CALCUL EVOLUTIONIST

Paradigme ale CE
 Calculul evolutiv contine paradigmele optimizarii si clasificarii
cu masini instruibile, care se bazeaza pe mecanisme evolutive:
 genetica biologica,
 selectia naturala
 comportament adaptiv

 Paradigmele calculului evolutiv furnizeaza instrumente pentru

a construi sisteme inteligente care modeleaza comportamentul
inteligent.

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST

Specificul CE
 Mecanisme de cautare in spatiul solutiilor bazate pe principiile
evolutiei naturale principiul supravietuirii celui mai bun (teoria
evolutionista - Darwin).
 Pentru gasirea solutiei se utilizeaza o populatie de solutii
potentiale care evolueaza.
 Evolutia indivizilor din populatie: indivizii din noua generatie devin
mai adaptati mediului dacat indivizii din care au fost creati -
similar cu adaptarea naturala.
 Furnizeaza aproximari din ce in ce mai bune ale solutiei.
 Pentru a ghida cautarea solutiei problemei, asupra populatiei se
utilizeaza transformari specifice evolutiei naturale: selectie,
recombinare (crossover, incrucusare), mutatie, reinsertie, etc

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST

Transformari specifice CE
 Selectie
 Indivizii populatiei mai apropiati de solutia problemei (o masura de
tip eroare) sunt considerati mai adecvati (potriviti) si sunt favorizati,
adica au mai multe sanse de a fi selectati pentru crearea generatie
urmatoare.

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST

Transformari specifice CE
 Selectie
 Indivizii populatiei mai apropiati de solutia problemei (o masura de
tip eroare) sunt considerati mai adecvati (potriviti) si sunt favorizati
adiva au mai multe sanse de a fi selectati pentru crearea generatie
urmatoare.
 Recombinare (Crossover, Incrucisare)
 Pornind de la doi (sau mai multi) indivizi ai populatiei curente
(parinti) se genereaza noi indivizi (urmasi). In functie de calitatea
acestora (adecvare, potrivire) urmasii isi (pot) inlocui parintii.
 Mutatie
 Pentru a asigura variabilitatea (diversitatea) populatiei se aplica, la
fel ca in natura, transformari cu caracter aleator (stocastic) asupra
indivizilor populatiei permitand astfel aparitia unor trasaturi (gene)
care doar prin selectie si incrucisare nu ar fi aparut in cadrul
populatiei.
Tehnici de inteligenţă computaţională în electronică, G. Oltean
CALCUL EVOLUTIONIST

Paradigmele EC sunt unice

 Paradigmele CE difera de paradigmele metodelor
traditionale de cautare si optimizare deoarece in CE:
 in cautare se utilizeaza o populatie de solutii candidate
(indivizi)
 utilizeaza in mod direct informatii privind “potrivirea”
(adecvarea) in loc de informatii de gradient, derivate, etc.
 utilizeaza reguli de tranzitie (determinarea variabilelor in
iteratia urmatoare) aleatoare (stocastice, ne-deterministe) nu
deterministe.

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST

Subdomenii ale CE

 In functie de modul in care este construita populatia si de modul in

care este implementata evolutia, sistemele de calcul evolutiv pot fi
incadrate in una dintre urmatoarele categorii [Eberhart, Shi07]:
 Algoritmi genetici (genetic algorithms)
 Programare evolutiva (evolutionary programming)
 Strategii evolutive (evolution strategies)
 Programare genetica (genetic programming)
 Optimizarea roiurilor de particule (particle swarm optimization)

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST

Subdomenii ale CE - AG
 Algoritmi genetici (genetic algorithms)
 Reprezinta tehnici de cautare si optimizare avand ca punct de
pornire o metafora biologica, bazata pe mostenirea genetica si
evolutia naturala
 Se folosesc in special pentru rezolvarea unor probleme complexe de
optimizare (minimizare, maximizare a unei functii obiectiv).
 Populatia este reprezentata de stari din spatiul problemei codificate
binar (un element al populatiei este un sir de biti) sau cu variabile reale.
 Principalii operatori sunt cei de selectie si incrucisare, cel de mutatie
avand o probabilitate mai mica de aplicare.
 Algoritmii genetici au fost propusi de catre Holland in perioada anilor
1960, initial ca modele ale evolutiei si adaptarii la mediu a sistemelor
naturale.
 Ulterior s-a observat ca algoritmii genetici pot fi utilizati si ca
instrumente eficace in rezolvarea problemelor de optimizare.
Tehnici de inteligenţă computaţională în electronică, G. Oltean
CALCUL EVOLUTIONIST

Subdomenii ale CE - PE
 Programare evolutiva (evolutionary programming)
 Initial programarea evolutionista a avut ca obiectiv dezvoltarea unor
structuri de calcul (automate) printr-un proces de evolutie in care se
utilizeaza doar selectia si mutatia; nu se utilizeaza incrucisarea.
 Fiecare punct in populatie reprezinta o intraga specie, speciile fiind
in competitie
 Concentrata pe procese top-down a comportamentului adaptiv;
dezvoltarea de modele comportamentale
 Bazele domeniului au fost puse de catre Fogel.
 Ulterior, programarea evolutionista a fost orientata catre rezolvarea
problemelor de optimizare avand aceeasi sfera de aplicabilitate ca si
strategiile evolutive.
 Se folosesc in special pentru rezolvarea unor probleme de
optimizare.

