Wyniki wyszukiwania - BazTech

1

W jakim stopniu sztuczne algorytmy genetyczne odwzorowują darwinowską teorię ewolucji? Cz. 3, Analogie z programami komputerowymi

Handzel Z., Gajer M.

Elektronika : konstrukcje, technologie, zastosowania

|

2016

|

Vol. 57, nr 10

82--84

PL

W artykule rozważano kwestie skomplikowanych relacji zachodzących pomiędzy teorią biologicznej ewolucji Darwina a wzorowanymi na niej sztucznymi algorytmami genetycznymi. W szczególności przeanalizowano analogie zachodzące pomiędzy programami komputerowymi a sposobem zachowania się organizmów żywych.

EN

In the paper we discuss the maters of complex relations between Darwinian theory of biological evolution and artificial genetic algorithms which are based upon this theory. In particular we analyze the analogies between computer programs and the way of behavior of living organisms.

2

W jakim stopniu sztuczne algorytmy genetyczne odwzorowują darwinowską teorię ewolucji? Cz. 2, Mutacje kodu genetycznego

Handzel Z., Gajer M.

Elektronika : konstrukcje, technologie, zastosowania

|

2016

|

Vol. 57, nr 1

62--64

PL

W artykule rozważano kwestie skomplikowanych relacji zachodzących pomiędzy teorią biologicznej ewolucji Darwina a wzorowanymi na niej sztucznymi algorytmami genetycznymi. W szczególności analizie poddano proces mutacji kodu genetycznego, który rozpatrzono w ramach obowiązującej w teorii ewolucji koncepcji punktualizmu.

EN

In the paper we discuss the issues of complex relations between Darwinian theory of biological evolution and artificial genetic algorithms which are based upon this theory. In particular, we analyze the process of genetic code mutations in the context of concept of punctualism known in the theory of biological evolution.

3

W jakim stopniu sztuczne algorytmy genetyczne odwzorowują darwinowską teorię ewolucji? Cz. 1 : gradualizm i punktualizm

Handzel Z., Gajer M.

Elektronika : konstrukcje, technologie, zastosowania

|

2015

|

Vol. 56, nr 12

84-85

PL

W artykule rozważano kwestie skomplikowanych relacji zachodzących pomiędzy teorią biologicznej ewolucji Darwina a wzorowanymi na niej sztucznymi algorytmami genetycznymi. Analiza dobrze znanych z teorii ewolucji koncepcji gradualizmu i punktualizmu doprowadziła autorów do wniosków, że związki sztucznych algorytmów genetycznych z rzeczywistą biologiczną ewolucją, wbrew obiegowym opiniom, wydają się raczej dosyć powierzchowne.

EN

In the paper we discuss the maters of complex relations between Darwinian theory of biological evolution and artificial genetic algorithms which are based upon this theory. The analysis of the concepts of gradualism and punctualism that are well known from the theory of biological evolution led the authors to the conclusion that the connections between real biological evolution and artificial genetic algorithms are rather of the shallow nature.

4

Zastosowanie operatora krzyżowania równomiernego w przypadku algorytmów ewolucyjnych z krzyżowaniem wieloosobniczym

Handzel Z., Gajer M.

Elektronika : konstrukcje, technologie, zastosowania

|

2014

|

Vol. 55, nr 5

70-72

PL

Tematyka artykułu dotyczy propozycji zastosowania operatora krzyżowania równomiernego w przypadku, gdy liczba krzyżujących się jednocześnie osobników jest większa niż dwa. W artykule zaproponowano oryginalną wersję wieloosobniczego operatora krzyżowania równomiernego, który może zostać użyty w przypadku dowolnej liczby krzyżujących się jednocześnie osobników. Zastosowanie tego rodzaju nietypowego operatora krzyżowania może przyczynić się do skrócenia czasu potrzebnego do wykonania obliczeń związanych z realizacją wybranych klas algorytmów ewolucyjnych.

EN

The topic of the paper is about using a uniform crossing-over operator in the case of simultaneous crossing over of individuals of the number greater than two. In the paper we propose an original version of multi-individual uniform crossing-over operator, which can be applied in the case of any number of crossing-over individuals. We believe that using such a non-typical crossing over operator can make the computational time shorter for selected classes of evolutionary algorithms.

