Kulturní algoritmus - Cultural algorithm

Kulturní algoritmy (CA) jsou odvětví evolučních výpočtů, kde kromě složky populace existuje složka znalostí, která se nazývá prostor víry . V tomto smyslu lze kulturní algoritmy považovat za rozšíření konvenčního genetického algoritmu . Kulturní algoritmy představil Reynolds (viz odkazy).

Prostor víry

Prostor víry kulturního algoritmu je rozdělen do různých kategorií. Tyto kategorie představují různé domény znalostí, které má populace vyhledávacího prostoru .

Prostor víry je aktualizován po každé iteraci nejlepšími jedinci populace. Nejlepší jednotlivci mohou být vybráni pomocí fitness funkce, která hodnotí výkon každého jednotlivce v populaci podobně jako v genetických algoritmech.

Seznam kategorií prostoru víry

• Normativní znalosti Soubor požadovaných hodnotových rozsahů pro jednotlivce v populační složce, např. Přijatelné chování pro agenty v populaci.
• Znalost specifické pro doménu Informace o doméně problému kulturního algoritmu jsou aplikovány na.
• Znalosti o situaci Konkrétní příklady důležitých událostí - např. Úspěšná / neúspěšná řešení
• Časová znalost Historie prohledávaného prostoru - např. Časové vzorce prohledávacího procesu
• Prostorové znalosti Informace o topografii vyhledávacího prostoru

Počet obyvatel

Populační složka kulturního algoritmu je přibližně stejná jako složka genetického algoritmu .

Komunikační protokol

Kulturní algoritmy vyžadují rozhraní mezi populací a prostorem víry. Nejlepší jednotlivci populace mohou aktualizovat prostor víry pomocí funkce aktualizace. Také znalostní kategorie prostoru víry mohou ovlivnit populační složku prostřednictvím funkce vlivu. Funkce ovlivnění může ovlivnit populaci změnou genomu nebo akcí jednotlivců.

Pseudokód pro kulturní algoritmy

1. Inicializovat populační prostor (vyberte počáteční populaci )
2. Inicializovat prostor víry (např. Nastavit specifické znalosti domény a normativní rozsahy hodnot)
3. Opakujte, dokud není splněna podmínka ukončení
   1. Provádějte akce jednotlivců v populačním prostoru
   2. Vyhodnoťte každého jednotlivce pomocí funkce fitness
   3. Vyberte rodiče k reprodukci nové generace potomků
   4. Nechte prostor víry změnit genom potomstva pomocí funkce vlivu
   5. Aktualizujte prostor víry pomocí funkce přijmout (to se provádí tím, že necháte ty nejlepší jednotlivce ovlivnit prostor víry)

Aplikace

• Různé optimalizační problémy
• Sociální simulace
• Reálná optimalizace parametrů

Viz také

• Umělá inteligence
• Umělý život
• Evoluční výpočet
• Genetický algoritmus
• Hledání harmonie
• Strojové učení
• Memetický algoritmus
• Memetika
• Metaheuristické
• Sociální simulace
• Sociokulturní evoluce
• Stochastická optimalizace
• Rojová inteligence

Reference

• Robert G. Reynolds, Ziad Kobti, Tim Kohler: Agent-Based Modeling of Cultural Change in Swarm using Cultural Algorithms
• RG Reynolds, „An Introduction to Cultural Algorithms“, ve sborníku z 3. výroční konference o evolučním programování, World Scienfific Publishing, str. 131–139, 1994.
• Robert G. Reynolds, Bin Peng. Učení znalostí a sociální roje v kulturních systémech. Journal of Mathematical Sociology. 29: 1-18, 2005
• Reynolds, RG a Ali, M. Z, „Vložení komponenty Social Fabric do sady kulturních algoritmů pro vylepšenou optimalizaci inženýrství založeného na znalostech“, International Journal of Intelligent Computing and Cybernetics (IJICC), sv. 1, č. 4, s. 356–378, 2008
• Reynolds, R. G. a Ali, M. Z., Exploring Knowledge and Population Swarms via an Agent-Based Cultural Algorithms Simulation Toolkit (CAT), in meeting of IEEE Congress on Computational Intelligence 2007.