EVRİMSEL HESAPLAMA

Evrimsel hesaplama, algoritmalar aracılığıyla küresel optimizasyon esinlenerek biyolojik evrim ve alt bilimlerini bilgisayarlar desteğiyle, meta-sezgisel veya stokastik bir optimizasyon karakteri olan bir popülasyon temelli deneme ve hata problem çözücü tekniğidir.

Evrimsel hesaplamada, bir dizi aday çözüm üretilir ve tekrar tekrar güncellenir. Her yeni nesil, daha az istenen çözümleri stokastik olarak kaldırarak ve küçük rastgele değişiklikler getirerek üretilir. Biyolojik terminolojide, bir solüsyon popülasyonu doğal seçilim (veya yapay seçilim ) ve mutasyona maruz kalır . Sonuç olarak, popülasyon kademeli olarak zindeliğe , bu durumda algoritmanın seçilen zindelik işlevine yükselecek şekilde gelişecektir .

Evrimsel hesaplama teknikleri, çok çeşitli sorun ortamlarında yüksek düzeyde optimize edilmiş çözümler üreterek bilgisayar bilimlerinde popüler hale getirebilir . Daha spesifik problemler ve veri yapıları ailelerine uygun birçok varyant ve uzantı mevcuttur. Evrimsel hesaplama, aynı zamanda, bazen kullanılmaktadır evrimsel biyoloji bir şekilde siliko olarak genel evrim proseslerinin ortak yönlerini incelemek için deneysel prosedür.

TARİH

Otomatik problem çözme için evrimsel prensiplerin kullanılması 1950’lerde ortaya çıkmıştır. 1960’lara kadar bu fikrin üç farklı yorumu üç farklı yerde geliştirilmeye başlandı.

Evrimsel programlama ABD’de Lawrence J.Fogel tarafından tanıtılırken, John Henry Holland yöntemine genetik bir algoritma adını verdi. Almanya’da Ingo Rechenberg ve Hans-Paul Schwefel tarafından evrim stratejileri tanıtıldı. Bu alanlar yaklaşık 15 yıl boyunca ayrı ayrı gelişti. Doksanlı yılların başından itibaren, evrimsel hesaplama adı verilen bir teknolojinin farklı temsilcileri (lehçeleri) olarak birleştirilirler. Ayrıca doksanlı yılların başlarında, genel fikirleri takip eden dördüncü bir akış (genetik programlama) ortaya çıktı. 1990’lardan bu yana, doğadan ilham alan algoritmalar, evrimsel hesaplamanın giderek daha önemli bir parçası haline gelmektedir.

Bu terminolojiler evrimsel hesaplama alanını belirtir ve evrimsel programlama, evrim stratejileri, genetik algoritmalar ve genetik programlamayı alt alanlar olarak görür.

Simülasyonlar evrim kullanarak evrimsel algoritmalar ve yapay hayat 1960’larda Nils Aall Barricelli çalışmaları ile başladı ve uzatılan Alex Fraser simülasyonu üzerinde kağıtları bir dizi yayınlanan yapay seleksiyon . ^[1] Yapay evrim , 1960’larda ve 1970’lerin başında karmaşık mühendislik problemlerini çözmek için evrim stratejilerini kullanan Ingo Rechenberg’in çalışması sonucunda yaygın olarak tanınan bir optimizasyon yöntemi haline geldi. ^[2] Özellikle genetik algoritmalar John Holland’ın yazımı ile popüler hale geldi . ^[3] Akademik ilgi arttıkça, bilgisayarların gücündeki çarpıcı artışlar bilgisayar programlarının otomatik gelişimi de dahil olmak üzere pratik uygulamalara izin verdi. ^[4] Evrimsel algoritmalar artık çok boyutlu problemleri insan tasarımcıların ürettiği yazılımlardan daha verimli bir şekilde çözmek ve aynı zamanda sistemlerin tasarımını optimize etmek için kullanılıyor. ^[5]^[6]

TEKNİKLER

Evrimsel hesaplama teknikleri çoğunlukla meta-sezgisel optimizasyon algoritmalarını içerir . Genel olarak, bu alan şunları içerir:

Karınca kolonisi optimizasyonu
Yapay bağışıklık sistemleri
Yapay yaşam (ayrıca bkz. Dijital organizma )
Kültürel algoritmalar
Diferansiyel evrim
Çift fazlı evrim
Dağıtım algoritmalarının tahmini
Evrimsel algoritmalar
Evrimsel programlama
Evrim stratejisi
Gen ekspresyonu programlama
Genetik Algoritma
Genetik programlama
Dilbilgisel evrim
Öğrenilebilir evrim modeli
Sınıflandırma sistemlerini öğrenme
Memetik algoritmalar
Neuroevolution
Partikül sürüsü optimizasyonu
Sinerjistik Fibroblast Optimizasyonu
Kendi kendine organize olan haritalar , rekabetçi öğrenme gibi kendi kendine organizasyon
Sürü zekası

