Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Эволюциялық есептеуде адамға негізделген генетикалық алгоритм (HBGA) — эволюциялық процеске шешімдерді ұсынуға адамдарға мүмкіндік беретін генетикалық алгоритм. Осы мақсатта HBGA инициализация, мутация және рекомбинанттық кроссовер үшін адамдармен өзара әрекеттесу интерфейстерін қамтиды. Сонымен қатар, таңдаулы бағалау үшін де интерфейстер болуы мүмкін. Қысқасы, HBGA дәстүрлі генетикалық алгоритмнің операцияларын адамдарға жүктетеді.
In evolutionary computation, a human based genetic algorithm (HBGA) is a genetic algorithm that allows humans to contribute solution suggestions to the evolutionary process. For this purpose, a HBGA has human interfaces for initialization, mutation, and recombinant crossover. As well, it may have interfaces for selective evaluation. In short, a HBGA outsources the operations of a typical genetic algorithm to humans.
Қарапайым генетикалық алгоритмнен айырмашылықтары
Төрт генетикалық оператордың барлығы (инициализация, мутация, кроссовер және селекция) тиісті интерфейстерді пайдалана отырып, адамдарға жүктелуі мүмкін (Kosorukoff, 2001). Инициализация алгоритмнің бір кезеңі емес, оператор ретінде қарастырылады. Бұл HBGA-ны бос популяциядан бастауға мүмкіндік береді. Инициализация, мутация және кроссовер операторлары инновациялық операторлар тобын құрайды. Генетикалық операторды таңдау да адамдарға жүктелуі мүмкін, осылайша олар кез келген сәтте белгілі бір операцияны орындауға міндетті болмайды.
All four genetic operators (initialization, mutation, crossover, and selection) can be delegated to humans using appropriate interfaces (Kosorukoff, 2001). Initialization is treated as an operator, rather than a phase of the algorithm. This allows a HBGA to start with an empty population. Initialization, mutation, and crossover operators form the group of innovation operators. Choice of genetic operator may be delegated to humans as well, so they are not forced to perform a particular operation at any given moment.
Функционалдық ерекшеліктері
HBGA – ынтымақтастық және білім алмасу әдісі. Ол адам пайдаланушыларының біліктілігін үйлестіріп, симбиоздық адам-машина интеллектісін құрайды (сонымен қатар, таратылған жасанды интеллектті қараңыз). Адамның жаңалықтарын халықтан шешімдерді таңдау, оларды әртүрлі комбинацияларда біріктіру және пайдаланушыға ұсыну арқылы жеңілдетуге болады (шығармашылық техникаларын қараңыз). HBGA пайдаланушылардың жеке пікірлерін біріктіру арқылы келісімге келуді және шешім қабылдауды жеңілдетеді. HBGA жинақтамалы оқу идеясын пайдаланады, сонымен қатар бірнеше мәселені бір уақытта шешеді. Бұл шешімдерді бірнеше мәселеде жалпылауға және қайта пайдалануға мүмкіндік береді, осылайша синергияға қол жеткізіледі. Сондай-ақ, бұл қызығушылық тудыратын жаңа мәселелерді анықтауға және әртүрлі маңыздылықтағы мәселелер арасында ресурстарды әділ бөлуге көмектеседі. HBGA-да генетикалық алгоритмдердегі жиі кездесетін мәселе – генетикалық бейнелеуді таңдау әлдеқайда жеңілдетіледі, себебі алгоритмге әр шешімнің құрылымын білудің қажеті жоқ. Атап айтқанда, HBGA табиғи тілдің жарамды бейнелеуіне мүмкіндік береді. Халықты сақтау және таңдау әдетте алгоритмдік функция болып табылады. HBGA – әдетте, генетикалық операцияларды бірнеше агенттерге (адамдарға) жүктететін көп агенттік жүйе.
