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.
Эволюционные генетические системы и деятельность человека
Среди эволюционных генетических систем HBGA является компьютерным аналогом генной инженерии (Allan, 2005). В этой таблице сравниваются системы по признакам человеческой деятельности:
система | последовательности | новатор | селектор |
---|---|---|---|
естественный отбор | нуклеотид | природа | природа |
искусственный отбор | нуклеотид | природа | человек |
генная инженерия | нуклеотид | человек | человек |
человеческий генетический алгоритм | данные | человек | человек |
интерактивный генетический алгоритм | данные | компьютер | человек |
генетический алгоритм | данные | компьютер | компьютер |
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 - это 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 против полинуклеотидных последовательностей.
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 момент.
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 связывание и представление пользователю в различных комбинациях (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 синергизма, поскольку решения могут быть обобщены и повторно использованы для решения нескольких проблем. Это также способствует выявлению новых проблем, представляющих интерес, и справедливому распределению ресурсов между проблемами разной важности.
- Выбор генетического представления, общая проблема генетических алгоритмов, значительно упрощается в HBGA, поскольку алгоритм не должен 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 , ориентированный на пользователя дизайн и др.
- 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 создана 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 эту модель реализуют еще несколько проектов, наиболее популярным из которых является Yahoo! Ответы , запущенный в декабре 2005 года.
Недавние исследования показывают, что операторы инноваций, ориентированные на человека, 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, обеспечивая 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 . [1]
Смотрите также
Рекомендации
- ^ Kruse, J .; Коннор, А. (2015). «Многоагентные эволюционные системы для генерации сложных виртуальных миров». Сделки, одобренные EAI в отношении Creative Technologies . 2 (5): 150099. arXiv : 1604.05792 . DOI : 10.4108 / eai.20-10-2015.150099 . S2CID 12670076 .
- 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 сравнить 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