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:
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).
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.
^ 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.