Algoritm genetic bazat pe om - Human-based genetic algorithm

În calculul evolutiv , un algoritm genetic bazat pe om ( HBGA ) este un algoritm genetic care permite oamenilor să contribuie cu sugestii de soluții la procesul evolutiv. În acest scop, un HBGA are interfețe umane pentru inițializare, mutație și încrucișare recombinantă. De asemenea, poate avea interfețe pentru evaluarea selectivă. Pe scurt, un HBGA externalizează operațiunile unui algoritm genetic tipic la oameni.

Sistemele genetice evolutive și agenția umană

Printre sistemele genetice evolutive, HBGA este analogul computerizat al ingineriei genetice (Allan, 2005). Acest tabel compară sistemele pe linii de agenție umană:

sistem secvențe inovator selector
selecție naturală nucleotidă natură natură
selecție artificială nucleotidă natură uman
Inginerie genetică nucleotidă uman uman
algoritm genetic bazat pe om date uman uman
algoritm genetic interactiv date calculator uman
algoritm genetic date calculator calculator

Un model evident în tabel este împărțirea între sistemele organice (sus) și computerele (jos). Un altul este simetria verticală între sistemele autonome (sus și jos) și sistemele interactive umane (mijloc).

Privind spre dreapta, selectorul este agentul care decide aptitudinea în sistem. Determină ce variații se vor reproduce și vor contribui la următoarea generație. În populațiile naturale și în algoritmii genetici, aceste decizii sunt automate; întrucât în ​​sistemele tipice HBGA, acestea sunt realizate de oameni.

Inovator este agentul schimbării genetice. Inovatorul muta și recombină materialul genetic, pentru a produce variațiile pe care acționează selectorul. În majoritatea sistemelor organice și computerizate (sus și jos), inovația este automată, funcționând fără intervenția umană. În HBGA, inovatorii sunt oameni.

HBGA este aproximativ similar cu ingineria genetică. În ambele sisteme, inovatorii și selectorii sunt oameni. Principala diferență constă în materialul genetic cu care lucrează: date electronice vs. secvențe de polinucleotide.

Diferențe față de un algoritm genetic simplu

  • Toți cei patru operatori genetici (inițializare, mutație, încrucișare și selecție) pot fi delegați oamenilor folosind interfețe adecvate (Kosorukoff, 2001).
  • Inițializarea este tratată mai degrabă ca un operator, decât ca o fază a algoritmului. Acest lucru permite unui HBGA să înceapă cu o populație goală. Inițializarea, mutația și operatorii de încrucișare formează grupul de operatori de inovație.
  • Alegerea operatorului genetic poate fi delegată și oamenilor, astfel încât aceștia nu sunt obligați să efectueze o anumită operație în niciun moment dat.

Caracteristici funcționale

  • HBGA este o metodă de colaborare și schimb de cunoștințe. Fuzionează competența utilizatorilor săi umani creând un fel de inteligență simbiotică om-mașină (vezi și inteligența artificială distribuită ).
  • Inovația umană este facilitată prin eșantionarea soluțiilor din populație, asocierea și prezentarea acestora în diferite combinații unui utilizator (a se vedea tehnicile de creativitate ).
  • HBGA facilitează consensul și luarea deciziilor prin integrarea preferințelor individuale ale utilizatorilor săi.
  • HBGA folosește o idee de învățare cumulativă în timp ce rezolvă simultan un set de probleme. Acest lucru permite realizarea de sinergii, deoarece soluțiile pot fi generalizate și reutilizate printre mai multe probleme. Acest lucru facilitează, de asemenea, identificarea noilor probleme de interes și alocarea echitabilă a resurselor între problemele de importanță diferită.
  • Alegerea reprezentării genetice, o problemă comună a algoritmilor genetici, este mult simplificată în HBGA, deoarece algoritmul nu trebuie să fie conștient de structura fiecărei soluții. În special, HBGA permite limbajului natural să fie o reprezentare validă.
  • Stocarea și eșantionarea populației rămâne de obicei o funcție algoritmică.
  • Un HBGA este de obicei un sistem multi-agent , delegând operațiuni genetice mai multor agenți (oameni).

Aplicații

Metodologia HBGA a fost derivată în 1999-2000 din analiza proiectului Free Knowledge Exchange care a fost lansat în vara lui 1998, în Rusia (Kosorukoff, 1999). Inovația și evaluarea umană au fost utilizate în sprijinul rezolvării colaborative a problemelor. Utilizatorii au fost, de asemenea, liberi să aleagă următoarea operație genetică de efectuat. În prezent, alte câteva proiecte implementează același model, cel mai popular fiind Yahoo! Răspunsuri , lansat în decembrie 2005.

Cercetări recente sugerează că operatorii de inovare pe bază de om sunt avantajoși nu numai în cazul în care este dificil să se proiecteze o mutație computațională eficientă și / sau încrucișare (de exemplu, atunci când se dezvoltă soluții în limbaj natural), ci și în cazul în care sunt disponibili cu ușurință operatori buni de inovație computațională , de exemplu, atunci când se dezvoltă o imagine sau culori abstracte (Cheng și Kosorukoff, 2004). În acest din urmă caz, inovația umană și de calcul se pot completa reciproc, producând rezultate de cooperare și îmbunătățind experiența generală a utilizatorului, asigurându-se că creativitatea spontană a utilizatorilor nu va fi pierdută.

Mai mult, algoritmii genetici umani se dovedesc a fi o măsură de succes pentru a contracara efectele de oboseală introduse de algoritmi genetici interacționali .

Vezi si

Referințe

  • Kosorukoff, Alex (1999). Schimb liber de cunoștințe. arhiva internet
  • Kosorukoff, Alex (2000). Algoritm genetic bazat pe om. pe net
  • Kosorukoff, Alex (2001). Algoritm genetic bazat pe om. În IEEE International Conference on Systems, Man, and Cybernetics , SMC-2001, 3464-3469. text complet
  • Cheng, Chihyung Derrick și Alex Kosorukoff (2004). Problema interactivă one-max permite compararea performanței algoritmilor genetici interacți și umani. În Conferința Computațională Genetică și Evolutivă , GECCO-2004. text complet
  • Milani, Alfredo (2004). Algoritmi genetici online . International Journal of Information Theories and Applications pp. 20–28
  • Milani, Alfredo și Silvia Suriani (2004), ADAN: Adaptive Newspapers based on Evolutionary Programming In IEEE / WIC / ACM International Conference on Web Intelligence, (WI'04), pp. 779–780, IEEE Press, 2004
  • Allan, Michael (2005). Design simplu recombinant. SourceForge.net, proiect textbender, versiunea 2005.0, fișier _ / description.html. lansează arhive , versiune ulterioară online
  • Kruse, Jan (2015). Calcul interactiv evolutiv în aplicații de proiectare pentru lumi virtuale. text complet
  • Kruse, Jan și Connor, Andy (2015). Sisteme evolutive multi-agent pentru generarea de lumi virtuale complexe. text complet

linkuri externe

  • Free Knowledge Exchange , un proiect care utilizează HBGA pentru rezolvarea colaborativă a problemelor exprimate în limbaj natural.
  • ParEvo , ParEvo este o metodă de dezvoltare a unor scenarii viitoare alternative, folosind un proces evolutiv participativ