En el cómputo evolutivo, un humano-basado el algoritmo genético (HBGA) es un algoritmo genético que permite que los seres humanos aporten soluciones innovadoras al proceso evolutivo. Con este fin, un HBGA tiene interfaces humanos para la inicialización, la mutación, y la cruce recombinante. También, puede tener interfaces para la evaluación selectiva. En fin, un HBGA externaliza las operaciones de un algoritmo genético típico a los seres humanos.
Sistemas genéticos evolutivos y agencia humana
Entre sistemas genéticos evolutivos, HBGA es el análogo computarizado de la ingeniería genética (Allan, 2005). Esta tabla compara sistemas en líneas de agencia humana:
style='border| sequences | innovator | selector |
|---|---|---|
| nucleotide | nature | nature |
| nucleotide | nature | style='background del|
| nucleotide | style='background del||
| computer | style='background del||
| computer | computer |
Un patrón obvio en la tabla es la división entre los sistemas informáticos orgánicos (tapa) y (parte inferior). Otra es la simetría vertical entre los Autonomous System (tapa y la parte inferior) y sistemas humano-interactivos (medios).
Mirando a la derecha, el selector es el agente que decide a aptitud en el sistema. Determina qué variaciones se reproducirán y contribuirán a la generación siguiente. En poblaciones naturales, y en algoritmos genéticos, estas decisiones son automáticas; considerando que en sistemas típicos de HBGA, son hechas por la gente.
El innovator es el agente del cambio genético. El innovador transforma y recombina el material genético, para producir las variaciones en las cuales el selector funciona. En los sistemas más orgánicos y más computarizados (tapa y parte inferior), la innovación es automática, funcionando sin la intervención humana. En HBGA, los innovadores son gente.
HBGA es áspero similar a la ingeniería genética. En ambos sistemas, los innovadores y los selectores son gente. La diferencia principal miente en el material genético que trabajan con: datos electrónicos contra secuencias del polinucleótido.
Diferencias de un algoritmo genético llano
los cuatro operadores genéticos (inicialización, mutación, cruce, y selección) se puede delegar a los seres humanos que usan los interfaces apropiados (Kosorukoff, 2001).
La inicialización del
se trata como operador, algo que una fase del algoritmo. Esto permite que un HBGA comience con una población vacía. La inicialización, la mutación, y los operadores de la cruce forman a grupo de operadores de la innovación.
La opción del
l operador genético se puede delegar a los seres humanos también, así que no se fuerzan para realizar una operación particular en ninguÌn momento dado.
Características funcionales
HBGA es un método de colaboración y de intercambio del conocimiento. Combina la capacidad de sus usuarios humanos que crean una clase de inteligencia persona-máquina simbiótica (véase también la inteligencia artificial distribuida ).
La innovación humana del
es facilitada muestreando soluciones de la población, asociándolas y presentando en diversas combinaciones a un usuario (véase las técnicas de la creatividad).
HBGA facilita consenso y la toma de decisión integrando preferencias individuales de sus usuarios.
HBGA hace uso de una idea de aprendizaje acumulativa mientras que soluciona un sistema de problemas concurrentemente. Esto permite alcanzar sinergia porque las soluciones se pueden generalizar y reutilizar entre varios problemas. Esto también facilita la identificación de nuevos problemas de la asignación de recursos del interés y de la justo-parte entre problemas de diversa importancia.
la opción de la representación genética, un problema común de algoritmos genéticos, se simplifica grandemente en HBGA, puesto que el algoritmo no necesita ser consciente de la estructura de cada solución. Particularmente, HBGA permite de lenguaje natural ser una representación válida.
que almacena y que muestrea a la población sigue siendo generalmente una función algorítmica.
Un HBGA es generalmente un sistema del Multi-agente, delegando operaciones genéticas a los agentes múltiples (seres humanos).
Usos
Gerencia evolutiva, integración del conocimiento l conocimiento de diversas fuentes.
organización social, toma de decisión colectiva, y e-gobierno .
Áreas tradicionales del
l uso de los algoritmos genéticos interactivos : El arte de computadora, Usuario-centró el diseño, etc.
Solución de problemas de colaboración del
usar de lenguaje natural como representación.
La metodología de HBGA fue derivada en 1999-2000 del análisis del proyecto libre del intercambio del conocimiento que fue puesto en marcha en el verano de 1998, en Rusia (Kosorukoff, 1999). La innovación y la evaluación humanas fueron utilizadas en apoyo de la solución de problemas de colaboración. Los usuarios estaban también libres de elegir la operación genética siguiente para realizarse. Actual, varios otros proyectos ejecutan el mismo modelo, el ser más popular Yahoo! Contesta a, lanzado en diciembre de 2005.
La investigación reciente sugiere que los operadores humano-basados de la innovación sean ventajosos no sólo donde está duro diseñar una mutación y/o una cruce de cómputo eficientes (e. al desarrollar soluciones en de lenguaje natural), pero también en el caso donde están fácilmente disponibles los buenos operadores de cómputo de la innovación, e. al desarrollar un cuadro abstracto o colores (Cheng y Kosorukoff, 2004). En el 3ultimo caso, la innovación humana y de cómputo puede complementarse, produciendo resultados cooperativos y mejorando experiencia general del usuario asegurándose de que la creatividad espontánea de usuarios no será perdida.
Ver también
el del
Humano-basó el cómputo
el Humano-basó el cómputo evolutivo
Interacción persona-ordenador
Algoritmo genético interactivo
Memetics
Texto recombinante
computacional social
.
| Random links: | Beaucaire | Clavar el dogo y la Chester el terrier | Cama | Strynø | San Pascual, Batangas |