Эволюционное моделирование

Размещено на http://allbest.ru

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ СОЦИАЛЬНЫЙ УНИВЕРСИТЕТ»

КУРСКИЙ ИНСТИТУТ СОЦИАЛЬНОГО ОБРАЗОВАНИЯ

(ФИЛИАЛ) РГСУ

Факультет информационных технологий и социальной экологии

Кафедра информационных систем

РЕФЕРАТ

по дисциплине: «Системный анализ»

на тему: «Эволюционное моделирование»

Выполнил студент 3 курса

специальности «Информационные системы

и технологии»

очной формы обучения

Колоколов Виктор Сергеевич

Проверил(а): Солошенко Алевтина Евгеньевна

Курск 2015 г.

Содержание

1. Эволюционное моделирование

2. Модели возникновения молекулярно-генетических информационных систем

3. Применение в задачах функциональной оптимизации

4. Эволюционное моделирование как исследовательский метод в информатике

1. Эволюционное моделирование

Эволюционное моделирование- 1) (англ. Evolutionary computation) использует признаки теории Дарвина для построения интеллектуальных систем (методы группового учёта,генетические алгоритмы). Является частью более обширной области искусственного интеллекта -- вычислительного интеллекта.

2) направление в математическом моделировании, объединяющее компьютерные методы моделирования эволюции, а также близкородственные по источнику заимствования идей ( теоретическая биология, если таковая существует) другие направления в эвристическом программировании. Включает в себя как разделы генетические алгоритмы, эволюционные стратегии, эволюционное программирование, искусственные нейронные сети, нечеткую логику.

Эволюционное моделирование (ЭМ) представляет собой одно из быстро развивающихся направлений математического моделирования, объединяющее компьютерные методы моделирования эволюционных процессов в естественных ( ЕС) и искусственных системах, такие как генетические алгоритмы, эволюционные стратегии, эволюционное программирование и другие эвристические методы.

Главная трудность построения вычислительных систем, основанных на принципах эволюции живой природы и применении этих систем в прикладных задачах, состоит в том, что природные системы достаточно хаотичны, а действия исследователей носят направленный характер. Компьютер используется как инструмент для решения определенных задач, которые пользователь формулирует, акцентируя внимание на максимально быстром решении при минимальных затратах.

Природные системы не имеют никаких таких целей или ограничений, во всяком случае, они не очевидны. Однако биологические системы обладают свойствами воспроизводства, адаптации, самоисправления, устойчивости, гибкости и многими другими, которые лишь фрагментарно присутствуют в искусственных системах.

2. Модели возникновения молекулярно-генетических информационных систем

математический эволюция информационный интеллект

В начале 70-х годов лауреат Нобелевской премии М. Эйген совершил впечатляющую попытку построения моделей возникновения в ранней биосфере Земли молекулярно генетических систем обработки информации. Наиболее известная из них -- модель «квазивидов», описывающая простую эволюцию полинуклеотидных (информационных) последовательностей. Вслед за Эйгеном в 1980 г. новосибирскими учеными В.Ратнером и В.Шаминым была предложена модель «сайзеров» .

В модели квазивидов рассматривается поэтапная эволюция популяции информационных последовательностей (векторов), компоненты которых приобретают небольшое число дискретных значений. Приспособленность «особей» в моделях задается как функции векторов. На каждом этапе происходит отбор особей в популяции следующего поколения с вероятностями, пропорциональными их приспособленности, а также мутации особей -- случайные равновероятные замены компонентов векторов.

Модель сайзера в простейшем случае рассматривает систему из трех типов макромолекул: полинуклеотидной матрицы и ферментов трансляции и репликации, кодированных этой матрицей.

Полинуклеотидная матрица -- это как бы запоминающее устройство, в котором хранится информация о функциональных единицах сайзера -- ферментах. Фермент трансляции обеспечивает «изготовление» произвольного фермента по записанной в матрице информации. Фермент репликации обеспечивает копирование полинуклеотидной матрицы.

