Генетический алгоритм, основанный на человеке

В эволюционных вычислениях человеческий генетический алгоритм ( HBGA ) — это генетический алгоритм , который позволяет людям вносить предложения по решению эволюционного процесса. Для этой цели HBGA имеет человеческие интерфейсы для инициализации, мутации и рекомбинантного скрещивания. Кроме того, он может иметь интерфейсы для выборочной оценки. Короче говоря, HBGA передает операции типичного генетического алгоритма людям.

Эволюционные генетические системы и человеческая деятельность

Среди эволюционных генетических систем HBGA является компьютерным аналогом генной инженерии (Allan, 2005). В этой таблице сравниваются системы по линиям человеческой деятельности:

система	последовательности	новатор	селектор
естественный отбор	нуклеотид	природа	природа
искусственный отбор	нуклеотид	природа	человек
генная инженерия	нуклеотид	человек	человек
генетический алгоритм, основанный на человеке	данные	человек	человек
интерактивный генетический алгоритм	данные	компьютер	человек
генетический алгоритм	данные	компьютер	компьютер

Одной из очевидных закономерностей в таблице является разделение между органическими (вверху) и компьютерными системами (внизу). Другой — вертикальная симметрия между автономными системами (сверху и снизу) и системами, взаимодействующими с человеком (в середине).

Если посмотреть направо, то селектор — это агент, который определяет пригодность системы. Он определяет, какие вариации будут воспроизводиться и способствовать следующему поколению. В естественных популяциях и в генетических алгоритмах эти решения принимаются автоматически; тогда как в типичных системах HBGA они создаются людьми.

Инноватор – это агент генетических изменений. Новатор мутирует и рекомбинирует генетический материал, чтобы создать вариации, которыми оперирует селектор. В большинстве органических и компьютерных систем (верхних и нижних) инновации происходят автоматически и осуществляются без вмешательства человека. В HBGA новаторами являются люди.

HBGA примерно похож на генную инженерию. В обеих системах новаторами и селекционерами являются люди. Основное различие заключается в генетическом материале, с которым они работают: электронные данные и полинуклеотидные последовательности.

Отличия от простого генетического алгоритма

Все четыре генетических оператора (инициализация, мутация, скрещивание и отбор) могут быть делегированы человеку с использованием соответствующих интерфейсов (Косоруков, 2001).
Инициализация рассматривается как оператор, а не этап алгоритма. Это позволяет HBGA начать работу с пустой популяцией. Операторы инициализации, мутации и кроссовера образуют группу инновационных операторов.
Выбор генетического оператора также может быть делегирован людям, чтобы они не были вынуждены выполнять определенную операцию в любой момент времени.

Функциональные особенности

HBGA — это метод сотрудничества и обмена знаниями. Он объединяет компетенции пользователей-людей, создавая своего рода симбиотический человеко-машинный интеллект (см. также распределенный искусственный интеллект ).
Человеческим инновациям способствует выборка решений среди населения, их связывание и представление пользователю в различных комбинациях (см. методы творчества ).
HBGA способствует достижению консенсуса и принятию решений путем интеграции индивидуальных предпочтений пользователей.
HBGA использует идею кумулятивного обучения при одновременном решении ряда задач. Это позволяет добиться синергии, поскольку решения можно обобщать и повторно использовать для решения нескольких задач. Это также облегчает выявление новых проблем, представляющих интерес, и справедливое распределение ресурсов между проблемами различной важности.
Выбор генетического представления, распространенная проблема генетических алгоритмов, в HBGA значительно упрощается, поскольку алгоритму не нужно знать структуру каждого решения. В частности, HBGA позволяет естественному языку быть действительным представлением.
Хранение 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 , пользовательский дизайн и т.д.
Совместное решение проблем с использованием естественного языка в качестве представления.
Преимущества для образования и академической деятельности от моделирования в реальном времени с синтетическим моделированием учебной программы с использованием сред динамического облака точек.

Методология HBGA была разработана в 1999-2000 годах на основе анализа проекта «Свободный обмен знаниями», который был запущен летом 1998 года в России (Косоруков, 1999). Человеческие инновации и оценка использовались для поддержки совместного решения проблем. Пользователи также могли свободно выбирать следующую генетическую операцию. В настоящее время ту же модель реализуют еще несколько проектов, наиболее популярным из которых является Yahoo! Ответы , запущенный в декабре 2005 года.

Недавние исследования показывают, что операторы инноваций, основанные на человеке, имеют преимущества не только там, где сложно разработать эффективную вычислительную мутацию и/или кроссовер (например, при разработке решений на естественном языке), но также и в случае, когда хорошие операторы вычислительных инноваций легко доступны. , например, при создании абстрактного изображения или цвета (Ченг и Косоруков, 2004). В последнем случае человеческие и вычислительные инновации могут дополнять друг друга, обеспечивая совместные результаты и улучшая общий пользовательский опыт, гарантируя, что спонтанный творческий потенциал пользователей не будет потерян.

Кроме того, генетические алгоритмы, основанные на участии человека, оказались успешной мерой противодействия эффектам усталости, вызываемым интерактивными генетическими алгоритмами . ^[1]

См. также

Ссылки

^ Крузе, Дж.; Коннор, А. (2015). «Многоагентные эволюционные системы для генерации сложных виртуальных миров». Одобренные EAI транзакции по творческим технологиям . 2 (5): 150099. arXiv : 1604.05792 . дои : 10.4108/eai.20-10-2015.150099 . S2CID 12670076 .

Косоруков, Алекс (1999). Бесплатный обмен знаниями. Интернет-архив
Косоруков, Алекс (2000). Генетический алгоритм, основанный на человеке. онлайн
Косоруков, Алекс (2001). Генетический алгоритм, основанный на человеке. На Международной конференции IEEE по системам, человеку и кибернетике , SMC-2001, 3464-3469. полный текст
Ченг, Чихён Деррик и Алекс Косоруков (2004). Интерактивная одномаксная задача позволяет сравнивать производительность интерактивных и человеческих генетических алгоритмов. На конференции по генетическим и эволюционным вычислениям , GECCO-2004. полный текст
Милани, Альфредо (2004). Интернет-генетические алгоритмы . Международный журнал информационных теорий и приложений, стр. 20–28.
Милани, Альфредо и Сильвия Суриани (2004), ADAN: Адаптивные газеты, основанные на эволюционном программировании на Международной конференции IEEE / WIC / ACM по веб-разведке (WI'04), стр. 779–780, IEEE Press, 2004 г.
Аллан, Майкл (2005). Простой рекомбинантный дизайн. SourceForge.net, проект textbender, выпуск 2005.0, файл _/description.html. выпустить архивы , более позднюю версию онлайн
Крузе, Январь (2015). Интерактивные эволюционные вычисления в приложениях для проектирования виртуальных миров. полный текст
Крузе, Ян и Коннор, Энди (2015). Мультиагентные 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 совместного эволюционного процесса.

[1] Крузе, Дж.; Коннор, А. (2015). «Многоагентные эволюционные системы для генерации сложных виртуальных миров». Одобренные EAI транзакции по творческим технологиям . 2 (5): 150099. arXiv : 1604.05792 . дои : 10.4108/eai.20-10-2015.150099 . S2CID 12670076 .

[1]