algorithme génétique Humain-basé

Dans le calcul évolutionnaire , un humain-basé l'algorithme génétique (HBGA) est un algorithme génétique qui permet à des humains de contribuer les solutions innovatrices au processus évolutionnaire. À cette fin, un HBGA a les interfaces humaines pour l'initialisation, la mutation, et le croisement de recombinaison. Aussi bien, il peut avoir des interfaces pour l'évaluation sélective. En bref, un HBGA externalise les opérations d'un algorithme génétique typique aux humains.

Systèmes génétiques évolutionnaires et agence humaine

Parmi les systèmes génétiques évolutionnaires, HBGA est l'analogue sur ordinateur du génie génétique (Allan, 2005). Cette table compare des systèmes sur des lignes d'agence humaine :

style='border style='text-align de style='text-align de style='text-align de artificiel style='background de style='text-align de génétique style='background de style='background de style='background de style='background de style='background de style='text-align de génétique interactif style='background de style='background de style='text-align de génétique style='background de

system	sequences	innovator	selector
nature	nucleotide	nature	nature
selection	nucleotide	nature	human
engineering	nucleotide	human	human
génétique >human-based style='background de	data	human	human
algorithm	data	computer	human
algorithm	data	computer	computer

Un modèle évident dans la table est la division entre les systèmes organiques (dessus) et informatiques (le fond). Une autre est la symétrie verticale entre les Autonomous System (dessus et bas) et systèmes humain-interactifs (moyens).

Regardant vers la droite, le selector est l'agent qui décide la forme physique dans le système. Il détermine quelles variations se reproduiront et contribueront à la prochaine génération. Dans les populations normales, et dans des algorithmes génétiques, ces décisions sont automatiques ; considérant que dans les systèmes typiques de HBGA, elles sont faites par des personnes.

Le innovator est l'agent du changement génétique. L'innovateur subit une mutation et recombine le matériel génétique, pour produire les variations sur lesquelles le sélecteur fonctionne. Dans les systèmes les plus organiques et les plus informatisés (dessus et bas), l'innovation est automatique, fonctionnant sans intervention humaine. Dans HBGA, les innovatrices sont les gens.

HBGA est rudement semblable au génie génétique. Dans les deux systèmes, les innovatrices et les sélecteurs sont les gens. La différence principale se situe dans le matériel génétique qu'elles travaillent avec : données électroniques contre des ordres de polynucléotide.

Différences d'un algorithme génétique plat

chacun des quatre opérateurs génétiques (initialisation, mutation, croisement, et choix) peut être délégué aux humains employant les interfaces appropriées (Kosorukoff, 2001).
L'initialisation de

est traitée en tant qu'opérateur, plutôt qu'une phase de l'algorithme. Ceci permet à un HBGA de commencer par une population vide. L'initialisation, la mutation, et les opérateurs de croisement forment le groupe d'opérateurs d'innovation.
Le choix de

l'opérateur génétique peut être aussi bien délégué aux humains, ainsi ils ne sont pas forcés pour n'effectuer une opération particulière à aucun moment donné.

Dispositifs fonctionnels

HBGA est une méthode de collaboration et d'échange de la connaissance. Il fusionne la compétence de ses utilisateurs humains créant un genre d'intelligence homme-machine symbiotique (voir également l'intelligence artificielle distribuée par ).
L'innovation humaine de

est facilitée en prélevant des solutions de population, en les associant et en présentant dans différentes combinaisons à un utilisateur (voir les techniques de créativité de ).

HBGA facilite le consensus et la prise de décision en intégrant différentes préférences de ses utilisateurs.

HBGA se sert d'une idée de étude cumulative du tout en résolvant un ensemble de problèmes concurremment. Ceci laisse réaliser la synergie parce que des solutions peuvent être généralisées et réutilisées parmi plusieurs problèmes. Ceci facilite également l'identification de nouveaux problèmes d'attribution de ressource d'intérêt et de juste-partie parmi des problèmes d'importance différente.

le choix de la représentation génétique, un problème commun des algorithmes génétiques, est considérablement simplifié dans HBGA, puisque l'algorithme n'a pas besoin de se rendre compte de la structure de chaque solution. En particulier, HBGA laisse de langage naturel être une représentation valide.

stockant et prélevant la population demeure habituellement une fonction algorithmique.

Un HBGA est habituellement un système de Multi-agent de , déléguant des opérations génétiques aux agents multiples (humains).

Applications

Gestion évolutionnaire , intégration de la connaissance de la connaissance de différentes sources.
organisation sociale , prise de décision collective , et e-gouvernement .
Domaines de

d'application traditionnels des algorithmes génétiques interactifs : L'art d'ordinateur , Utilisateur-a centré la conception , etc.
Résolution des problèmes de collaboration de

using de langage naturel comme représentation.

La méthodologie de HBGA a été dérivée en 1999-2000 de l'analyse du projet libre d'échange de la connaissance qui a été lancé en été de 1998, en Russie (Kosorukoff, 1999). L'innovation et l'évaluation humaines ont été employées à l'appui de la résolution des problèmes de collaboration. Les utilisateurs étaient également libres pour choisir la prochaine opération génétique pour exécuter. Actuellement, plusieurs autres projets mettent en application le même modèle, être le plus populaire Yahoo! Répond à , lancé en décembre 2005.

La recherche récente suggère que les opérateurs humain-basés d'innovation soient avantageux non seulement où il est difficile de concevoir une mutation et/ou un croisement informatiques efficaces (par exemple en dégageant des solutions dans de langage naturel), mais également dans le cas où les bons opérateurs informatiques d'innovation sont facilement disponibles, par exemple en évoluant une image abstraite ou des couleurs (Cheng et Kosorukoff, 2004). Dans le dernier cas, l'innovation humaine et informatique peut se compléter, produisant des résultats coopératifs et améliorant une expérience générale d'utilisateur en s'assurant que la créativité spontanée des utilisateurs ne sera pas perdue.

Voir également

le de

Humain-a basé le calcul
le Humain-a basé le calcul évolutionnaire
Interaction homme-ordinateur
Algorithme génétique interactif
Memetics
Texte de recombinaison
de calcul social

Random links: