Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
1 / 1.ppt
Скачиваний:
15
Добавлен:
13.02.2015
Размер:
1.34 Mб
Скачать

Выполнили студенты 1.11:

Есина Надежда Отческая Владислава Убирайло Анна Некрасова Ольга

Главное

Принципы предложены в 1966 г. [Фогелем]. Главная цель – исследование работы конечных автоматов для получения оптимальной диаграммы его переходов между состояниями

все преобразования выполняются над фенотипом (вещественные числа);

мутация является основным генетическим оператором, который применяется к каждому члену популяции;

потомки, получаются посредством мутации копий родителей до удвоения размера популяции. Затем популяция сокращается в два раза за счет решений с наименьшими значениями fitness-функции;

для регулирования интенсивности мутации и направления поиска применяются различные зависимости теории вероятности

История появления

Эволюционное программирование было изобретено доктором Лоуренсом Дж. Фогелем в Национальном Научном Фонде в 1960 году. Ему было поручено представить доклад Конгрессу США на сумму инвестиций в фундаментальные исследования. Одним из вопросов рассмотрения был искусственный интеллект

В то время искусственный интеллект был ограничен двумя основными направлениями исследований: моделированием человеческого мозга (нейронные сети) и моделированием решения проблем поведения человека (эвристическое программирование). Альтернативный вариант, предусмотренный доктором Фогелем, должен был отказаться от моделирования конечного продукта эволюции, и, скорее, моделировать процесс эволюции, используя себя в

качестве транспортного средства для получения разумного поведения. Фогель рассматривает интеллект как составную часть способности делать предсказания окружающей среды в сочетании с переводом каждого прогноза в подходящий ответ в свете заданной цели (например, для максимизации функции выигрыша). Таким образом, по его мнению прогнозирование является необходимым условием для разумного поведения. Моделирование эволюции как оптимизации процесса явилось следствием опыта доктора Фогеля в новых областях «биотехнологии», кибернетики и техники. Доктор Фогель провел серию экспериментов, в которых автоматы представляли отдельные организмы.

Автоматы - это графические модели, используемые для описания поведения

или программного обеспечения и аппаратных средств, поэтому он назвал свой подход эволюционным программированием.

Достоинства эволюционного программирования были изучены д-ром Фогелем после его возвращения в Сан-Диего в июле 1961 при обращении к проблемам прогнозирования системы идентификации и контроля в серии исследований, возглавляемых тогда Фогелем и его коллегами, ведущими учеными в области эволюционных вычислениях. В некоторых ранних описаниях эволюционного программирования Фогель неправильно утверждал, что оно было ограничено одним родителем и одним потомком.

В 1970 было опубликовано более широкое исследование вычислений для эволюционного программирования, чем для любых других форм моделируемой эволюции. Большинство этих исследований использовали эволюционные программы для распознавания образов. В качестве примера для распознавания использовались главным образом рукописные символы. В эксперименты включили параметры адаптивных мутаций. Работа Атмара — один из ранних примеров имитации эволюции в обстановке искусственной жизни. Атмар , возможно, первый предложил и описал, как эволюционное программирование может быть рассчитано на то, что сейчас известно как «расширенная база оборудования». Ангелине и Поллак описали, как эволюционное программирование может быть использовано для развития компьютерных программ.

То есть...

Эволюционное программирование это динамично развивающееся направление анализа. В основу его положен метод заключающийся в записи предварительных гипотез на внутреннем языке программирования. И последующем модифицировании этих программ и выборе наиболее удачной. Перспективная методика, но требует соответствующего технического обеспечения. Эволюционное программирование делает основной упор на адаптацию и разнообразие способов передачи свойств от родителя к потомкам в следующих поколениях.

Исходная популяция решений выбирается случайным образом. В задачах оптимизации значений действительных чисел (примером которых может служить обучение нейронных сетей) особь (хромосома) представляется цепью значений действительных чисел. Эта популяция оценивается относительно заданной функции (функции приспособленности). Потомки образуются от входящих в эту популяцию родителей в результате случайной мутации. Селекция основана на вероятностном выборе (турнирный метод), при котором каждое решение соперничает с хромосомами, случайным образом выбираемыми из популяции. Решения-победители (оказавшиеся наилучшими) становятся родителями для следующего поколения. Описанная процедура повторяется так долго, пока не будет найдено искомое решение либо не будет исчерпан лимит машинного времени.

Эволюционное

программирование применяется для оптимизации функционирования нейронных сетей. Также как и другие эволюционные методы, оно не требует градиентной информации и поэтому может использоваться для решения задач, в которых эта информация недоступна, либо для ее получения требуются значительные объемы вычислений. Одними из первых приложений эволюционного программирования считаются задачи теории искусственного интеллекта, а самые ранние работы касались теории конечных автоматов.

Наблюдается большое сходство между эволюционными стратегиями и эволюционными программированием в их приложениях к задачам оптимизации непрерывных функций с действительными значениями. Некоторые

исследователи утверждают, что эти процедуры, в сущности, одинаковы, хотя они и развивались независимо друг от друга. Действительно, оба метода похожи на генетические алгоритмы. Принципиальное различие между ними заключается в том, что эволюционное программирование не связано с конкретной формой представления особей, поскольку оператор мутации не требует применения какого-либо специально