프로모터 기반 유전 알고리즘

다음 시리즈의 일부
진화 알고리즘
인공발달성 인공생명체 세포진화 알고리즘 문화 알고리즘 미분진화 효과적인 피트니스 진화 연산 진화전략 가우스 적응 진화적 다중모드 최적화 입자 군집 최적화 메미틱 알고리즘 자연 진화 전략 신경진화 프로모터 기반 유전 알고리즘 나선 최적화 알고리즘 자체수정코드 다형 코드
유전 알고리즘
염색체 클론 선택 알고리즘 크로스오버 돌연변이 유전적 기억력 유전 퍼지 시스템 선택 플라이 알고리즘
유전자 프로그래밍
데카르트 유전 프로그래밍 선형유전자프로그래밍 문법적 진화 다중 표현식 프로그래밍 유전적 개선 스키마 유리스코 패리티 벤치마크
v t

촉진자 기반 유전자 알고리즘(PBGA)은 F가 개발한 신경진화 유전 알고리즘이다.스페인 코루냐 대학의 공학 연구 통합 그룹(GII)의 벨라스 및 R.J. 듀로.기본 ANN 유닛 구축을 위한 유전자 배열로 인코딩되는 가변 크기 피드포워드 인공신경망(ANN)을 진화시킨다.이러한 각 블록에는 특정 단위의 표현 여부를 결정하는 on/off 스위치 역할을 하는 유전자 촉진자가 선행한다.

PBGA 기본 사항

PBGA의 기본 단위는 다음 그림에 나타낸 것과 같이 모든 인바운드 연결이 있는 뉴런이다.

기본 단위의 유전자형은 뉴런의 매개변수에 따른 실제 가치 가중치 집합이며, 촉진 유전자 값과 결과적으로 단위의 발현을 결정하는 정수 가치 장에 의해 진행된다.이러한 유형의 단위를 연결함으로써 전체 네트워크를 구축할 수 있다.

이 인코딩으로 표현되지 않은 정보는 진화에 있어 유전자형에 의해 여전히 운반되지만 직접적인 선택적 압력으로부터 보호되어 이 알고리즘의 설계 전제였던 모집단의 다양성을 유지하게 된다.따라서 검색 공간과 솔루션 공간 사이에 분명한 차이가 설정되어 있어, 학습되고 인코딩된 정보가 촉진 유전자를 비활성화함으로써 유전자형 표현으로 보존될 수 있다.

결과.

PBGA는 원래 자율 로봇 분야, 특히 로봇의 환경 모델에 대한 실시간 학습에서 제시되었다^[1][2].

그것은 실제 로봇 온라인 학습을 위해 GII에서 개발된 다단계 다윈주의 두뇌(MDB) 인지 메커니즘 안에서 사용되어 왔다.또 다른 논문에서는^[3] PBGA를 성공적으로 획득한 월드 모델을 저장하는 외부 메모리와 함께 적용하는 것이 어떻게 동적 환경에서 적응하기 위한 최적의 전략인지를 보여 준다.

최근 PBGA는 시간에 따라 피트니스 기능이 달라지는 비정전적 문제에서 다른 신경진화 알고리즘을 능가하는 결과를 제공하고 있다.^[4]

참조

외부 링크

• 그뤼포앵카도 데 인제니에리아
• 프란시스코 벨라스 웹사이트
• 리처드 J. 듀로의 웹사이트