Wyniki wyszukiwania - BazTech

1

Modifying the rate of evolution using the learning process

Handzel Z.

Przegląd Elektrotechniczny

|

2013

|

R. 89, nr 4

50-52

EN

The paper discusses the issues concerned with the impact of learning process on the rate of evolution in evolutionary systems. In the paper we tried to answer the question whether it is possible to speed up the evolution by introduction of learning process of individuals. We also consider some practical consequences of the obtained results.

PL

Artykuł dotyczy zagadnień wpływu procesu uczenia na tempo zachodzenia przemian w systemach ewolucyjnych. W szczególności w artykule starano się odpowiedzieć na pytanie, czy możliwe jest przyspieszenie ewolucji poprzez wprowadzenie procesu uczenia osobników. Rozważono także praktyczne konsekwencje uzyskanych wyników.

2

Decelerating the rate of evolution with constant learning

Gajer M.

Pomiary Automatyka Robotyka

|

2012

|

R. 16, nr 11

50-53

EN

Evolution and learning are two main processes that are considered in the case of artificial intelligence and artificial life systems. These two processes can interact with each other, which is called the Baldwin effect. Especially, the introduction of learning process into an evolutionary system can cause acceleration or deceleration of the rate of evolution both in the case of artificial and natural evolutionary systems. However, there is still a lack of a solid mathematical theory that could thoroughly explain the phenomena concerned with the impact of learning on the rate of evolution. In the case of constant learning, that is a process during which individuals are moved a constant value toward the optimum, it was proved that if the second derivative of the logarithm of the fitness function is negative, the rate of the evolution should be slowed down as a result of the introduction of constant learning. In the paper we assume an evolutionary system with the asymptotic fitness function for which the theory states that the introduction of constant learning should lead to deceleration of the rate of evolution. The results of numerous computer simulations confirmed the theory and demonstrated that the deceleration of the rate of the evolution is significant. Moreover, the impact of the intensity of mutation on the degree of deceleration of the rate of evolution could also be observed.

PL

Ewolucja i uczenie się są dwoma głównymi procesami rozpatrywanymi w kontekście systemów sztucznej inteligencji i systemów sztucznego życia. Oba wymienione procesy mogą wchodzić we wzajemną interakcję, co bywa określane mianem efektu Baldwina. W szczególności wprowadzenie procesu uczenia do systemu ewolucyjnego może powodować przyspieszenie bądź spowolnienie tempa ewolucji zarówno w przypadku sztucznych, jak i naturalnych systemów ewolucyjnych. Obecnie wciąż odczuwany jest brak solidnej teorii matematycznej, która byłaby w stanie wyjaśnić w pełni zjawiska związane z wpływem procesu uczenia na tempo przebiegu ewolucji. W przypadku tzw. uczenia stałego, które polega na systematycznym przesuwaniu o stałą wartość genotypu osobnika w kierunku poszukiwanego optimum, udowodniono, że jeżeli druga pochodna logarytmu funkcji dopasowania jest ujemna, wówczas tempo przebiegu ewolucji powinno ulec spowolnieniu w wyniku wprowadzenia do systemu ewolucyjnego uczenia stałego. W artykule rozważono system ewolucyjny z asymptotyczną funkcją dopasowania, w przypadku którego zgodnie z teorią wprowadzenie uczenia stałego powinno wywołać spowolnienie tempa przebiegu ewolucji. Liczne wyniki symulacji komputerowych potwierdzają przewidywania teorii i pokazują, że spowolnienie tempa ewolucji jest istotne. Ponadto można zaobserwować dodatkowy wpływ częstotliwości mutacji na spowolnienie tempa ewolucji.

3

Przyspieszanie tempa przebiegu procesów ewolucyjnych z wykorzystaniem uczenia stałego

Gajer M.

Przegląd Elektrotechniczny

|

2011

|

R. 87, nr 1

204-209

PL

Ewolucja oraz uczenie osobników są dwoma głównymi procesami badanymi w ramach systemów sztucznej inteligencji. W naukach biologicznych jest od dawna dobrze znanym faktem, że proces uczenia może w określonych warunkach wywierać wpływ na tempo przemian ewolucyjnych. Jednak brak jest gruntownej teorii opisującej w sposób ilościowy rozważane zjawiska. Zadawalające rezultaty zostały osiągnięte jedynie w przypadku monotonicznej postaci funkcji dopasowania. W szczególności pokazano, w jakich warunkach uczenie osobników ze stałą wartością kroku może prowadzić do przyspieszenia procesu ewolucji. Celem artykułu jest zbadanie, czy tego typu efekt może zostać także zaobserwowany w przypadku rzeczywistych systemów ewolucyjnych bądź ich implementacji w postaci programów komputerowych.