EVRİMSEL ALGORİTMALAR

Evrimsel algoritmalar, genellikle sadece üreme, mutasyon, rekombinasyon, doğal seleksiyon ve en uygun olanın hayatta kalması gibi biyolojik evrimden esinlenen mekanizmaları uygulayan teknikleri içeren evrimsel hesaplamanın bir alt kümesini oluştururlar . Optimizasyon problemine aday çözümler bir popülasyondaki bireylerin rolünü oynar ve maliyet fonksiyonu , çözümlerin “yaşadığı” ortamı belirler (ayrıca uygunluk fonksiyonu ). Nüfusun evrimi daha sonra yukarıdaki operatörlerin tekrar tekrar uygulanmasından sonra gerçekleşir.

Bu süreçte, evrimsel sistemlerin temelini oluşturan iki ana güç vardır: Rekombinasyon mutasyonu ve çaprazlama gerekli çeşitliliği yaratır ve böylece yeniliği kolaylaştırırken seçim kaliteyi artıran bir güç görevi görür.

Böyle bir evrimsel sürecin birçok yönü stokastiktir . Rekombinasyon ve mutasyon nedeniyle değişen bilgi parçaları rastgele seçilir. Öte yandan, seçim operatörleri deterministik veya stokastik olabilir. İkinci durumda, daha yüksek zindeliğe sahip bireylerin daha düşük zindeliğe sahip olanlardan daha yüksek bir şansı vardır , ancak tipik olarak zayıf bireyler bile ebeveyn olma veya hayatta kalma şansına sahiptir.

EVRİMSEL ALGORİTMALAR VE BİYOLOJİ

Genetik algoritmalar , sistemin gelecekteki durumlarını tahmin etmek için kullanıldığından, dinamik sistemler teorisine bağlı biyolojik sistemleri ve sistem biyolojisini modellemek için yöntemler sunar . Bu, biyolojideki düzenli, iyi kontrol edilen ve son derece yapılandırılmış gelişim karakterine dikkat çekmenin sadece canlı (ama belki de yanıltıcı) bir yoludur.

Bununla birlikte, dinamik sistemlere benzetmenin ötesinde, özellikle hesaplama teorisinin algoritma ve bilişim kullanımı da evrimin kendisini anlamakla ilgilidir.

Bu görüş, kalkınmanın merkezi bir kontrolünün olmadığını kabul etmeyi hak eder; organizmalar hücreler içindeki ve arasındaki lokal etkileşimler sonucunda gelişir. Program geliştirme paralelleriyle ilgili en umut verici fikirler, hücrelerdeki süreçler ve modern bilgisayarların düşük seviyeli çalışması arasında görünüşte yakın bir benzetmeye işaret eden fikirler gibi görünüyor. ^[7] Bu nedenle, biyolojik sistemler işlem giriş bilgisi biyolojik sistemler yakın klasik dinamik sistem daha hesaplama olacak şekilde bir sonraki durumları, hesaplamak için bu hesaplama makineleri gibi. ^[8]

Ayrıca, hesaplama teorisinden gelen kavramları takiben , biyolojik organizmalardaki mikro süreçler temelde eksik ve kararsızdır ( bütünlük (mantık) ), “hücreler ve bilgisayarlar arasındaki benzetmenin arkasında kaba bir metafordan daha fazlası vardır. ^[9]

Hesaplamaya benzerlik, kalıtım sistemleri ile yaşamın kökenini açıklamada en acil sorunlardan birini ortaya koyduğu düşünülen biyolojik yapı arasındaki ilişkiye de uzanır .

Biyolojik ve evrimsel hesaplamanın daha kesin özelliklerini araştırmak için Evrimsel Turing makinelerinin ^[13]^[14] genelleştirilmesi olan evrimsel otomata ^[10]^[11]^[12] getirilmiştir. Özellikle, evrimsel hesaplamanın anlamlılığı konusunda yeni sonuçlar elde edilmesine izin verirler ^[12]^[15] . Bu, doğal evrimin ve evrimsel algoritmaların ve süreçlerin kararsızlığı hakkındaki ilk sonucu doğrulamaktadır. Evrimsel sonlu otomata , terminal modunda çalışan Evrimsel otomatanın en basit alt sınıfıözyinelemeli olarak numaralandırılamaz (örn. köşegenleştirme dili) ve özyinelemeli olarak numaralandırılabilir ancak özyinelemeyen diller (örneğin, evrensel Turing makinesinin dili) dahil olmak üzere belirli bir alfabe üzerinden rasgele dilleri kabul edebilir ^[16] .

