인간 기반 유전 알고리즘

Human-based genetic algorithm

진화 연산에서 인간 기반 유전자 알고리즘(HBGA)은 인간이 진화 과정에 솔루션 제안을 기여할 수 있도록 하는 유전 알고리즘이다.이를 위해 HBGA에는 초기화, 돌연변이 및 재조합 교차용 인간 인터페이스가 있다.또한 선택적 평가를 위한 인터페이스가 있을 수 있다.간단히 말해서, HBGA는 전형적인 유전 알고리즘의 운영을 인간에게 아웃소싱한다.null

진화 유전 체계와 인간 기관

진화 유전 시스템 중 HBGA는 컴퓨터 기반의 유전공학 아날로그(Alan, 2005년)이다.이 표는 인간 기관의 시스템을 비교한다.

계통 시퀀스 혁신가 셀렉터
자연선택 뉴클레오티드 자연 자연
인위적 선택 뉴클레오티드 자연 인간의
유전 공학 뉴클레오티드 인간의 인간의
인간 기반 유전 알고리즘 자료 인간의 인간의
쌍방향 유전 알고리즘 자료 컴퓨터 인간의
유전 알고리즘 자료 컴퓨터 컴퓨터

표의 분명한 패턴 중 하나는 유기체(상단)와 컴퓨터 시스템(하단)의 구분이다.또 다른 것은 자율 시스템(위아래)과 인간-상호작용 시스템(가운데)의 수직 대칭이다.null

오른쪽을 보면, 선택기가 시스템의 적합성을 결정하는 대리인이다.어떤 변형이 재현되어 다음 세대에 기여할지를 결정한다.자연 인구와 유전자 알고리즘에서 이러한 결정은 자동적인 반면, 일반적인 HBGA 시스템에서는 사람들에 의해 이루어진다.null

혁신자는 유전적 변화의 주체다.혁신자는 선택기가 작동하는 변형을 생산하기 위해 유전 물질을 변이하고 재조합한다.대부분의 유기적 및 컴퓨터 기반 시스템(위아래)에서 혁신은 자동적이며, 인간의 개입 없이 작동한다.HBGA에서 혁신자들은 사람이다.null

HBGA는 대략 유전공학과 비슷하다.두 시스템 모두에서 혁신자와 선택자는 사람이다.가장 큰 차이점은 전자 데이터 대 폴리뉴클레오티드 시퀀스라는 유전 물질에 있다.null

일반 유전 알고리즘과의 차이점

  • 4개의 유전자 연산자(초기화, 돌연변이, 크로스오버, 선택) 모두 적절한 인터페이스를 이용하여 인간에게 위임할 수 있다(Kosorukoff, 2001).
  • 초기화는 알고리즘의 위상이 아닌 연산자로 처리된다.이것은 HBGA가 빈 인구에서 시작하도록 허용한다.초기화, 돌연변이, 크로스오버 운영자는 혁신 운영자 그룹을 형성한다.
  • 유전자 조작자의 선택은 인간에게도 위임될 수 있기 때문에 그들은 어떤 특정한 순간에 특정한 수술을 하도록 강요받지 않는다.

기능적 특징

  • HBGA는 협업과 지식교류의 방법이다.그것은 일종의 공생적인 인간-기계 지능을 창조하는 인간 사용자들의 능력을 병합한다(분산된 인공지능 참조).
  • 인간의 혁신은 모집단의 솔루션을 표본으로 추출하여 사용자에게 서로 다른 조합으로 연결하고 제시함으로써 촉진된다(창의 기술 참조).
  • HBGA는 사용자의 개별 선호도를 통합하여 합의와 의사결정을 용이하게 한다.
  • HBGA는 일련의 문제를 동시에 해결하면서 누적 학습 아이디어를 활용한다.이것은 여러 문제들 중에서 해결책이 일반화되고 재사용될 수 있기 때문에 시너지를 낼 수 있다.이것은 또한 중요도가 다른 문제들 사이에서 새로운 관심 문제의 식별과 공정한 자원 배분을 용이하게 한다.
  • 유전자 알고리즘의 공통적인 문제인 유전자 표현의 선택은 알고리즘이 각 솔루션의 구조를 인식할 필요가 없기 때문에 HBGA에서 크게 단순화된다.특히 HBGA는 자연어가 유효한 표현이 될 수 있도록 한다.
  • 모집단을 저장하고 표본 추출하는 것은 대개 알고리즘 함수로 남아 있다.
  • HBGA는 일반적으로 다중 에이전트 시스템으로, 여러 에이전트(인간)에게 유전자 조작을 위임한다.