EN

The evolution and learning are two main processes that are examined in the domain of artificial intelligence systems. In biological sciences it is a well-known fact that learning can influence the rate of evolutionary changes. However, there is no solid theory to explain these phenomena in a quantitative way. Satisfying results were obtained only in the case of a monotonic fitness function. In particular, it was demonstrated under which conditions constant learning can lead to an acceleration of the evolution rate. The objective of the paper is to examine if such an effect can be also observed in the case of real evolutionary systems or their computer implementations.

4

Naming Game and Computational Modelling of Language Evolution

Lipowska D.

Computational Methods in Science and Technology

|

2011

|

Vol. 17, No. 1-2

41-51

EN

Computational modelling with multi-agent systems has become an important technique in studying language evolution. We present a brief introduction into this rapidly developing field, as well as our own contributions, which include an analysis of the evolutionary naming game model. In this model, communicating agents, which try to establish a common vocabulary, are equipped with an evolutionarily selected learning ability. Such a coupling of biological and linguistic ingredients results in an abrupt transition: upon a small change of the model control parameter, a poorly communicating group of agents with small learning abilities transforms into almost perfectly communicating group of agents with large learning abilities. Genetic imprinting of the learning abilities progresses through the Baldwin effect: initially linguistically unskilled agents learn a language, which creates a niche where there is an evolutionary pressure for the increase of learning ability. Under the assumption that communication intensity increases continuously with finite speed, the transition is split into several transition-like changes. It shows that the speed of cultural changes, that sets an additional characteristic time scale, might be yet another factor affecting the evolution of language. In our opinion, this model shows that linguistic and biological processes have a strong influence on each other and this influence certainly has contributed to an explosive development of our species.

5

Analiza wpływu uczenia stałego na tempo przebiegu procesów ewolucyjnych

Gajer M.

Pomiary Automatyka Kontrola

|

2010

|

R. 56, nr 5

475-478

PL

W artykule rozważono wpływ procesu uczenia na tempo zachodzenia przemian ewolucyjnych. Zjawisko polegające na tym, że wprowadzenie do sytemu ewolucyjnego procesu uczenia może zarówno przyspieszać, jak i spowalniać ewolucję, jest od dawna znane w naukach przyrodniczych i określane jest mianem efektu Baldwina. Natomiast brak jest ogólnej teorii opisującej rozważane zjawiska w sposób ilościowy. W artykule przedstawiono teoretyczną analizę wpływu uczenia stałego na tempo ewolucji. Uzyskane wyniki zostały dodatkowo potwierdzone przeprowadzonymi przez autora symulacjami numerycznymi, z których wynika, że w systemach ewolucyjnych z dodatnią i monotoniczną funkcją celu wprowadzenie uczenia stałego zawsze powoduje spowolnienie ewolucji.

EN

The paper deals with the influence of learning on the evolution rate. It is a well-known fact that learning can under some circumstances accelerate or decelerate evolution, but there is no general theory that could explain these phenomena. The work [11] proposes a mathematical method with use of which one can determine whether the evolution will be accelerated or decelerated by learning for a monotonic and positive fitness function. This mathematical method is based on analysis of the fitness function logarithm second derivative. In the paper there is presented an experimental evolu-tionary system for which it was proved that the fitness function logarithm second derivative is negative. This fact causes that introduction of the constant learning to such a system must lead to deceleration of evolution. However, the mathematical method presented in [11] does not allow for any quantitative analysis of this phenomenon. Numerical experiments were conducted by the author of this paper in order to confirm the theoretical results obtained before. The simulation results of impact of learning on the evolution rate are shown in Figs. 1- 5. It can be noted that the deceleration of evolution, especially in the case of lower number of evolutionary algorithm generations, is relatively large. The impact of mutation intensity on the evolution rate was also examined. It was shown that increase in the mutation intensity accelerates the evolution significantly. The paper is organised as follows: Section 1 is the introduction, Section 2 presents the outline of the mathematical method based on gain function analysis, Section 3 discusses the results of numerical simulations, Section 4 gives the concluding remarks..