Обучаемая модель эволюции
 | Эта статья , возможно, содержит оригинальные исследования . ( сентябрь 2007 г. ) |
Модель обучаемой эволюции ( LEM ) — это недарвиновская методология эволюционных вычислений , которая использует машинное обучение для управления генерацией новых особей ( кандидатов на решение проблем ). В отличие от стандартных методов эволюционных вычислений дарвиновского типа, которые используют случайные или полуслучайные операторы для создания новых особей (таких как мутации и/или рекомбинации ), LEM использует операторы генерации гипотез и создания экземпляров.
Оператор генерации гипотез применяет программу машинного обучения для создания описаний, позволяющих различать индивидуумов с высокой и низкой приспособленностью в каждой последующей популяции . Такие описания очерчивают области в пространстве поиска , которые, скорее всего, содержат желаемые решения. Впоследствии оператор создания экземпляра выбирает эти области для создания новых индивидуумов.LEM был изменен из области оптимизации в область классификации с помощью дополнения LEM с помощью ID3 (февраль 2013 г., М. Элемам Шехаб, К. Бадран, М. Заки и Гауда И. Салама).
Избранные ссылки
[ редактировать ]- Червоне, П.; Францезе (январь 2010 г.), «Машинное обучение для обнаружения источников атмосферных выбросов», Материалы 8-й конференции по применению искусственного интеллекта в науках об окружающей среде, код J1.7
- Войтусяк Дж.; Михальски, Р.С. (2006), «Реализация обучаемой модели эволюции в LEM3 и ее тестирование на задачах оптимизации сложных функций», Материалы 8-й ежегодной конференции по генетическим и эволюционным вычислениям , Сиэтл, Вашингтон, стр. 1281, CiteSeerX 10.1.1.72.2298 , doi : 10.1145/1143997.1144197 , ISBN 978-1595931863 , S2CID 6133889
{{citation}}: CS1 maint: отсутствует местоположение издателя ( ссылка ) - Войтусяк, Дж. (8–12 июля 2006 г.), «Первоначальное исследование решения проблем ограниченной оптимизации в обучаемой модели эволюции», Материалы семинара для аспирантов на конференции по генетическим и эволюционным вычислениям, GECCO, 2006 г.
- Журдан, Л.; Корн, Д.; Савич, Д.; Уолтерс, Г. (2005), «Предварительное исследование« обучаемой модели эволюции »для более быстрого и лучшего проектирования многокритериальных водных систем», Эволюционная многокритериальная оптимизация , Конспекты лекций по информатике, том. 3410, стр. 841–855, CiteSeerX 10.1.1.73.9653 , doi : 10.1007/978-3-540-31880-4_58 , ISBN 978-3-540-24983-2
- Домански, Пенсильвания; Яшар, Д.; Кауфман, К.; Михальски, Р.С. (апрель 2004 г.), «Оптимизированная конструкция испарителей с ребристыми трубками с использованием обучаемой модели эволюции», Международный журнал исследований в области отопления, вентиляции, кондиционирования и охлаждения , 10 : 201–211.
- Кауфман, К.; Михальски, Р.С. (2000), «Применение обучаемой модели эволюции к конструкции теплообменника», Материалы семнадцатой национальной конференции по искусственному интеллекту (AAAI-2000) и двенадцатой ежегодной конференции по инновационным применениям искусственного интеллекта (IAAI-2000) : 1014– 1019
- Червоне, Г.; Михальский, Р.С.; Кауфман, К.А. (июль 2000 г.). «Экспериментальное подтверждение обучаемой модели эволюции». Материалы Конгресса 2000 г. по эволюционным вычислениям. CEC00 (Кат. номер 00TH8512) . Том. 2. С. 1064–1071. дои : 10.1109/CEC.2000.870765 . ISBN 0-7803-6375-2 . S2CID 3149132 .
- Михальски, Р.С. (2000), «ОБУЧИМАЯ МОДЕЛЬ ЭВОЛЮЦИИ: Эволюционные процессы, управляемые машинным обучением», Machine Learning , 38 : 9–40, doi : 10.1023/A:1007677805582
- Михальский, Р .С. (11–13 июня 1998 г.), «Обучаемая эволюция: сочетание символического и эволюционного обучения», Материалы четвертого международного семинара по многостратегическому обучению (MSL'98) : 14–20
- Х. Яр, М. (11–13 июня 2016 г.), «Обзор эволюционных вычислений: методы и их приложения в технике», Мод. Прил. Наука : 14–20