Evoluční algoritmy
Aktuální verze stránky ještě nebyla zkontrolována zkušenými přispěvateli a může se výrazně lišit od
verze recenzované 16. července 2015; kontroly vyžadují
10 úprav .
Evoluční algoritmy jsou směr v umělé inteligenci (část evolučního modelování ), který využívá a modeluje procesy přirozeného výběru .
Typy algoritmů
- genetické algoritmy - heuristický vyhledávací algoritmus používaný k řešení optimalizačních a modelovacích problémů náhodným výběrem, kombinací a variací požadovaných parametrů;
- genetické programování - automatické vytváření nebo modifikace programů pomocí genetických algoritmů;
- evoluční programování - podobné genetickému programování, ale struktura programu je konstantní, mění se pouze číselné hodnoty;
- programování genové exprese
- evoluční strategie - podobné genetickým algoritmům, ale do další generace se přenášejí pouze pozitivní mutace;
- diferenciální evoluce
- neuroevoluce - obdoba genetického programování, ale genomy jsou umělé neuronové sítě , ve kterých dochází k evoluci vah pro danou topologii sítě nebo kromě evoluce vah se vyvíjí i topologie;
- klasifikační systémy ;
Všechny modelují základní ustanovení v teorii biologické evoluce - procesy selekce, mutace a reprodukce. Chování agentů je dáno prostředím. Soubor agentů se nazývá populace. Taková populace se vyvíjí v souladu s pravidly výběru v souladu s objektivní funkcí danou prostředím. Každému agentovi (jedinci) populace je tedy přiřazena hodnota jeho vhodnosti v prostředí. Rozmnožují se pouze nejvhodnější druhy. Rekombinace a mutace umožňují agentům změnit se a přizpůsobit se prostředí. Takové algoritmy se označují jako adaptivní vyhledávače.
Evoluční algoritmy byly úspěšně použity pro problémy typu funkční optimalizace a lze je snadno popsat matematickým jazykem.
Odvětví použití
Evoluční algoritmy se používají v kombinatorické optimalizaci , zejména při řešení klasických NP-úplných problémů , jako je problém cestujícího obchodníka , problém balení batohu , dělení čísel, maximální nezávislá množina a skicování grafů . [jeden]
Možnost využití evolučních algoritmů v hudbě se v Rakousku aktivně zkoumá , především při pokusu o modelování hry na hudební nástroje slavnými lidmi z různých epoch. [2]
Poznámky
- ↑ Olariu Stephan, Zomaya Albert Y. Handbook of Bioinspired Algorithms and Applications (Chapman Hall/Crc Computer Information Science ) . — Chapman Hall/CRC. — ISBN 1-58488-475-4 .
- ↑ Madsen, ST a Widmer, G.: Evolutionary Search for Musical Parallelism , Applications of Evolutionary Computing, sborník z EvoWorkshops 2005, LNCS 3449 s. 488-497, Lausanne, Švýcarsko, 30. března - 1. dubna 2005. Springer Verlag.
Literatura
- Emelyanov VV, Kureichik VV, Kureichik VM Teorie a praxe evolučního modelování. - M. : Fizmatlit, 2003. - 432 s. — ISBN 5-9221-0337-7 .
- Kureichik V. M., Lebedev B. K., Lebedev O. K. Adaptace vyhledávání: teorie a praxe. - M. : Fizmatlit, 2006. - 272 s. — ISBN 5-9221-0749-6 .
- Gladkov L. A., Kureichik V. V., Kureichik V. M. Genetické algoritmy: učebnice. - 2. vyd. - M. : Fizmatlit, 2006. - 320 s. - ISBN 5-9221-0510-8 .
- Gladkov L.A., Kureichik V.V., Kureichik V.M. et al. Bioinspirované metody v optimalizaci: monografie. - M. : Fizmatlit, 2009. - 384 s. - ISBN 978-5-9221-1101-0 .
- Rutkowska D., Pilinsky M., Rutkowski L. Neuronové sítě, genetické algoritmy a fuzzy systémy = Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. - 2. vyd. - M . : Hotline-Telecom, 2008. - 452 s. — ISBN 5-93517-103-1 .
- Rutkovsky L. Metody a technologie umělé inteligence. - M. : Hotline-Telecom, 2010. - 520 s. — ISBN 5-9912-0105-6 .
- Volovich I. V. , Khokhlova M. N. O teorii modelování a třídním hypergrafu // Sborník Matematického institutu. V.A. Šteklová. - 2004. - T. 245 . - S. 281-287 .
Odkazy