. Это позволяет начать HBGA с пустой популяцией. Операторы инициализации, мутации и кроссовера образуют группу операторов инноваций.
- Выбор генетического оператора также может быть делегирован людям, поэтому они не обязаны выполнять определенную операцию в любой данный момент.
Функциональные особенности
- HBGA - это метод сотрудничества и обмена знаниями. Он объединяет компетенции своих пользователей, создавая своего рода симбиотический человеко-машинный интеллект (см. Также распределенный искусственный интеллект ).
- Человеческим инновациям способствует выборка решений среди населения, их связывание и представление их в различных комбинациях пользователю (см. Методы творчества ).
- HBGA способствует достижению консенсуса и принятию решений за счет интеграции индивидуальных предпочтений своих пользователей.
- HBGA использует идею кумулятивного обучения при одновременном решении ряда задач. Это позволяет достичь синергии, поскольку решения могут быть обобщены и повторно использованы для решения нескольких проблем. Это также способствует выявлению новых представляющих интерес проблем и справедливому распределению ресурсов между проблемами разной важности.
- Выбор генетического представления, распространенная проблема генетических алгоритмов, значительно упрощается в HBGA, поскольку алгоритму не нужно знать структуру каждого решения. В частности, HBGA позволяет естественному языку быть допустимым представлением.
- Сохранение и выборка совокупности обычно остается алгоритмической функцией.
- HBGA обычно представляет собой многоагентную систему, делегирующую генетические операции нескольким агентам (людям).
Приложения
- Эволюционное управление знаниями, интеграция знаний из разных источников.
- Социальная организация, коллективное принятие решений и электронное управление.
- Традиционные области применения интерактивных генетических алгоритмов : компьютерное искусство, дизайн, ориентированный на пользователя и т. Д.
- Совместное решение проблем с использованием естественного языка в качестве представления.
- Образовательные и академические преимущества от моделирования в реальном времени с синтетическим моделированием учебной программы с использованием сред динамического облака точек.
Методология HBGA была получена в 1999–2000 годах на основе анализа проекта «Свободный обмен знаниями», который был запущен летом 1998 года в России (Kosorukoff, 1999). Человеческие инновации и оценка использовались для поддержки совместного решения проблем. Пользователи также могли выбрать следующую генетическую операцию для выполнения. В настоящее время ту же модель реализуют несколько других проектов, наиболее популярным из которых является Yahoo! Answers, запущенный в декабре 2005 года.
Недавние исследования показывают, что операторы инноваций, основанные на человеке, выгодны не только там, где сложно разработать эффективную вычислительную мутацию и / или кроссовер (например, при разработке решений на естественном языке), но также и в том случае, когда хорошие операторы вычислительных инноваций легко доступны., например, при создании абстрактного изображения или цветов (Cheng and Kosorukoff, 2004). В последнем случае человеческие и вычислительные инновации могут дополнять друг друга, давая совместные результаты и улучшая общий пользовательский опыт, гарантируя, что спонтанное творчество пользователей не будет потеряно.
Кроме того, человеческие генетические алгоритмы оказались успешной мерой для противодействия эффектам усталости, вызываемым интерактивными генетическими алгоритмами.
Смотрите также
Рекомендации
- Косорукофф, Алекс (1999). Бесплатный обмен знаниями. Интернет-архив
- Косорукофф, Алекс (2000). Генетический алгоритм, основанный на человеке. онлайн
- Косорукофф, Алекс (2001). Генетический алгоритм, основанный на человеке. В Международной конференции по системам, человеку и кибернетике IEEE, SMC-2001, 3464-3469. полный текст
- Ченг, Чихен Деррик и Алекс Косорукофф (2004). Интерактивная задача one-max позволяет сравнивать производительность интерактивных и человеческих генетических алгоритмов. На конференции по генетическим и эволюционным вычислениям, GECCO-2004. полный текст
- Милани, Альфредо (2004). Онлайн-генетические алгоритмы. Международный журнал информационных теорий и приложений, стр. 20–28.
- Милани, Альфредо и Сильвия Суриани (2004), АДАН: Адаптивные газеты на основе эволюционного программирования на Международной конференции IEEE / WIC / ACM по веб-аналитике (WI'04), стр. 779–780, IEEE Press, 2004
- Аллан, Майкл (2005). Простой рекомбинантный дизайн. SourceForge.net, проект textbender, выпуск 2005.0, файл _ / description.html. выпускать архивы, более поздняя версия онлайн
- Крузе, янв (2015). Интерактивные эволюционные вычисления в приложениях для проектирования виртуальных миров. полный текст
- Круз, Ян и Коннор, Энди (2015). Многоагентные эволюционные системы для генерации сложных виртуальных миров. полный текст
внешние ссылки
- Free Knowledge Exchange, проект, использующий HBGA для совместного решения проблем, выраженных на естественном языке.
- ParEvo, ParEvo - это метод разработки альтернативных сценариев будущего с использованием эволюционного процесса с участием
