Эволюционное моделирование

Cтраница 1

Эволюционное моделирование - направление в математическом моделировании, объединяющее компьютерные методы моделирования эволюции, а также близкородственные по источнику заимствования идей ( теоретическая биология, если таковая существует) другие направления в эвристическом программировании. Включает в себя как разделы генетические алгоритмы, эволюционные стратегии, эволюционное программирование, искусственные нейронные сети, нечеткую логику. [1]

Эволюционное моделирование ( ЭМ) представляет собой одно из быстро развивающихся направлений математического моделирования, объединяющее компьютерные методы моделирования эволюционных процессов в естественных ( ЕС) и искусственных системах, такие как генетические алгоритмы, эволюционные стратегии, эволюционное программирование и другие эвристические методы. Главная трудность построения вычислительных систем, основанных на принципах эволюции живой природы и применении этих систем в прикладных задачах, состоит в том, что природные системы достаточно хаотичны, а действия исследователей носят направленный характер. Компьютер используется как инструмент для решения определенных задач, которые пользователь формулирует, акцентируя внимание на максимально быстром решении при минимальных затратах. Природные системы не имеют никаких таких целей или ограничений, во всяком случае, они не очевидны. Однако биологические системы обладают свойствами воспроизводства, адаптации, самоисправления, устойчивости, гибкости и многими другими, которые лишь фрагментарно присутствуют в искусственных системах. [2]

Базовая структура ГА с учетом блока эволюционной адаптации. [3]

Эволюционное моделирование использует в качестве начального не одно, а несколько альтернативных решений, причем в зависимости от сложности перерабатываемой информации исходные решения могут быть получены с использованием стохастических, детерминированных или комбинированных алгоритмов. [4]

Эволюционное моделирование знаковых систем ( знаков-фреймов) может рассматриваться как многообещающий вариант использования неодарвинизма в теоретической и прикладной семиотике. Здесь главная идея состоит в применении методов имитации эволюции к семиотически. [5]

В эволюционном моделировании нейрон ( нейрод, вычислительный узел, обрабатывающий элемент) - простой линейный или нелинейный элемент, который имеет один или несколько входов, вычисляет функцию входных сигналов и передает результат одному или нескольким другим нейронам. [6]

Основное преимущество эволюционного моделирования заключается в возможности решения задач, имеющих много локальных оптимумов за счет комбинирования элементов случайности и направленности аналогично тому, как это происходит в природе. Другим важным фактором эволюционного моделирования является моделирование процессов селекции, размножения и наследования. При этом получаемые по определенным правилам альтернативные решения могут порождать новые решения, которые будут наследовать лучшие характеристики предыдущих. Суть стратегии эволюционного моделирования состоит в реализации целенаправленного процесса размножения-гибели, при котором размножению соответствует появление новых объектов, а гибели - удаление объектов в соответствии с определенными критериями естественного и искусственного отбора. [7]

Перечислите основные направления эволюционного моделирования и приведите основные факторы, определяющие неизбежность эволюции. [8]

Считается, что история эволюционного моделирования или эволюционных вычислений началась с работ Дж. Растригина и других исследователей. [9]

В новом развивающемся научном направлении эволюционное моделирование исследуется совместное действие многих интеллектуальных искусственных систем, в результате которого возникают новые знания и новые структуры. Философское определение интеллектуальной искусственной системы, как известно, включает в себя понятие целостности, которое совмещает свойства открытости и закрытости. Для снятия данного противоречия и выхода к синтезу систем в последнее время предлагается триада, обладающая системными свойствами и оказывающаяся простейшей структурной ячейкой интеллектуальной искусственной системы. Комплексы из трех равноправных объектов, находящихся в заданных отношениях, существовали давно: цель-план-стратегия; точность-локальность-простота; индукция-дедукция-абдукция; изменчивость-наследственность-отбор и др. В триаде пара элементов находится в отношении дополнительности, а третий элемент задает отношение ( меру) совместимости. Общей для разных интеллектуальных объектов характеристикой является структура или архитектура интеллектуальной ИС. Она характеризуется многоуровневостью, единством и непротиворечивостью. [10]

Крупнейшее хранилище информации в области эволюционного моделирования, это специализированная сеть, объединяющая FTP-серверы ведущих научно-исследовательских организаций и высших учебных заведений, известных своими разработками в области генетических алгоритмов и искусственных нейронных сетей. [11]

Крупнейшим хранилищем информации в области эволюционного моделирования является ENCORE ( The EvolutioNary Computation REpository network) - специализированная сеть, объединяющая FTP-серверы ведущих научно-исследовательских организаций и высших учебных заведений, известных своими достижениями в области ГА и ИНС. Одновременно ENCORE выступает дистрибьютором научных материалов тех учреждений, которые не имеют собственных FTP-серверов. [12]

Взаимодейтсвие автоматов со средой. [13]

Нас же, с точки зрения эволюционного моделирования, интересует поведение популяции автоматов, обладающих свойством воспроизведения себе подобных. Понимание механизма возникновения репликации в ходе эволюции отождествляется с собственно решением проблемы происхождения жизни. Внимание к явлениям репликации в контексте проблемы происхождения жизни оправдано. Оно действительно играет ключевую роль. Но не потому, что в репликации состоит феномен жизни, а потому, что репликация - необходимый элемент трансформации акта упорядочения на микроскопическом уровне в макроскопическое событие. Репликация реализует итеративный характер биологического упорядочения. [14]

Вопросам построения гибридных систем, включающих подсистемы эволюционного моделирования, блоки оптимизации, взаимодействующие с имитационными моделями, экспертными системами и другими системами поддержки принятия решений, посвящена пятая глава. Создание имитационных моделей выступает здесь как одно из направлений развития подходов интеллектуального имитационного моделирования. В данной главе описаны подходы и модели многоагентных систем, различного уровня интеллектуальности и их дальнейшая эволюционная форма - модели искусственной жизни. Как примеры гибридных систем с эволюцией приводятся моделирование развития популяции простейших автоматов и многомодельные системы. [15]

Страницы: 1 2 3 4