Эффективный фитнес
В естественной эволюции и искусственной эволюции (например, искусственная жизнь и эволюционные вычисления ) пригодность (или производительность или объективная мера ) схемы масштабируется , чтобы дать ее эффективную пригодность, которая принимает во внимание кроссинговер и мутацию .
Эффективная приспособленность используется в эволюционных вычислениях для понимания динамики популяции. [1] В то время как функция биологической приспособленности рассматривает только репродуктивный успех , эффективная функция приспособленности пытается охватить вещи, которые необходимы для выживания на уровне популяции. [2] В однородных популяциях репродуктивная и эффективная приспособленность равны. [1] Когда популяция отходит от однородности, достигается более высокая эффективная приспособленность к рецессивному генотипу. Это преимущество будет уменьшаться по мере продвижения населения к равновесию. [1] Отклонение от этого равновесия показывает, насколько близка популяция к достижению устойчивого состояния. [1] При достижении этого равновесия достигается максимальная эффективная приспособленность популяции. [3]
Решение задач с помощью эволюционных вычислений реализуется с помощью функции стоимости. [4] Если функции стоимости применяются для групповой оптимизации, они называются функцией приспособленности . Такие стратегии, как обучение с подкреплением [5] и нейроэволюция NEAT [6] создают фитнес-ландшафт , описывающий репродуктивный успех клеточных автоматов . [7] [8]
Эффективная фитнес-функция моделирует количество приспособленных потомков. [1] и используется в расчетах, включающих эволюционные процессы, такие как мутации и скрещивания, важные на популяционном уровне. [9]
Эффективная фитнес-модель превосходит свою предшественницу, стандартную репродуктивную фитнес-модель. Он продвигается в качественном и количественном понимании таких эволюционных концепций, как раздувание, самоадаптация и эволюционная устойчивость . [3] В то время как репродуктивная приспособленность рассматривает только чистый отбор, эффективная приспособленность описывает поток популяции и естественный отбор с учетом генетических операторов. [1] [3]
Нормальная фитнес-функция соответствует проблеме, [10] в то время как эффективная функция приспособленности является предположением, если цель была достигнута. [11] Разница важна для разработки функций приспособленности с помощью таких алгоритмов, как поиск новизны , в которых цель агентов неизвестна. [12] [13] В случае бактерий эффективная приспособленность может включать выработку токсинов и скорость мутации различных плазмид, которые в основном определяются стохастически. [14]
Приложения
[ редактировать ]Когда доступны эволюционные уравнения динамики изучаемой популяции, можно алгоритмически вычислить эффективную приспособленность данной популяции. Хотя идеальная эффективная модель приспособленности еще не найдена, уже известно, что она является хорошей основой для лучшего понимания изменения карты генотип-фенотип, динамики популяции и влияния на ландшафты приспособленности. [1] [3]
Модели, использующие комбинацию дарвиновских функций приспособленности и эффективных функций, лучше прогнозируют демографические тенденции. Эффективные модели могут быть использованы для определения терапевтических результатов лечения заболеваний. [15] Другие модели могут определить эффективную белковую инженерию и работать над поиском новой или улучшенной биохимии . [16]
Ссылки
[ редактировать ]- ^ Jump up to: а б с д и ж г Стивенс CR (1999). « Эффективные» фитнес-ландшафты для эволюционных систем». Материалы Конгресса по эволюционным вычислениям-CEC99 1999 г. (Кат. № 99TH8406) . стр. 703–714. arXiv : nlin/0006050 . дои : 10.1109/CEC.1999.782002 . ISBN 0-7803-5536-9 . S2CID 10062119 .
- ^ фон Бронк Б., Шаффер С.А., Гётц А., Опиц М. (май 2017 г.). Балабан Н. (ред.). «Влияние стохастичности и разделения труда при производстве токсинов на конкуренцию двух штаммов бактерий в Escherichia coli» . ПЛОС Биология . 15 (5): e2001457. дои : 10.1371/journal.pbio.2001457 . ПМК 5411026 . ПМИД 28459803 .