ÖNEMLİ UYGULAYICILAR

Aktif araştırmacıların listesi doğal olarak dinamik ve kapsamlı değildir. Topluluğun ağ analizi 2007’de yayınlandı. ^[17]

Kalyanmoy Deb
Kenneth A De Jong
Peter J. Fleming
David B. Fogel
Stephanie Forrest
David E. Goldberg
John Henry Holland
Theo Jansen
John Koza
Zbigniew Michalewicz
Melanie Mitchell
Peter Nordin
Riccardo Poli
Ingo Rechenberg
Hans-Paul Schwefel

KAYNAKÇA:

Th. Bäck, DB Fogel ve Z. Michalewicz (Editörler), Evrimsel Hesaplama El Kitabı , 1997, ISBN 0750303921
Th. Bäck ve H.-P. Schwefel. Parametre optimizasyonu için evrimsel algoritmalara genel bakış . Evrimsel Hesaplama, 1 (1): 1–23, 1993.
W. Banzhaf, P. Nordin, RE Keller ve FD Francone. Genetik Programlama – Giriş. Morgan Kaufmann, 1998.
S. Cagnoni ve diğerleri , Evrimsel Hesaplamanın Gerçek Dünya Uygulamaları, Bilgisayar Biliminde Springer-Verlag Ders Notları , Berlin, 2000.
R. Chiong, Th. Weise, Z. Michalewicz (Editörler), Gerçek Dünya Uygulamaları için Evrimsel Algoritma Çeşitleri , Springer , 2012, ISBN 3642234232
KA De Jong, Evrimsel hesaplama: birleşik bir yaklaşım. MIT Press , Cambridge MA, 2006
AE Eiben ve M. Schoenauer (2002). “Evrimsel hesaplama”. Bilgi İşleme Mektupları . 82 : 1-6. doi : 10.1016 / S0020-0190 (02) 00204-1 .
AE Eiben ve JE Smith, Evrimsel Hesaplamaya Giriş , Springer, Birinci baskı, 2003, ISBN 3-540-40184-9 ,
DB Fogel. Evrimsel Hesaplama. Yeni Makine Zekası Felsefesine Doğru. IEEE Press, Piscataway, NJ, 1995.
LJ Fogel, AJ Owens ve MJ Walsh. Simüle Edilmiş Evrim ile Yapay Zeka . New York: John Wiley, 1966.
DE Goldberg. Arama, optimizasyon ve makine öğrenmede genetik algoritmalar. Addison Wesley, 1989.
JH Holland. Doğal ve yapay sistemlerde adaptasyon. Michigan Üniversitesi Yayınları , Ann Arbor, 1975.
Hingston, L. Barone ve Z. Michalewicz (Editörler), Evrime Göre Tasarım, Natural Computing Series , 2008, Springer , ISBN 3540741097
JR Koza. Genetik Programlama: Doğal Evrim Yoluyla Bilgisayarların Programlanması Üzerine. MIT Press, Massachusetts, 1992.
FJ Lobo, CF Lima, Z. Michalewicz (Editörler), Evrimsel Algoritmalarda Parametre Ayarı , Springer , 2010, ISBN 3642088929
Z. Michalewicz , Genetik Algoritmalar + Veri Yapıları – Evrim Programları , 1996, Springer , ISBN 3540606769
Z. Michalewicz ve DB Fogel, Nasıl Çözülür : Modern Sezgisel tarama , Springer , 2004, ISBN 978-3-540-22494-5
I. Rechenberg. Ana Sayfa: Printiipien des Biologischen Evolution. Fromman-Hozlboog Verlag, Stuttgart, 1973. (Almanca)
H.-P. Schwefel. Bilgisayar Modellerinin Sayısal Optimizasyonu. John Wiley & Sons, New York, 1981. 1995 – 2. baskı.
D. Simon. Evrimsel Optimizasyon Algoritmaları . Wiley, 2013.
M. Sipper, W.Fu, K. Ahuja ve JH Moore (2018). “Evrimsel algoritmaların parametre uzayının araştırılması” . BioData Madenciliği . 11 : 2. doi : 10.1186 / s13040-018-0164-x . PMC 5816380 . PMID 29467825 .
Y. Zhang ve S. Li. (2017). “PSA: Porcellio scaber’ın hayatta kalma kurallarına dayanan yeni bir optimizasyon algoritması”. arXiv : 1709.09840 [ cs.NE ].

