Algoritmo genético de base humana - Human-based genetic algorithm
Na computação evolutiva , um algoritmo genético baseado em humanos ( HBGA ) é um algoritmo genético que permite aos humanos contribuir com sugestões de soluções para o processo evolutivo. Para este propósito, um HBGA possui interfaces humanas para inicialização, mutação e cruzamento recombinante. Além disso, pode ter interfaces para avaliação seletiva. Em suma, um HBGA terceiriza as operações de um algoritmo genético típico para humanos.
Sistemas genéticos evolutivos e agência humana
Entre os sistemas genéticos evolutivos, o HBGA é o análogo baseado em computador da engenharia genética (Allan, 2005). Esta tabela compara sistemas em linhas de ação humana:
sistema | sequências | inovador | seletor |
---|---|---|---|
seleção natural | nucleotídeo | natureza | natureza |
seleção artificial | nucleotídeo | natureza | humano |
Engenharia genética | nucleotídeo | humano | humano |
algoritmo genético baseado em humanos | dados | humano | humano |
algoritmo genético interativo | dados | computador | humano |
algoritmo genético | dados | computador | computador |
Um padrão óbvio na tabela é a divisão entre sistemas orgânicos (parte superior) e sistemas de computador (parte inferior). Outra é a simetria vertical entre sistemas autônomos (superior e inferior) e sistemas interativos humanos (meio).
Olhando para a direita, o seletor é o agente que decide a adequação no sistema. Ele determina quais variações se reproduzirão e contribuirão para a próxima geração. Em populações naturais e em algoritmos genéticos, essas decisões são automáticas; ao passo que em sistemas HBGA típicos, eles são feitos por pessoas.
O inovador é o agente da mudança genética. O inovador muta e recombina o material genético, para produzir as variações nas quais o seletor opera. Na maioria dos sistemas orgânicos e baseados em computador (superior e inferior), a inovação é automática, operando sem intervenção humana. No HBGA, os inovadores são pessoas.
HBGA é mais ou menos semelhante à engenharia genética. Em ambos os sistemas, os inovadores e selecionadores são pessoas. A principal diferença está no material genético com que trabalham: dados eletrônicos vs. sequências de polinucleotídeos.
Diferenças de um algoritmo genético simples
- Todos os quatro operadores genéticos (inicialização, mutação, cruzamento e seleção) podem ser delegados a humanos usando interfaces apropriadas (Kosorukoff, 2001).
- A inicialização é tratada como um operador, em vez de uma fase do algoritmo. Isso permite que um HBGA comece com uma população vazia. Operadores de inicialização, mutação e crossover formam o grupo de operadores de inovação.
- A escolha do operador genético também pode ser delegada aos humanos, para que eles não sejam forçados a realizar uma operação específica em um determinado momento.
Recursos funcionais
- HBGA é um método de colaboração e troca de conhecimento. Ele combina a competência de seus usuários humanos, criando uma espécie de inteligência simbiótica homem-máquina (ver também inteligência artificial distribuída ).
- A inovação humana é facilitada pela amostragem de soluções da população, associando-as e apresentando-as em diferentes combinações para um usuário (ver técnicas de criatividade ).
- HBGA facilita o consenso e a tomada de decisão integrando as preferências individuais de seus usuários.
- HBGA faz uso de uma ideia de aprendizado cumulativo enquanto resolve um conjunto de problemas simultaneamente. Isso permite obter sinergia, pois as soluções podem ser generalizadas e reutilizadas entre diversos problemas. Isso também facilita a identificação de novos problemas de interesse e a distribuição justa de recursos entre problemas de importância diferente.
- A escolha da representação genética, um problema comum dos algoritmos genéticos, é muito simplificada no HBGA, uma vez que o algoritmo não precisa estar ciente da estrutura de cada solução. Em particular, o HBGA permite que a linguagem natural seja uma representação válida.
