Русская Википедия:Биоинспирированные алгоритмы

Материал из Онлайн справочника
Перейти к навигацииПерейти к поиску

Биоинспирированные алгоритмы — алгоритмы, область исследования которых свободно объединяет подразделы, относящиеся к темам связности, социального поведения и возникновения[1]. Они часто тесно сопряжены с областью искусственного интеллекта, поскольку их занятия могут быть связаны с машинным обучением. Они опираются в основном на области биологии, информатики и математики. Если говорить кратко, использование компьютеров для моделирования живых явлений и одновременное изучение жизни для улучшения использования компьютеров.

История

Первые работы по симуляции эволюции были проведены в 1954 году Нильсом Баричелли на компьютере, установленном в Институте перспективных исследований Принстонского университета.[2][3] Его работа, опубликованная в том же году, привлекла широкое внимание общественности. С 1957 года,[4] австралийский генетик Алекс Фразер опубликовал серию работ по симуляции искусственного отбора среди организмов с множественным контролем измеримых характеристик. Положенное начало позволило компьютерной симуляции эволюционных процессов и методам, описанным в книгах Фразера и Барнелла(1970)[5] и Кросби (1973)[6], с 1960-х годов стать более распространенным видом деятельности среди биологов. Симуляции Фразера включали все важнейшие элементы современных генетических алгоритмов. Вдобавок к этому, Ганс-Иоахим Бремерманн в 1960-х опубликовал серию работ, которые также принимали подход использования популяции решений, подвергаемой рекомбинации, мутации и отбору, в проблемах оптимизации. Исследования Бремерманна также включали элементы современных генетических алгоритмов.[7] Среди прочих пионеров следует отметить Ричарда Фридберга, Джорджа Фридмана и Майкла Конрада. Множество ранних работ были переизданы Давидом Б. Фогелем (1998).[8]

Хотя Баричелли в своей работе 1963 года симулировал способности машины играть в простую игру,[9] искусственная эволюция стала общепризнанным методом оптимизации после работы Инго Рехенберга и Ханса-Пауля Швефеля в 1960-х и начале 1970-х годов двадцатого века — группа Рехенсберга смогла решить сложные инженерные проблемы согласно стратегиям эволюции.[10][11][12][13] Другим подходом была техника эволюционного программирования Лоренса Дж. Фогеля, которая была предложена для создания искусственного интеллекта. Эволюционное программирование, первоначально использовавшее конечные автоматы для предсказывания обстоятельств, и использовавшее разнообразие и отбор для оптимизации логики предсказания. Генетические алгоритмы стали особенно популярны благодаря работе Джона Холланда в начале 70-х годов и его книге «Адаптация в естественных и искусственных системах» (1975)[14]. Его исследование основывалось на экспериментах с клеточными автоматами, проводившимися Холландом и на его трудах написанных в университете Мичигана. Холланд ввел формализованный подход для предсказывания качества следующего поколения, известный как Теорема схем. Исследования в области генетических алгоритмов оставались в основном теоретическими до середины 80-х годов, когда была, наконец, проведена Первая международная конференция по генетическим алгоритмам в Питтсбурге, Пенсильвания (США).

С ростом исследовательского интереса существенно выросла и вычислительная мощь настольных компьютеров, это позволило использовать новую вычислительную технику на практике. В конце 80-х, компания General Electric начала продажу первого в мире продукта, работавшего с использованием генетического алгоритма. Им стал набор промышленных вычислительных средств. В 1989, другая компания Axcelis, Inc. выпустила Evolver — первый в мире коммерческий продукт на генетическом алгоритме для настольных компьютеров. Журналист The New York Times в технологической сфере Джон Маркофф писал[15] об Evolver в 1990 году.

Описание алгоритмов

  1. Одним из биоинспирированных подходов является метод роевого интеллекта включающий в себя муравьиные алгоритмы, пчелиные алгоритмы, метод роя частиц, алгоритм капель воды и др. Роевой интеллект описывает коллективное поведение децентрализованной самоорганизующейся системы, которая состоит из множества агентов, локально взаимодействующих между собой и с окружающей средой. Агенты обычно довольно просты, но, локально взаимодействуя, вместе создают, так называемый, роевой интеллект.
  2. Пчелиный алгоритм − это оптимизационный алгоритм, в основе которого лежит поведение пчёл в живой природе. Применительно к задаче оптимизации в пчелином алгоритме каждое решение представляется в виде пчелы, которая знает (хранит) расположение (координаты или параметры многомерной функции) какого-то участка.
  3. Алгоритм пастушьей собаки[16] — предлагает решение проблемы выпаса. С помощью набора простых эвристик пастух может пасти автономных, взаимодействующих между собой агентов в направлении к пункту назначения. Эвристика пастуха основана на адаптивном переключении между сбором агентов, когда они слишком рассредоточены, и их вождением, как только они агрегируют. Эти правила действуют для уменьшения вероятности того, что группа распадается, и позволяют пастуху вести группу в направлении целевого местоположения. Движение пастуха из стороны в сторону также является следствием этих правил, в отличие от других моделей, где такое поведение было жестко закодировано в правилах движения управляющего объекта для повышения эффективности работы[17][18][19].

См. также

Примечания

Шаблон:Примечания

Партнерские ресурсы
Криптовалюты
Магазины
Хостинг
Разное

  1. ↑ Котенко И. В., Шоров А. В., Нестерук Ф. Г. «Анализ биоинспирированных подходов для защиты компьютерных систем и сетей» // М.: Труды СПИИРАН. 2011. № 3 (18). С. 19-73
  2. ↑ Шаблон:Статья
  3. ↑ Шаблон:Статья
  4. ↑ Шаблон:Статья
  5. ↑ Шаблон:Книга
  6. ↑ Шаблон:Книга
  7. ↑ Шаблон:Cite web
  8. ↑ Шаблон:Книга
  9. ↑ Шаблон:Статья
  10. ↑ Шаблон:Книга
  11. ↑ Шаблон:Книга
  12. ↑ Шаблон:Книга
  13. ↑ Шаблон:Книга
  14. ↑ J. H. Holland. Adaptation in natural and artificial systems. University of Michigan Press, Ann Arbor, 1975.
  15. ↑ Шаблон:Cite news
  16. ↑ Евдокимов И. В., Кулаков Е. Д. Применение метода наискорейшего спуска в одном биоинспирированном алгоритме // Приборы и системы. Управление, контроль, диагностика. 2017. № 8. С. 10-13
  17. ↑ Lien J, Bayazit OB, Sowell RT, Rodriguez S, Amato AM. Shepherding behaviors // In Proc. IEEE Int. Conf. on Robotics and Automation. — 2004. — pp. 4159-4164
  18. ↑ Bennett B, Trafankowski M. 2012 A Comparative investigation of herding algorithms. In Proc. Symp. on Understanding and Modelling Collective Phenomena // UMoCoP, Birmingham, UK. — 2-6 July 2012. — pp. 33-38.
  19. ↑ Lien JM, Pratt E. 2009 Interactive planning for shepherd motion // In Proc. AAAI Spring Symp., Palo, Alto, CA. — 23-25 March 2009. — pp. 95-102. -Menlo Park, CA: AAAI Press.
Источник — http://wikihandbk.com/ruwiki/index.php?title=Русская_Википедия:Биоинспирированные_алгоритмы&oldid=9185918