HBGA is a method of collaboration and knowledge exchange. It merges competence of its human users creating a kind of symbiotic human machine intelligence (see also distributed artificial intelligence). Human innovation is facilitated by sampling solutions from population, associating and presenting them in different combinations to a user (see creativity techniques). HBGA facilitates consensus and decision making by integrating individual preferences of its users. HBGA makes use of a cumulative learning idea while solving a set of problems concurrently. This allows to achieve synergy because solutions can be generalized and reused among several problems. This also facilitates identification of new problems of interest and fair share resource allocation among problems of different importance. The choice of genetic representation, a common problem of genetic algorithms, is greatly simplified in HBGA, since the algorithm need not be aware of the structure of each solution. In particular, HBGA allows natural language to be a valid representation. Storing and sampling population usually remains an algorithmic function. A HBGA is usually a multi agent system, delegating genetic operations to multiple agents (humans).
Қолданбалар
Эволюциялық білімді басқару, түрлі көздерден білімді интеграциялау. Әлеуметтік ұйымдастыру, ұжымдық шешім қабылдау және электрондық үкімет. Интерактивті генетикалық алгоритмдерді қолданудың дәстүрлі салалары: компьютерлік өнер, пайдаланушыға бағытталған дизайн және т.б. Табиғи тілді өрнектеу ретінде пайдалану арқылы бірлескен мәселелерді шешу. Динамикалық нүктелік бұлт ортасын қолдана отырып, синтетикалық оқу бағдарламасын модельдеу арқылы нақты уақытты симуляциялаудың білім беру және академиялық салаларға пайдасы. HBGA әдістемесі 1999-2000 жылдары 1998 жылдың жазында Ресейде басталган «Еркін білім алмасу» жобасын талдау нәтижесінде құрастырылды (Kosorukoff, 1999). Адамның инновациялық ойлауы мен бағалауы бірлескен мәселелерді шешуді қолдау үшін пайдаланылды. Пайдаланушылар келесі генетикалық операцияны таңдауға да еркін болды. Қазіргі уақытта бірнеше жоба осы модельді іске асыруда, ең танымалдарының бірі – 2005 жылдың желтоқсанында іске қосылған Yahoo! Жауаптар. Жақындағы зерттеулер адамға негізделген инновациялық операторлардың тиімді есептеулік мутацияны және/немесе кроссоверді жобалау қиын болған жағдайларда ғана емес (мысалы, табиғи тілде шешімдерді дамыту кезінде), сонымен қатар жақсы есептеулік инновациялық операторлар қолжетімді болған жағдайларда да, мысалы, абстрактілі суреттерді немесе түстерді дамыту кезінде пайдалы екенін көрсетеді (Cheng and Kosorukoff, 2004). Соңғы жағдайда адам және есептеулік инновациялар бір-бірін толықтырып, ынтымақтастық нәтижелерге қол жеткізе алады және пайдаланушылардың спонтанды шығармашылығы жоғалмауына кепілдік беру арқылы жалпы пайдаланушы тәжірибесін жақсартады. Бұған қоса, адамға негізделген генетикалық алгоритмдер интерактивті генетикалық алгоритмдердің тудырған шаршау әсеріне қарсы тиімді шара болып табылады.
Evolutionary knowledge management, integration of knowledge from different sources. Social organization, collective decision making, and e governance. Traditional areas of application of interactive genetic algorithms: computer art, user centered design, etc. Collaborative problem solving using natural language as a representation. Education and Academic benefits from Real Time Simulation with Synthetic Curriculum Modeling using Dynamic Point Cloud environments. The HBGA methodology was derived in 1999 2000 from analysis of the Free Knowledge Exchange project that was launched in the summer of 1998, in Russia (Kosorukoff, 1999). Human innovation and evaluation were used in support of collaborative problem solving. Users were also free to choose the next genetic operation to perform. Currently, several other projects implement the same model, the most popular being Yahoo! Answers, launched in December 2005. Recent research suggests that human based innovation operators are advantageous not only where it is hard to design an efficient computational mutation and/or crossover (e. g. when evolving solutions in natural language), but also in the case where good computational innovation operators are readily available, e. g. when evolving an abstract picture or colors (Cheng and Kosorukoff, 2004). In the latter case, human and computational innovation can complement each other, producing cooperative results and improving general user experience by ensuring that spontaneous creativity of users will not be lost. Furthermore, human based genetic algorithms prove to be a successful measure to counteract fatigue effects introduced by interactive genetic algorithms.