Människobaserad genetisk algoritm

I evolutionär beräkning är en mänsklig baserad genetisk algoritm ( HBGA ) en genetisk algoritm som tillåter människor att bidra med lösningsförslag till den evolutionära processen. För detta ändamål har en HBGA mänskliga gränssnitt för initialisering, mutation och rekombinant korsning. Den kan också ha gränssnitt för selektiv utvärdering. Kort sagt, en HBGA lägger ut driften av en typisk genetisk algoritm till människor.

Evolutionära genetiska system och mänsklig handling

Bland evolutionära genetiska system är HBGA den datorbaserade analogen av genteknik (Allan, 2005). Den här tabellen jämför system på linjer av mänsklig handling:

systemet	sekvenser	innovatör	väljare
naturligt urval	nukleotid	natur	natur
artificiellt urval	nukleotid	natur	mänsklig
genteknik	nukleotid	mänsklig	mänsklig
mänsklig baserad genetisk algoritm	data	mänsklig	mänsklig
interaktiv genetisk algoritm	data	dator	mänsklig
genetisk algoritm	data	dator	dator

Ett uppenbart mönster i tabellen är uppdelningen mellan organiska (överst) och datorsystem (nederst). En annan är den vertikala symmetrin mellan autonoma system (topp och botten) och mänskliga interaktiva system (mitten).

Om man tittar till höger är väljaren den agent som bestämmer lämpligheten i systemet. Det avgör vilka variationer som kommer att reproducera och bidra till nästa generation. I naturliga populationer och i genetiska algoritmer är dessa beslut automatiska; medan de i typiska HBGA-system är gjorda av människor.

Innovatören är agenten för genetisk förändring . Innovatören muterar och rekombinerar det genetiska materialet för att producera de variationer som väljaren arbetar på. I de flesta organiska och datorbaserade system (överst och nedre) sker innovation automatiskt, utan mänsklig inblandning. Inom HBGA är innovatörerna människor.

HBGA liknar ungefär genteknik. I båda systemen är innovatörerna och väljarna människor. Den största skillnaden ligger i det genetiska material de arbetar med: elektroniska data vs polynukleotidsekvenser.

Skillnader från en vanlig genetisk algoritm

Alla fyra genetiska operatörerna (initiering, mutation, överkorsning och selektion) kan delegeras till människor med hjälp av lämpliga gränssnitt (Kosorukoff, 2001).
Initialisering behandlas som en operatör snarare än en fas av algoritmen. Detta gör att en HBGA kan börja med en tom population. Initialiserings-, mutations- och crossover-operatörer utgör gruppen av innovationsoperatörer.
Valet av genetisk operator kan också delegeras till människor, så de är inte tvingade att utföra en viss operation vid något givet tillfälle.

Funktionella egenskaper

HBGA är en metod för samarbete och kunskapsutbyte. Den slår samman kompetensen hos sina mänskliga användare och skapar en sorts symbiotisk intelligens mellan människa och maskin (se även distribuerad artificiell intelligens ) .
Mänsklig innovation underlättas genom att ta ett urval av lösningar från befolkningen, associera och presentera dem i olika kombinationer för en användare (se kreativitetstekniker ) .
HBGA underlättar konsensus och beslutsfattande genom att integrera användarnas individuella preferenser.
HBGA använder sig av en kumulativ inlärningsidé och löser en uppsättning problem samtidigt. Detta möjliggör synergieffekter eftersom lösningar kan generaliseras och återanvändas bland flera problem. Detta underlättar också identifiering av nya problem av intresse och en rättvis resursallokering mellan problem av olika betydelse.
Valet av genetisk representation, ett vanligt problem med genetiska algoritmer, är avsevärt förenklat i HBGA, eftersom algoritmen inte behöver vara medveten om strukturen för varje lösning. I synnerhet tillåter HBGA att naturligt språk är en giltig representation.
Lagring och provtagning av population förblir vanligtvis en algoritmisk funktion.
En HBGA är vanligtvis ett system med flera agenter , som delegerar genetiska operationer till flera agenter (människor).

Ansökningar

Evolutionär kunskapshantering , integration av kunskap från olika källor.
Social organisation , kollektivt beslutsfattande och e-förvaltning .
Traditionella tillämpningsområden för interaktiva genetiska algoritmer : datorkonst , användarcentrerad design, etc.
Samarbetande problemlösning med naturligt språk som representation.
Utbildning och akademiska fördelar från realtidssimulering med syntetisk läroplansmodellering med Dynamic Point Cloud-miljöer.

HBGA-metoden härleddes 1999-2000 från analys av Free Knowledge Exchange-projektet som lanserades sommaren 1998 i Ryssland (Kosorukoff, 1999). Mänsklig innovation och utvärdering användes som stöd för samverkande problemlösning. Användare var också fria att välja nästa genetiska operation att utföra. För närvarande implementerar flera andra projekt samma modell, det mest populära är Yahoo! Answers , lanserades i december 2005.

Ny forskning tyder på att människobaserade innovationsoperatörer är fördelaktiga inte bara där det är svårt att designa en effektiv beräkningsmutation och/eller korsning (t.ex. när man utvecklar lösningar på naturligt språk), utan också i de fall där bra beräkningsinnovationsoperatörer är lättillgängliga t.ex. när man utvecklar en abstrakt bild eller färger (Cheng och Kosorukoff, 2004). I det senare fallet kan mänsklig och beräkningsinnovation komplettera varandra, ge samarbetsresultat och förbättra den allmänna användarupplevelsen genom att säkerställa att användarnas spontana kreativitet inte går förlorad.

Dessutom visar sig mänskligt baserade genetiska algoritmer vara en framgångsrik åtgärd för att motverka trötthetseffekter som introduceras av interaktiva genetiska algoritmer .

Se även

Kosorukoff, Alex (1999). Gratis kunskapsutbyte. internetarkiv
Kosorukoff, Alex (2000). Människobaserad genetisk algoritm. uppkopplad
Kosorukoff, Alex (2001). Människobaserad genetisk algoritm. I IEEE International Conference on Systems, Man, and Cybernetics , SMC-2001, 3464-3469. Full text
Cheng, Chihyung Derrick och Alex Kosorukoff (2004). Interaktiva one-max problem gör det möjligt att jämföra prestandan hos interaktiva och mänskliga baserade genetiska algoritmer. I Genetic and Evolutionary Computational Conference , GECCO-2004. Full text
Milani, Alfredo (2004). Genetiska algoritmer online . International Journal of Information Theories and Applications s. 20–28
Milani, Alfredo och Silvia Suriani (2004), ADAN: Adaptiva tidningar baserade på evolutionär programmering i IEEE/WIC/ACM International Conference on Web Intelligence,(WI'04), s. 779–780, IEEE Press, 2004
Allan, Michael (2005). Enkel rekombinant design. SourceForge.net, project textbender, release 2005.0, filen _/description.html. släpp arkiv , senare version online
Kruse, Jan (2015). Interaktiv evolutionär beräkning i designapplikationer för virtuella världar. Full text
Kruse, Jan och Connor, Andy (2015). Multi-agent evolutionära system för generering av komplexa virtuella världar. Full text

externa länkar

Free Knowledge Exchange , ett projekt som använder HBGA för att lösa problem som uttrycks i naturligt språk.
ParEvo , ParEvo är en metod för att utveckla alternativa framtidsscenarier, med hjälp av en deltagande evolutionär process