Gość: well
IP: 5.5R* / *.wlfdle.rnc.net.cable.rogers.com
08.05.05, 04:43
Ewolucja + programowanie = rozwiązanie?
Naukowcy poszukujący nowych metod rozwiązywania problemów zainspirowali się
procesem ewolucji i jej „skutecznością” (czy nie o tym świadczą inteligentne
formy życia?). Ewolucja jest drogą małych, stopniowych zmian – krok za
krokiem, metodą prób i błędów zdążamy ku lepszym rozwiązaniom.
A może w ten sposób poszukiwać rozwiązań problemów przy pomocy komputera?
Korzystając z bogatego słownika genetyki, posłużmy się chromosomami (sposób
zapisu genów, cech), osobnikami (zbiór określonych cech), selekcją (dobór
osobników do rozrodu), krzyżowaniem (połączenie materiału genetycznego dwóch
osobników), mutacją (zmiana jednego genu), pokoleniami czy przystosowaniem
(jak dany osobnik sobie radzi w środowisku). Jeśli już mowa o słownictwie i
definicjach, to na ewolucji wzorowanych jest kilka technik: algorytm
genetyczny (klasyczny czy „nieporządny”), algorytm mimetyczny, algorytm
ewolucyjny, programowanie genetyczne czy strategie ewolucyjne. W jednym z
artykułów zajmę się ich rozróżnieniem, jednak do tego czasu, nie wnikam w
szczegóły i całą grupę algorytmów będę określał jako algorytm genetyczny
(Genetic Algorithm, GA).
sztuczna inteligencja – ang. artifical intelligence (AI), nauka
interdyscyplinarna, której zadaniem jest pośrednio zrozumienie inteligencji
naturalnych organizmów, a działaniem bezpośrednim jest zbudowanie programu,
który w trakcie swojego działania będzie polepszał swoją skuteczność (będzie
się uczył).