- O armazenamento e a amostragem da população geralmente permanecem uma função algorítmica.
- Um HBGA é geralmente um sistema multiagente , delegando operações genéticas a vários agentes (humanos).
Formulários
- Gestão evolutiva do conhecimento , integração de conhecimentos de diferentes fontes.
- Organização social , a tomada de decisão coletiva , e e-governança .
- Áreas tradicionais de aplicação de algoritmos genéticos interativos : arte computacional , design centrado no usuário , etc.
- Resolução colaborativa de problemas usando a linguagem natural como representação.
- Os benefícios de Educação e Acadêmico da Simulação em Tempo Real com Modelagem Curricular Sintética usando ambientes Dynamic Point Cloud.
A metodologia HBGA foi derivada em 1999-2000 da análise do projeto Free Knowledge Exchange que foi lançado no verão de 1998, na Rússia (Kosorukoff, 1999). Inovação humana e avaliação foram usadas para apoiar a resolução colaborativa de problemas. Os usuários também eram livres para escolher a próxima operação genética a ser realizada. Atualmente, vários outros projetos implementam o mesmo modelo, sendo o mais popular o Yahoo! Respostas , lançado em dezembro de 2005.
Uma pesquisa recente sugere que os operadores de inovação de base humana são vantajosos não apenas onde é difícil projetar uma mutação computacional eficiente e / ou crossover (por exemplo, ao desenvolver soluções em linguagem natural), mas também no caso em que bons operadores de inovação computacional estão prontamente disponíveis , por exemplo, ao desenvolver uma imagem ou cores abstratas (Cheng e Kosorukoff, 2004). No último caso, a inovação humana e computacional podem se complementar, produzindo resultados cooperativos e melhorando a experiência geral do usuário, garantindo que a criatividade espontânea dos usuários não seja perdida.
Além disso, os algoritmos genéticos baseados em humanos provam ser uma medida bem-sucedida para neutralizar os efeitos da fadiga introduzidos por algoritmos genéticos interativos .
Veja também
- Computação baseada em humanos
- Computação evolutiva baseada em humanos
- Interação homem-computador
- Algoritmo genético interativo
- Memética
- Computação social
Referências
- Kosorukoff, Alex (1999). Troca de conhecimento grátis. arquivo da internet
- Kosorukoff, Alex (2000). Algoritmo genético baseado em humanos. conectados
- Kosorukoff, Alex (2001). Algoritmo genético baseado em humanos. Na IEEE International Conference on Systems, Man, and Cybernetics , SMC-2001, 3464-3469. texto completo
- Cheng, Chihyung Derrick e Alex Kosorukoff (2004). O problema interativo one-max permite comparar o desempenho de algoritmos genéticos interativos e humanos. In Genetic and Evolutionary Computational Conference , GECCO-2004. texto completo
- Milani, Alfredo (2004). Algoritmos genéticos online . International Journal of Information Theories and Applications pp. 20-28
- Milani, Alfredo e Silvia Suriani (2004), ADAN: Jornais Adaptáveis baseados na Programação Evolutiva na Conferência Internacional IEEE / WIC / ACM sobre Inteligência na Web, (WI'04), pp. 779-780, IEEE Press, 2004
- Allan, Michael (2005). Desenho recombinante simples. SourceForge.net, projeto textbender, versão 2005.0, arquivo _ / description.html. arquivos de lançamento , versão online posterior
- Kruse, janeiro (2015). Computação evolutiva interativa em aplicativos de design para mundos virtuais. texto completo
- Kruse, Jan e Connor, Andy (2015). Sistemas evolutivos multiagentes para a geração de mundos virtuais complexos. texto completo
links externos
- Livre Knowledge Exchange , um projeto usando HBGA para resolução colaborativa de problemas expressos em linguagem natural.
- ParEvo , ParEvo é um método de desenvolvimento de cenários futuros alternativos, usando um processo evolutivo participativo