적용들

HBGA 방법론은 1998년 여름 러시아에서 시작된 자유지식교류 프로젝트(Kosorukoff, 1999)의 분석에서 1999-2000년에 도출되었다.협업적인 문제 해결을 지원하기 위해 인간 혁신과 평가가 사용되었다.사용자들은 또한 수행할 다음 유전자 조작을 자유롭게 선택할 수 있었다.현재, 몇몇 다른 프로젝트들이 같은 모델을 구현하고 있는데, 가장 인기 있는 것은 야후! 2005년 12월에 출시된 답스.null

최근의 연구에 따르면 효율적인 컴퓨터 돌연변이 및/또는 크로스오버(예: 자연어로 솔루션을 진화시킬 때)를 설계하기 어려운 곳뿐만 아니라, 추상적인 그림을 진화시킬 때 등 우수한 컴퓨터 혁신 사업자를 쉽게 이용할 수 있는 경우에도 인간 기반 혁신 사업자가 유리하다고 한다.또는 색상(청 및 코소루코프, 2004).후자의 경우, 인간과 컴퓨터 혁신이 상호 보완하여 협력적 결과를 도출하고 사용자의 자발적 창조성이 상실되지 않도록 함으로써 일반 사용자 경험을 향상시킬 수 있다.null

나아가 인간 기반 유전 알고리즘은 상호작용 유전 알고리즘에 의해 도입된 피로 효과를 상쇄할 수 있는 성공적인 척도임이 입증된다.[1]null

참고 항목

참조

  1. ^ Kruse, J.; Connor, A. (2015). "Multi-agent evolutionary systems for the generation of complex virtual worlds". EAI Endorsed Transactions on Creative Technologies. 2 (5): 150099. arXiv:1604.05792. doi:10.4108/eai.20-10-2015.150099. S2CID 12670076.
  • 코소루코프, 알렉스(1999년).무료 지식 교환.인터넷 아카이브
  • 코소루코프, 알렉스(2000년)인간 기반 유전 알고리즘온라인의
  • 코소루코프, 알렉스(2001년).인간 기반 유전 알고리즘시스템, 인간 및 사이버네틱스에 관한 IEEE 국제 컨퍼런스, SMC-2001, 3464-3469. 전문
  • 청, 치형 데릭, 알렉스 코소루코프(2004년).대화형 원-맥스 문제는 대화형 유전 알고리즘과 인간 기반 유전 알고리즘의 성능을 비교할 수 있게 한다.GECCO-2004. 전문
  • 밀라니, 알프레도(2004년).온라인 유전 알고리즘.국제 정보 이론 및 적용 저널 페이지 20-28
  • 밀라니, 알프레도 및 실비아 수리아니(2004), ADAN: 웹 인텔리전스에 관한 IEEE/WIC/ACM 국제회의 (WI'04) 페이지 779–780, IEEE Press, 2004의 진화적 프로그래밍에 기초한 적응적 신문
  • 앨런, 마이클(2005년).단순 재조합 설계.SourceForge.net, project textbender, release 2005.0, file _/filename.release 아카이브, 이후 버전 온라인
  • 크루세, 1월(2015년).가상 세계를 위한 설계 애플리케이션의 대화형 진화 연산.전문.
  • 크루스, 얀과 코너, 앤디(2015).복잡한 가상 세계의 생성을 위한 다중 에이전트 진화 시스템.전문.

외부 링크

  • 자유지식교류(자유 지식 거래소)는 자연어로 표현된 문제들의 공동 해결을 위해 HBGA를 활용한 프로젝트다.
  • ParEvo, ParEvo는 참여형 진화 과정을 이용하여 대안적인 미래 시나리오를 개발하는 방법이다.