Генетические алгоритмы( Социальные и эмерджентные модели обучения,Игра жизнь,генетические алгоритмы,системы классификации на основе ГА)

Эмерджентные –модели обучения модели обучения имитируют эволюцию форм жизни животного и растительного мира.

В основе эволюции лежат простые процессы= их достаточно легко обосновать.

. Генетические алгоритмы и другие формальные эволюционные аналоги обусловливают более точное решение задачи за счёт операций над популяциями кандидатов на роль решения.

Генетический алгоритм решения задачи включает три стадии,

первая из которых предполагает представление отдельных потенциальных решений в специальном виде, удобном для выполнения эволюционных операций изменения и отбора. Зачастую таким представлением являются обычные битовые строки.

На второй стадии реализуются скрещивания и мутации, присущие биологическим формам жизни, в результате которых появляется новое поколение особей с рекомбинированными свойствами родителей.

И на конец, на основе некоторого критерия отбора, выбираются лучшие формы жизни, то есть наиболее точно соответствующие решению данной проблемы. Эти особи отбираются для выживания и воспроизведения, то есть для формирования нового поколения потенциальных решений. В конечном счете некоторое поколение особей станет решением исходной задачи.

В ГА применяются и более сложные представления , в том числе правила вывода ,эволюционирующей в процессе взаимодействия с внешней средой.

Игра «жизнь»

Примеры обучения ,представляющие собой социальные взаимодействие с целью выживания можно найти в игре жизнь.

В игре рождение жизнь и смерть особей,это функции их собственного состояния и состояния их ближайших соседей

Обычно для определения игры достаточно небольшого количества правил3-4

Как показали эксперименты с игрой жизнь не смотря на эту простоту в ее размахах могут эволюционировать черызвычайно сложные структуры .В том числе многоклеточные организмы.

Основная идея игры состоит в том, чтобы, начав с какого-нибудь простого расположения фишек (организмов), расставленных по раз- личным клеткам доски, проследить за эволюцией исходной позиции под действием "генетических законов" Конуэя, которые управляют рождением, гибелью и выживанием фишек. Конуэй тщательно подбирал свои правила и долго проверял их "на практике", добиваясь, чтобы они по возможности удовлетворяли трём условиям:

1. не должно быть ни одной исходной конфигурации, для кото- рой существовало бы простое доказательство возможности неограниченного роста популяции;

2. в то же время должны существовать такие начальные конфигурации, которые заведомо обладают способностью беспредельно развиваться;

3. должны существовать простые начальные конфигурации, которые в течение значительного промежутка времени растут, претерпевают разнообразные изменения и заканчивают свою эволюцию одним из следующих трёх способов: полностью ис- чезают (либо из-за перенаселённости, т. е. слишком большой плотности фишек, либо, наоборот, из-за разрежённости фи- шек, образующих конфигурацию); переходят в устойчивую конфигурацию и перестают изменяться вообще или же, нако- нец, выходят на колебательный режим, при котором они совершают некий бесконечный цикл превращений с определён- ным периодом. Короче говоря, правила игры должны быть такими, чтобы поведение популяции было достаточно интересным, а главное, непредсказуемым. Генетические законы Конуэя удивительно просты. Прежде чем мы их сформулируем, обратим внимание на то, что каждую клетку доски (которая, вообще говоря, считается бесконечной) окружают во- семь соседних клеток: четыре имеют с ней общие стороны, а четыре другие - общие вершины. Правила игры (генетические законы) сводят- ся к следующему: 1. выживание. Каждая фишка, у которой имеются две или три соседние фишки, выживает и переходит в следующее поколе- ние;

2. гибель. Каждая фишка, у которой оказывается больше трёх со- седей, погибает, т. е. снимается с доски, из-за перенаселённо- сти. Каждая фишка, вокруг которой свободны все соседние клетки или же занята только одна клетка, погибает от одино- чества;

3. рождение. Если число фишек, с которыми граничит какая- нибудь пустая клетка, в точности равно трём (не больше и не меньше), то на этой клетке происходит рождение нового "ор- ганизма", т. е. следующим ходом на неё ставится одна фишка. Важно понять, что гибель и рождение всех "организмов" проис- ходят одновременно. Вместе взятые, они образуют одно поколение или, как мы будем говорить, один "ход" в эволюции начальной конфи- гурации.

Системы классификации

Система классификации включает стандартные элементы системы вывода: правила вывода (называемые классификаторами), рабочую память, входные датчики (декодеры) и выходные элементы (эффекторы). Отличительной особенностью систем классификации является конкурентный подход к решению конфликтов. Применение генетических алгоритмов для обучения и алгоритма «пожарной цепочки» для распределения поощрений и наказаний в процессе обучения.

Воздействие системы классификации с внешней средой:

Сверху вниз – вход, выход, обратная связь.

При решении задачи классификатор работает, как традиционная схема логического вывода. На детекторы системы классификации из внешней среды поступает сообщение, например, информация о сделанном игроком ходе. Это событие кодируется и помещается в качестве образа во внутренний список сообщений ‒ рабочую память системы вывода. Эти сообщения при обычной работе системы вывода на основе данных соответствуют условиям правил классификации. Выбор «наиболее активного классификатора» осуществляется по схеме аукциона, в которой предлагаемая цена – это функция аккумулированного значения критерия качества для такого классификатора и уровня соответствия между входным стимулом и его условием. Эти сообщения добавляются в рабочую память классификаторов с наиболее высоким уровнем соответствия. Из обновленного списка сообщения могут передаваться через эффекторы во внешнюю среду, либо активизировать новые правила классификации в процессе работы системы вывода.

Поиск по сайту: