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.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.