Сайзеры достаточны для самовоспроизведения. Включая в схему сайзера дополнительные ферменты, кодируемые полинуклеотидной матрицей, можно обеспечить сайзер любыми свойствами, например свойством регулирования синтеза определенных ферментов и адаптации к изменениям внешней среды.

3. Применение в задачах функциональной оптимизации

ЭВ часто используются для организации стохастического поиска, особенно в случае многомодальных задач, когда детерминированные методы оптимизации или более простые стохастические методы не позволяют исследовать поведение целевой функции вне областей локальных оптимумов. Методы ЭВ не гарантируют обнаружения глобального оптимума за полиномиальное время.

Практический интерес к ним объясняется тем, что эти методы, как показывает практика, позволяют найти более хорошие (или «достаточно хорошие») решения очень трудных задач поиска за меньшее время, чем другие, обычно применяемые в этих случаях, методы.

Типичное ограничение на их применение заключается в необходимости (для построения хорошего решения) многократного вычисления целевой функции (под словом «многократно» обычно подразумеваются числа от сотен до миллионов).

Тем не менее, методы ЭВ оказались достаточно эффективными для решения ряда реальных задач инженерного проектирования, планирования, маршрутизации и размещения, управления портфелями ценных бумаг, поиска оптимальных энергетических состояний химических и молекулярных структур, а также во многих других областях, допускающих подходящий набор представлений, операторов, объемов и структур популяций и т. д.

4. Эволюционное моделирование как исследовательский метод в информатике

Поскольку эволюция, по-видимому, и представляет собой основу механизма обработки информации в естественных системах, исследователи стремятся построить теоретические и компьютерные модели, реально объясняющие принципы работы этого механизма. Для исследований этого направления характерно понимание, что модели должны содержать не только рождение и смерть популяций, но и что-то между ними. Чаще всего привлекаются следующие концепции.

Роевой интеллект (англ. Swarm intelligence) описывает коллективное поведение децентрализованной самоорганизующейся системы. Рассматривается в теории искусственного интеллекта как метод оптимизации.

Термин был введен Херардо Бени и Ван Цзином в 1989 году, в контексте системы клеточных роботов. Системы роевого интеллекта, как правило, состоят из множества агентов (Многоагентная система) локально взаимодействующих между собой и с окружающей средой. Сами агенты обычно довольно просты, но все вместе, локально взаимодействуя, создают так называемый роевой интеллект. Примером в природе может служить колония муравьёв, рой пчёл, стая птиц, рыб…

Коллективный интеллект -- термин, который появился в середине 1980-х годов в социологии при изучении процесса коллективного принятия решений. Исследователи из NJIT определили коллективный интеллект как способность группы находить решения задач более эффективные, чем лучшее индивидуальное решение в этой группе.

Социологическое направление -- поскольку человеческое общество представляет собой реальный, к тому же хорошо поддающийся наблюдению и задокументировнный (в отличие от человеческого мозга), инструмент обработки информации, социологические метафоры и реминисценции присутствуют в работах по кибернетике и смежным направлениям с самого их возникновения.

Если роевой интеллект ориентирован на получение сложного поведения в системе из простых элементов, этот подход, наоборот, исследует построение простых и специальных объектов на базе сложных и универсальных: «государство глупее, чем большинство его членов».

Для этого направления характерно стремление дать социологическим понятиям определения из области информатики. Иногда элита определяется как носитель определенной частной модели реального мира, а базис (то есть народ) играет роль арбитра между элитами.

Эволюционный процесс заключается в порождениии и гибели элит. Базис не в состоянии разобраться в сути идей и моделей, представляемых элитами, и не ставит перед собой такой задачи. Однако, именно в силу своей невовлеченности сохраняет способность к ясной эмоциональной оценке, позволяющей ему легко отличать харизматические элиты от загнивающих, пытающихся сохранить свои привилегии, понимая, что их идея или модель не подтвердилась.

Список использованных источников литературы

1. Теория и практика эволюционного моделирования. Емельянов В. В., Курейчик В. В., Курейчик В. М. 2003 г.

2. Методы и технологии искусственного интеллекта. Рутковский Л 2010 г.

3. Исследование операций Е. С. Веннтцель Москва 1972г.

Размещено на Allbest.ru