5

Hybrydowe koewolucyjne podejście do optymalizacji pracy elektroenergetycznych sieci dystrybucyjnych w stanach awarii

Filipiak S.

Wiadomości Elektrotechniczne

|

2012

|

R. 80, nr 1

9-14

PL

Przedstawiono koncepcję nowej metody wspomagającej pracę operatorów sieci dystrybucyjnej energii elektrycznej w stanach awaryjnych, wykorzystującej system klasyfikujący współpracujący z hybrydowym algorytmem koewolucyjnym.

EN

The paper presents an idea of new method proposed as an assisting tool for action of operators of electric energy distribution network in failure states. The method uses classification system working with hybrid coevolutionary algorithm.

6

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.

7

Zastosowanie algorytmów ewolucyjnych w obszarze badawczym Artificial Chemistry

Gajer M.

Przegląd Elektrotechniczny

|

2011

|

R. 87, nr 4

198-202

PL

Dyscyplina naukowa określana mianem sztucznej chemii - Artificial Chemistry stanowi interdyscyplinarny obszar badawczy łączący specjalistów działających dotąd w odrębnych dziedzinach wiedzy, takich jak chemia, informatyka, matematyka oraz grafika komputerowa. Głównym celem badawczym rozważanej dyscypliny jest stworzenie środowiska programistycznego umożliwiającego symulację oraz wizualizację wirtualnych reakcji chemicznych, dzięki czemu możliwe byłoby obserwowanie ich skutków oraz badanie właściwości powstałych w ich wyniku związków chemicznych bez konieczności wykonywania kosztownych eksperymentów w laboratoriach chemicznych. W artykule rozważono możliwość zastosowania algorytmów ewolucyjnych w tego typu systemach w celu poszukiwania związków chemicznych o z góry zadanych właściwościach.

EN

The scientific discipline of Artificial Chemistry constitutes an interdisciplinary area that unites the scientists who have worked so far in separate domains, such as chemistry, computer science, mathematics, and computer graphics. The main scientific goal of Artificial Chemistry is to create a programmer environment that would make possible the simulation and visualization of virtual chemical reactions. Thanks to this, it would be possible to examine the chemical compounds without the necessity of expensive experiments that are conducted in chemical laboratories. In the paper we discuss the possibility of application of evolutionary algorithms in such systems for the purpose of searching the chemical compounds that have the given properties.

8

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.

9

Sterowanie pracą hydroelektrowni z wykorzystaniem algorytmu ewolucyjnego

Gajer M.

Pomiary Automatyka Kontrola

|

2011

|

R. 57, nr 2

193-196

PL

W artykule rozważono możliwość wykorzystania techniki obliczeniowej opartej na zastosowaniu algorytmów ewolucyjnych w celu optymalizacji pracy elektrowni wodnej. Założono, że rozważana elektrownia wodna, oprócz stałego dopływu wody z rzeki, dodatkowo wyposażona jest również w człony pompowe, za pomocą których można w okresie niskiego zapotrzebowania na energię elektryczną tłoczyć wodę ze zbiornika retencyjnego do zbiornika głównego elektrowni, gromadząc w ten sposób energię potencjalną mas wodnych, którą można następnie wykorzystać do produkcji energii elektrycznej w okresie występowania szczytu zapotrzebowania, czyli wtedy, gdy koszty wytworzenia energii w klasycznych elektrowniach cieplnych są relatywnie najwyższe. Przedstawione w artykule wyniki symulacji komputerowych wskazują, że algorytmy ewolucyjne można z powodzeniem wykorzystać do realizacji rozważanego zagadnienia optymalizacyjnego, dzięki czemu są w stanie zagwarantować odpowiednio niskie dobowe koszty produkcji energii elektrycznej przy jednoczesnym spełnieniu wszelkich koniecznych ograniczeń nałożonych na pracę systemu elektroenergetycznego. Dodatkowo gwarantują one zbilansowanie zbiornika elektrowni wodnej w dobowym przedziale czasowym.

