Wyniki wyszukiwania - BazTech

1

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.

2

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.

3

Badanie wpływu procesu uczenia na zachowanie się systemów ewolucyjnych z monotoniczną funkcją dopasowania

Gajer M.

Elektronika : konstrukcje, technologie, zastosowania

|

2010

|

Vol. 51, nr 4

125-130

PL

Artykut został poświęcony zagadnieniom badania wpływu procesu uczenia na zachowanie się systemów ewolucyjnych. Wzajemne interakcje pomiędzy procesami ewolucyjnymi a procesem uczenia są obecnie jeszcze słabo poznane. Wiadomo jest, że wprowadzenie uczenia do systemu ewolucyjnego może w pewnych warunkach prowadzić zarówno do przyspieszenia, jak i spowolnienia tempa ewolucji. Brak jest jednak ogólnej teorii tłumaczącej tego typu zjawiska i potrafiącej je opisać w sposób ilościowy. W artykule rozpatrzono przypadek uczenia stałego z dodatnią i monotoniczną funkcją dopasowania. Opierając się na wcześniejszych rezultatach można przeprowadzić badanie znaku drugiej pochodnej logarytmu funkcji dopasowania i na tej podstawie wywnioskować, że wprowadzenie uczenia będzie powodowało w rozważanym systemie spowolnienie przebiegu ewolucji. Jednak ilościowa ocena tego zjawiska wymaga przeprowadzenia odpowiednich eksperymentów numerycznych. W artykule opisano przeprowadzone przez autora symulacje komputerowe systemu ewolucyjnego z monotoniczną funkcją celu. Przeprowadzone eksperymenty dobrze potwierdziły wcześniejsze rezultaty teoretyczne. Ponadto pokazano, że wprowadzenie do systemu uczenia stałego prowadzi do istotnego spowolnienia tempa zachodzenia procesów ewolucyjnych.

EN

The paper is devoted to the issues of examining the impact of learning process on the behavior of evolutionary systems. Mutual interactions between evolutionary processes and learning process are still weakly understood. However, it is a well-known fact that the introduction of learning into the evolutionary systems can both lead to acceleration or deceleration of evolution. But there is still a lack of general theory that could explain these phenomena in a quantitative manner. In the paper the case of constant learning with a monotonie and positive fitness function is examined. Basing on the former results one can examine the sign of the second derivative of logarithm of fitness function, which results the conclusion that learning should lead to deceleration of evolutionary processes. In order to confirm the theoretical results and asses the extent to which evolution is decelerated some numerical experiments were conducted by the author. In the paper the case of monotonie fitness function was examined during the numerical experiments that were conducted by the author. The numerical simulations, the results of which were presented in the paper, confirmed totally the former theoretical results.Moreover, it was proved that constant learning decelerates the evolutionary processes to the relatively great extent.

4

Examining the Impact of Positive and Negative Constant Learning on the Evolution Rate

Gajer M.

TASK Quarterly : scientific bulletin of Academic Computer Centre in Gdansk

|

2009

|

Vol. 13, No 4

355-362

EN

The paper discusses the influence of learning on evolutionary processes. In biological sciences it is a well-known fact that the rate of evolution can be effected by learning and the same phenomena can also be observed in artificial evolutionary systems, however, their nature is still not sufficiently well understood. In the paper the influence of constant learning on the rate of evolution is examined. The constant learning is a kind of learning during which the genotype of the individual being taught is moved toward the global optimum over a constant value. If the fitness function is monotonic, it can be concluded from the mathematical theory that such kind of learning should decelerate evolution. However, this fact is highly counterintuitive and for this reason it should be proved by numerical experiments. In the article the results of numerical simulations are presented. They prove that evolution is indeed decelerated by learning in case of the sigmoid fitness function. Moreover, two cases of constant learning were examined in the paper. These are the positive and negative constant learning. It was demonstrated that in the case of the negative constant learning the evolution was decelerated to a larger extent than in the case of the positive constant learning. The obtained results can help explain certain phenomena concerning the impact of learning on the evolution both in natural and artificial evolutionary systems.