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST

Subdomenii ale CE - SE
 Strategii evolutive (evolution strategies)
 Se bazeaza pe evolutia evolutiei
 Au fost concepute initial pentru a rezolva probleme de optimizare in
tehnica fiind destinate rezolvarii problemelor de optimizare continua.
 Supravietuirea celui mai potrivit
 Operatorul principal este cel de mutatie dar si recombinarea este
folosita.
 Pentru strategiile evolutive au fost dezvoltate scheme de adaptare a
parametrilor de control (auto-adaptare).
 Scopul este de a muta populatia inspre regiunea cea mai buna din
spatiul solutiilor
 La dezvoltarea strategiilor evolutive contributii importante au adus
Rechenberg si Schwefel.

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST

Subdomenii ale CE - PG
 Programare genetica (genetic programming)
 Este o directie mai recenta a calculului evolutiv, dezvoltata la sfarsitul
anilor 1980 de catre Koza.
 Scopul programarii genetice este dezvoltarea unor "modele" de calcul
(programe simple).
 Populatia este reprezentata de programe care candideaza la rezolvarea
problemei.
 Exista diferite reprezentari ale elementelor populatiei, una dintre cele
mai clasice fiind aceea in care se utilizeaza o structura arborescenta
pentru reprezentarea programelor (a populatiei).
 Incrucisarea este realizata selectand aleator sub-arbori din arborele
asociat programelor parinte si interschimbandu-le.
 Ca si in cazul algoritmilor genetici mutatia are pondere mica.
 Programe de calculator care sunt codificate de catre alte programe
proiectate pentru a le optimiza performantele
Tehnici de inteligenţă computaţională în electronică, G. Oltean
CALCUL EVOLUTIONIST

Subdomenii ale CE - ORP

 Optimizarea grupurilor de particule (particle swarm optimization)
 Are radacini in trei mari domenii:
 viata artificiala in general si stoluri de pasari, bancuri de pesti si teoria roiurior
(furnicarelor) in particular
 calcul evolutiv (algoritmi genetici si strategii evolutive)
 psihologie sociala (comportarea grupurilor)
 Optimizes a problem by iteratively trying to improve a candidate solution with
regard to a given measure of quality.
 PSO optimizes a problem by having a population of candidate solutions,
(particles), and moving these particles around in the search-space according to
simple mathematical formulae over the particle's position and velocity.
 Each particle's movement is influenced by its local best known position and is
also guided toward the best known positions in the search-space, which are
updated as better positions are found by other particles. This is expected to
move the swarm toward the best solutions.

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST

Structura unui algoritm evolutiv

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST

Bazele biologice ale CE

 Legatura cu genetica, “ramură a biologiei care studiază
fenomenele şi legile eredităţii şi variabilităţii organismelor”
 Cromozom: o structura ordonata (liniara) de elemente numite
gene ale caror valori determina caracteristicile unui individ si
care transmite informatie genetica. In genetica pozitiile pe care se
afla genele in cadrul cromozomului se numesc loci (locus – sg.),
iar valorile pe care le pot lua genele se numesc alele (allel – sg.).

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST
Cromozomi umani
Contin informatie ereditara a organismului
46 de cromozomi in nucleul fiecarei celule:
 22 perechi de autozomi (numerotati dupa marime)
• arata la fel pentru ambele sexe
 1 pereche de heterozomi (determina sexul)
 feminin X,X
 masculin X,Y
 in fiecare pereche avem
cate un cromozom de la fiecare
parinte)
 cromozomii pot fi vazuti ca
siruri lungi de gene

Tehnici de inteligenţă computaţională în electronică, G. Oltean

CALCUL EVOLUTIONIST

Bazele biologice ale CE – cont.

 Vectorii (sirurile, pattern) individuali utilizati in CE corespund
cromozomilor din sistemele biologice.
 In genetica, colectia cromozomilor necesara pentru a caracteriza
complet un organism (individ) se numeste genotip (structura).
 In CE, colectia de vectori necesara pentru a specifica complet un
individ este cunoscuta sub numele de structura.
 In general, in CE un individ este caracterizat printr-un singur
vector (vector de stare, pattern) ⇒ cromozom ≡ structura.
 Un fenotip (phénotype) este setul de valori corespunzand unui
genotip, adica este o structura decodata (o solutie)

Tehnici de inteligenţă computaţională în electronică, G. Oltean