EN

The paper discusses implementation of a computational technique based on evolutionary algorithms for the purpose of optimisation of hydropower plant work. There is assumed that a hydropower plant is situated on a river that delivers water into a reservoir. The hydropower plant is additionally equipped with pumping units by means of which the water can be stored in the main reservoir during the periods of low power demand. In the next stage, the potential energy of the pumped water can be converted again into electrical energy during the periods of high power demand. The fitness function for the evolutionary algorithm is defined by the equation (5) and it takes into account the cost of burnt fuel, the balance of power in the energetic system, and the balance of water in the reservoir. The paper is divided into four sections. Section 1 is short introduction to the problems of energetic system optimisation. Section 2 describes in detail the energetic system to be optimised. The system is composed of one large thermal power unit and one hydropower plant with pumping units. The changes of power demand in the energetic system are presented in Table 1; Table 2 provides the parameters of the thermal unit. In Section 3 there are given the results of numerical experiments obtained by use of the evolutionary algorithm. Figure 1 shows the plot of power changes of the thermal unit. It can be noted that the thermal unit power for most time is as low as possible, which guarantees low cost of burnt fuel. The thermal unit power grows only during the period of high power demand in order to fulfill the balance of power in the energetic system. Figure 2 is a diagram illustrating the mode of the hydropower plant operation. It can be noted that the hydropower plant operates in the pumping mode only during the hours of the lowest power demand. The results of computer simulations presented in the paper show that evolutionary algorithms can be effectively used for solving the optimisation task for energetic systems. Moreover, evolutionary algorithms can guarantee low cost of pro-duction of electrical energy, when simultaneously meeting all the constraints connected with necessity of balancing the power in the energetic system and balancing the amount of water in the hydropower plant reservoir.

10

Analiza wpływu procesu uczenia na tempo ewolucji w przypadku wielomodalnej funkcji celu

Gajer M.

Przegląd Elektrotechniczny

|

2010

|

R. 86, nr 2

24-29

PL

Ewolucja oraz uczenie się są dwoma głównymi procesami rozpatrywanymi w ramach badań nad systemami sztucznej inteligencji. Jest od dawna znanym faktem, że proces uczenia może prowadzić do przyspieszenia bądź spowolnienia przebiegu zmian ewolucyjnych, jednak wciąż brak jest solidnej teorii opisującej w sposób ilościowy rozważane zjawiska. Pewne rezultaty zostały uzyskane jedynie w przypadku monotonicznej funkcji celu. W artykule pokazano, w oparciu o przeprowadzone eksperymenty numeryczne polegające na poszukiwaniu rozwiązania optymalnego, że również w przypadku wielomodalnej funkcji celu zastosowanie uczenia prowadzi do istotnego przyspieszenia tempa ewolucji.

EN

The evolution and learning are two main processes that are examined in the domain of artificial intelligence systems. It is a well-known fact that learning can both accelerate or decelerate evolution, but there is still no solid theory that could explain these phenomena in a quantitative way. Some results were obtained only in the case of a monotonic fitness function. In the paper it was demonstrated, basing on the numerical experiments of optimum search, that also in the case of a multimodal fitness function learning can lead to a visible acceleration of the rate of evolution.

11

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..

12

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.

13

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.

14

Rozważania nad algorytmami genetycznymi i procesem ewolucji

Gajer M.

Informatyka Teoretyczna i Stosowana

|

2007

|

R. 7, nr 12

15-23

PL

Artykuł stanowi elementarne wprowadzenie do problematyki algorytmów genetycznych. Wyjaśniono genezę po-wstania technik obliczeniowych wzorowanych na biologicznej ewolucji oraz podano przykład ich zastosowań w oparciu o powszechnie znany problem komiwojażera. Następnie zwrócono uwagę na możliwość pojawienia się swoistego sprzężenia zwrotnego, polegającego na zastosowaniu techniki obliczeń ewolucyjnych w naukach biolo-gicznych, które stanowiły pierwotną inspirację do powstania algorytmów genetycznych. Podstawowe, pytanie, na jakie artykuł stara się odpowiedzieć, polega na tym, jak dalece zaobserwowane w świecie sztucznych systemów ewolucyjnych zjawiska można przenosić do świata biologicznej ewolucji czy też ewolucji systemów kulturowych i społecznych.

EN

The paper constitutes an elementary introduction to the field of genetic algorithm. In the paper the genesis of development of evolutionary computational techniques was explained. Same applications of evolutionary and genetic computational techniques were described on the example of the commonly known traveling salesman problem. In the next part of the paper there was considered the possibility of assurance of special feedback between evolutionary computational techniques and biological sciences by that the development of genetic algorithms was inspired. The main objective of the paper is to answer the question how Car the analogies between artificial genetic algorithm and biological and social evolution tan be drawn.