Генетический алгоритм человека

В эволюционных вычислениях человеческий генетический алгоритм ( HBGA ) — это генетический алгоритм , который позволяет людям предлагать решения для эволюционного процесса. Для этой цели HBGA имеет человеческий интерфейс для инициализации, мутации и рекомбинантного кроссовера. Кроме того, он может иметь интерфейсы для выборочной оценки. Короче говоря, HBGA передает операции типичного генетического алгоритма людям.

Эволюционные генетические системы и деятельность человека

Среди эволюционных генетических систем HBGA является компьютерным аналогом генной инженерии (Allan, 2005). В этой таблице сравниваются системы по направлениям человеческой деятельности:

система	последовательности	новатор	селектор
естественный отбор	нуклеотид	природа	природа
искусственный отбор	нуклеотид	природа	человек
генная инженерия	нуклеотид	человек	человек
генетический алгоритм человека	данные	человек	человек
интерактивный генетический алгоритм	данные	компьютер	человек
генетический алгоритм	данные	компьютер	компьютер

Одной очевидной закономерностью в таблице является разделение на органические (вверху) и компьютерные системы (внизу). Другой — вертикальная симметрия между автономными системами (вверху и внизу) и системами, взаимодействующими с человеком (в середине).

Глядя вправо, селектор — это агент, который определяет пригодность в системе. Он определяет, какие вариации будут воспроизводиться и вносить свой вклад в следующее поколение. В естественных популяциях и в генетических алгоритмах эти решения принимаются автоматически; тогда как в типичных системах HBGA они сделаны людьми.

Новатор является агентом генетических изменений. Новатор мутирует и рекомбинирует генетический материал, чтобы произвести вариации, над которыми работает селектор. В большинстве органических и компьютерных систем (сверху и снизу) инновации происходят автоматически, без вмешательства человека. В HBGA новаторами являются люди.

HBGA примерно похож на генную инженерию. В обеих системах новаторами и селекторами являются люди. Основное отличие заключается в генетическом материале, с которым они работают: электронные данные против полинуклеотидных последовательностей.

Отличия от простого генетического алгоритма

Все четыре генетических оператора (инициализация, мутация, скрещивание и отбор) могут быть делегированы человеку с помощью соответствующих интерфейсов (Kosorukoff, 2001).
Инициализация рассматривается как оператор, а не как фаза алгоритма. Это позволяет запускать HBGA с пустым заполнением. Операторы инициализации, мутации и кроссовера составляют группу инновационных операторов.
Выбор генетического оператора также может быть делегирован людям, поэтому их не заставляют выполнять конкретную операцию в любой момент времени.

Функциональные особенности

HBGA — это метод сотрудничества и обмена знаниями. Он объединяет компетенции своих пользователей-людей, создавая своего рода симбиотический человеко-машинный интеллект (см. Также распределенный искусственный интеллект ).
Человеческим инновациям способствует выборка решений из населения, их объединение и представление пользователю в различных комбинациях (см. Методы творчества ).
HBGA способствует достижению консенсуса и принятию решений, интегрируя индивидуальные предпочтения своих пользователей.
HBGA использует идею кумулятивного обучения при одновременном решении ряда проблем. Это позволяет достичь синергии, поскольку решения можно обобщать и повторно использовать для нескольких задач. Это также облегчает идентификацию новых проблем, представляющих интерес, и справедливое распределение ресурсов между проблемами различной важности.
Выбор генетического представления, общая проблема генетических алгоритмов, значительно упрощается в HBGA, поскольку алгоритму не нужно знать структуру каждого решения. В частности, HBGA позволяет естественному языку быть допустимым представлением.
Хранение и выборка населения 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 , ориентированный на пользователя дизайн и др.
Совместное решение проблем с использованием естественного языка в качестве представления.
Образовательные и академические преимущества моделирования в реальном времени с синтетическим моделированием учебной программы с использованием сред динамического облака точек.

Методология HBGA была разработана в 1999-2000 годах на основе анализа проекта «Свободный обмен знаниями», запущенного летом 1998 года в России (Kosorukoff, 1999). Человеческие инновации и оценка использовались для поддержки совместного решения проблем. Пользователи также могли свободно выбирать следующую генетическую операцию для выполнения. В настоящее время ту же модель реализуют несколько других проектов, наиболее популярным из которых является Yahoo! Ответы , запущенный в декабре 2005 года.

Недавние исследования показывают, что инновационные операторы, основанные на человеке, выгодны не только там, где трудно разработать эффективную вычислительную мутацию и/или кроссовер (например, при разработке решений на естественном языке), но и в случае, когда хорошие операторы вычислительных инноваций легко доступны. , например, при отображении абстрактного изображения или цвета (Ченг и Косорукофф, 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, генетические алгоритмы на основе человека оказались успешной мерой противодействия эффектам усталости, вызванным интерактивными генетическими алгоритмами . ^[1]

Смотрите также

использованная литература

^ Крузе, Дж.; Коннор, А. (2015). «Многоагентные эволюционные системы для генерации сложных виртуальных миров». EAI одобрила сделки по креативным технологиям . 2 (5): 150099. arXiv : 1604.05792 . doi : 10.4108/eai.20-10-2015.150099 . S2CID 12670076 .

Косоруков, Алекс (1999). Бесплатный обмен знаниями. интернет-архив
Косоруков, Алекс (2000). Генетический алгоритм человека. онлайн
Косоруков, Алекс (2001). Генетический алгоритм человека. На Международной конференции IEEE по системам, человеку и кибернетике , SMC-2001, 3464-3469. полный текст
Ченг, Чихён Деррик и Алекс Косорукофф (2004). Интерактивная задача одного максимума позволяет сравнить производительность интерактивных и человеческих генетических алгоритмов. На конференции по генетическим и эволюционным вычислениям , GECCO-2004. полный текст
Милани, Альфредо (2004). Генетические алгоритмы онлайн . Международный журнал информационных теорий и приложений, стр. 20–28.
Милани, Альфредо и Сильвия Суриани (2004), ADAN: адаптивные газеты, основанные на эволюционном программировании , на Международной конференции IEEE / WIC / ACM по веб-разведке, (WI'04), стр. 779–780, IEEE Press, 2004 г.
Аллан, Майкл (2005). Простой рекомбинантный дизайн. SourceForge.net, проект textbender, выпуск 2005.0, файл _/description.html. архивы выпуска , более поздняя версия онлайн
Крузе, Ян (2015). Интерактивные эволюционные вычисления в приложениях для проектирования виртуальных миров. полный текст
Круз, Ян и Коннор, Энди (2015). Мультиагентные эволюционные системы для генерации сложных виртуальных миров. полный текст

внешняя ссылка

Free Knowledge Exchange , проект, использующий HBGA для совместного решения проблем, выраженных на естественном языке.
ParEvo , ParEvo - это метод разработки альтернативных сценариев будущего с использованием совместного эволюционного процесса.

[1] Крузе, Дж.; Коннор, А. (2015). «Многоагентные эволюционные системы для генерации сложных виртуальных миров». EAI одобрила сделки по креативным технологиям . 2 (5): 150099. arXiv : 1604.05792 . doi : 10.4108/eai.20-10-2015.150099 . S2CID 12670076 .

[1]