KAYNAKLAR

Fraser A.Ş. (1958). “Monte Carlo genetik modellerin analizi”. Doğa . 181 (4603): 208-9. Bibcode : 1958Natur.181..208F . doi : 10.1038 / 181208a0 . PMID 13504138 .
Rechenberg, Ingo (1973). Evolutionsstrategie – Prinzipien der biologischen Evolution (Doktora tezi) (Almanca). Fromman-Holzboog.
Hollanda, John H. (1975). Doğal ve Yapay Sistemlerde Uyum . Michigan Üniversitesi Yayınları . ISBN 978-0-262-58111-0.
Koza, John R. (1992). Genetik Programlama: Doğal Seleksiyon Yoluyla Bilgisayarların Programlanması Üzerine . MIT tuşuna basın . ISBN 978-0-262-11170-6.
GC Onwubolu ve BV Babu, Onwubolu, Godfrey C .; Babu, BV (21 Ocak 2004). Mühendislikte Yeni Optimizasyon Teknikleri . ISBN 9783540201670. Erişim tarihi: 17 Eylül 2016 .
Jamshidi M (2003). “Akıllı kontrol araçları: bulanık kontrolörler, sinir ağları ve genetik algoritmalar”. Royal Society A Felsefi İşlemler . 361 (1809): 1781-808. Bibcode : 2003RSPTA.361.1781J . doi : 10.1098 / rsta.2003.1225 . PMID 12952685 .
“Biyolojik Bilgi” . Felsefe Stanford Ansiklopedisi . Metafizik Araştırma Laboratuvarı, Stanford Üniversitesi. 2016.
JG Diaz Ochoa (2018). “Elastik Çok Ölçekli Mekanizmalar: Hesaplama ve Biyolojik Evrim”. Moleküler Evrim Dergisi . 86 (1): 47-57. Bibcode : 2018 JMol..86 … 47D . doi : 10.1007 / s00239-017-9823-7 . PMID 29248946 .
A. Danchin (2008). Msgstr “Bilgisayar yapan bilgisayar olarak bakteri” . FEMS Mikrobiyol. Rev. 33 (1): 3-26. doi : 10.1111 / j.1574-6976.2008.00137.x . PMC 2704931. PMID 19016882 .
Burgin, Mark; Eberbach, Eugene (2013). “Özyineli Olarak Üretilen Evrimsel Turing Makineleri ve Evrimsel Otomatlar”. Xin-She Yang’da (ed.). Yapay Zeka, Evrimsel Hesaplama ve Meta-sezgisel . Hesaplamalı Zeka Çalışmaları. 427 . Springer-Verlag. s. 201-230. doi : 10.1007 / 978-3-642-29694-9_9 . ISBN 978-3-642-29693-2.
Burgin, M. ve Eberbach, E. (2010) Sınırlı ve Periyodik Evrim Makinaları, Proc. 2010 Evrimsel Hesaplama Kongresi (CEC’2010), Barselona, İspanya, 2010, s. 1379-1386
Burgin, M .; Eberbach, E. (2012). “Evrimsel Otomatlar: Evrimsel Hesaplamanın Anlatım ve Yakınsaması”. Bilgisayar Dergisi . 55 (9): 1023-1029. doi : 10.1093 / comjnl / bxr099 .
Eberbach E. (2002) Evrimsel Hesaplamanın İfade Edilebilirliği Üzerine: EC Algoritmik mi?, Proc. 2002 Dünya Hesaplamalı Zeka Kongresi WCCI’2002, Honolulu, HI, 2002, 564-569.
Eberbach, E. (2005) Evrimsel hesaplama teorisine doğru, BioSystems, s. 82, s. 1-19.
Eberbach, Eugene; Burgin, Mark (2009). “Evrimsel hesaplamanın temeli olarak evrimsel otomatlar: Larry Fogel haklıydı”. 2009 IEEE Evrimsel Hesaplama Kongresi . IEEE. sayfa 2149-2156. doi : 10.1109 / CEC.2009.4983207 . ISBN 978-1-4244-2958-5.
Hopcroft, JE, R. Motwani ve JD Ullman (2001) Otomat Teorisi, Diller ve Hesaplamaya Giriş, Addison Wesley, Boston / San Francisco / New York
JJ Merelo ve C. Cotta (2007). “En iyi bağlanmış AT araştırmacısı kimdir? Evrimsel hesaplamada karmaşık yazar ağının merkezî analizi”. arXiv : 0708.2021 [ cs.CY ].