- ^ Jump up to: а б с д Стивенс CR, Варгас Дж. М. (2000). «Эффективная приспособленность как альтернативная парадигма эволюционных вычислений I: общий формализм». Генетическое программирование и развивающиеся машины . 1 (4): 363–378. дои : 10.1023/А:1010017207202 . S2CID 1511583 .
- ^ Шаффер Дж.Д., Зихтиг Х.М., Ларами С. (2009). Серия неудачных и частично успешных фитнес-функций для развития импульсных нейронных сетей . Материалы 11-й ежегодной конференции по генетическим и эволюционным вычислениям - GECCO 09. ACM Press. дои : 10.1145/1570256.1570378 .
- ^ Афанасьева А, Буздалов М (2012). Оптимизация со вспомогательными критериями с использованием эволюционных алгоритмов и обучения с подкреплением . Материалы 18-й Международной конференции по мягким вычислениям MENDEL 2012. Том. 2012. стр. 58–63.
- ^ Дивбанд Соорати М, Хаманн Х (2015). Влияние проектирования фитнес-функции на производительность в эволюционной робототехнике . Материалы конференции по генетическим и эволюционным вычислениям 2015 г. - GECCO 15. ACM Press. дои : 10.1145/2739480.2754676 .
- ^ Стадлер П.Ф., Стивенс Ч.Р. (2003). «Пейзажи и эффективный фитнес» . Комментарии о нотах Теоретическая биология . 8 (4–5). Информа UK Limited: 389–431. дои : 10.1080/08948550302439 .
- ^ Баньоли Ф (1998). «Клеточные автоматы». arXiv : cond-mat/9810012 .
- ^ Генри А., Эмери М., Франсуа П. (июнь 2018 г.). «φ-evo: программа развития фенотипических моделей биологических сетей» . PLOS Вычислительная биология . 14 (6): e1006244. Бибкод : 2018PLSCB..14E6244H . дои : 10.1371/journal.pcbi.1006244 . ПМК 6013240 . ПМИД 29889886 .
- ^ Фернандес АС (2017). «Создание фитнес-функции, подходящей для решения поставленной задачи».
{{cite journal}}: Для цитирования журнала требуется|journal=( помощь ) - ^ Ханда Х (2006). Фитнес-функция для поиска робастных решений для изменяющихся во времени функций . Материалы 8-й ежегодной конференции по генетическим и эволюционным вычислениям GECCO 06. ACM Press. CiteSeerX 10.1.1.421.930 . дои : 10.1145/1143997.1144186 .
- ^ Леман Дж., Стэнли КО (2011). «Отказ от целей: эволюция только через поиск новизны». Эволюционные вычисления . 19 (2). MIT Press – Журналы: 189–223. дои : 10.1162/evco_a_00025 . ПМИД 20868264 . S2CID 12129661 .
- ^ Вулли Б.Ф., Стэнли, нокаут (2012). «Изучение многообещающих ступенек путем сочетания поиска новинок с интерактивной эволюцией». arXiv : 1207.6682 [ cs.NE ].
- ^ Леман Дж., Стэнли, нокаут (24 сентября 2010 г.). «Отказ от целей: эволюция только через поиск новизны». Эволюционные вычисления . 19 (2): 189–223. дои : 10.1162/EVCO_a_00025 . ПМИД 20868264 . S2CID 12129661 .
- ^ Махдипур-Ширайе А., Каве К., Кохандель М., Сивалоганатан С. (30 октября 2017 г.). «Фенотипическая гетерогенность в моделировании эволюции рака» . ПЛОС ОДИН . 12 (10): e0187000. arXiv : 1610.08163 . Бибкод : 2017PLoSO..1287000M . дои : 10.1371/journal.pone.0187000 . ПМЦ 5662227 . ПМИД 29084232 .
- ^ Сюй Ю, Ху С, Дай Ю, Лян Дж (11 августа 2014 г.). «Об упрощенной глобальной нелинейной функции для фитнес-ландшафта: пример обратного сворачивания белка» . ПЛОС ОДИН . 9 (8): е104403. Бибкод : 2014PLoSO...9j4403X . дои : 10.1371/journal.pone.0104403 . ПМК 4128808 . ПМИД 25110986 .
Внешние ссылки
[ редактировать ] | Эта эволюции статья, посвященная , незавершена . Вы можете помочь Википедии, расширив ее . |