[1] Fraser A.Ş. (1958). “Monte Carlo genetik modellerin analizi”. Doğa . 181 (4603): 208-9. Bibcode : 1958Natur.181..208F . doi : 10.1038 / 181208a0 . PMID 13504138 .

[2] Rechenberg, Ingo (1973). Evolutionsstrategie – Prinzipien der biologischen Evolution (Doktora tezi) (Almanca). Fromman-Holzboog.

[3] Hollanda, John H. (1975). Doğal ve Yapay Sistemlerde Uyum . Michigan Üniversitesi Yayınları . ISBN 978-0-262-58111-0.

[4] Koza, John R. (1992). Genetik Programlama: Doğal Seleksiyon Yoluyla Bilgisayarların Programlanması Üzerine . MIT tuşuna basın . ISBN 978-0-262-11170-6.

[5] GC Onwubolu ve BV Babu, Onwubolu, Godfrey C .; Babu, BV (21 Ocak 2004). Mühendislikte Yeni Optimizasyon Teknikleri . ISBN 9783540201670. Erişim tarihi: 17 Eylül 2016 .

[6] Jamshidi M (2003). “Akıllı kontrol araçları: bulanık kontrolörler, sinir ağları ve genetik algoritmalar”. Royal Society A Felsefi İşlemler . 361 (1809): 1781-808. Bibcode : 2003RSPTA.361.1781J . doi : 10.1098 / rsta.2003.1225 . PMID 12952685 .

[7] “Biyolojik Bilgi” . Felsefe Stanford Ansiklopedisi . Metafizik Araştırma Laboratuvarı, Stanford Üniversitesi. 2016.

[8] JG Diaz Ochoa (2018). “Elastik Çok Ölçekli Mekanizmalar: Hesaplama ve Biyolojik Evrim”. Moleküler Evrim Dergisi . 86 (1): 47-57. Bibcode : 2018 JMol..86 … 47D . doi : 10.1007 / s00239-017-9823-7 . PMID 29248946 .

[9] A. Danchin (2008). Msgstr “Bilgisayar yapan bilgisayar olarak bakteri” . FEMS Mikrobiyol. Rev. 33 (1): 3-26. doi : 10.1111 / j.1574-6976.2008.00137.x . PMC 2704931. PMID 19016882 .

[ldr11-10] Burgin, Mark; Eberbach, Eugene (2013). “Özyineli Olarak Üretilen Evrimsel Turing Makineleri ve Evrimsel Otomatlar”. Xin-She Yang’da (ed.). Yapay Zeka, Evrimsel Hesaplama ve Meta-sezgisel . Hesaplamalı Zeka Çalışmaları. 427 . Springer-Verlag. s. 201-230. doi : 10.1007 / 978-3-642-29694-9_9 . ISBN 978-3-642-29693-2.

[ldr13-11] Burgin, M. ve Eberbach, E. (2010) Sınırlı ve Periyodik Evrim Makinaları, Proc. 2010 Evrimsel Hesaplama Kongresi (CEC’2010), Barselona, İspanya, 2010, s. 1379-1386

[ldr14-12] Burgin, M .; Eberbach, E. (2012). “Evrimsel Otomatlar: Evrimsel Hesaplamanın Anlatım ve Yakınsaması”. Bilgisayar Dergisi . 55 (9): 1023-1029. doi : 10.1093 / comjnl / bxr099 .

[ldr15-13] Eberbach E. (2002) Evrimsel Hesaplamanın İfade Edilebilirliği Üzerine: EC Algoritmik mi?, Proc. 2002 Dünya Hesaplamalı Zeka Kongresi WCCI’2002, Honolulu, HI, 2002, 564-569.

[ldr16-14] Eberbach, E. (2005) Evrimsel hesaplama teorisine doğru, BioSystems, s. 82, s. 1-19.

[ldr17-15] Eberbach, Eugene; Burgin, Mark (2009). “Evrimsel hesaplamanın temeli olarak evrimsel otomatlar: Larry Fogel haklıydı”. 2009 IEEE Evrimsel Hesaplama Kongresi . IEEE. sayfa 2149-2156. doi : 10.1109 / CEC.2009.4983207 . ISBN 978-1-4244-2958-5.

[ldr18-16] Hopcroft, JE, R. Motwani ve JD Ullman (2001) Otomat Teorisi, Diller ve Hesaplamaya Giriş, Addison Wesley, Boston / San Francisco / New York

[17] JJ Merelo ve C. Cotta (2007). “En iyi bağlanmış AT araştırmacısı kimdir? Evrimsel hesaplamada karmaşık yazar ağının merkezî analizi”. arXiv : 0708.2021 [ cs.CY ].