Человеческие эволюционные вычисления - Human-based evolutionary computation

Человеческие эволюционные вычисления (HBEC) представляет собой набор эволюционные вычисления методы, основанные на человеческих инновациях. Методы эволюционных вычислений, основанные на человеке, можно разделить на три более конкретных класса, аналогичных методам эволюционных вычислений. Есть три основных типа инноваций: инициализация, мутация и рекомбинация. Вот таблица, показывающая, какие типы человеческих инноваций поддерживаются в различных классах HBEC:

ИнициализацияМутацияРекомбинация
Стратегия отбора на основе человекаИкс
Стратегия эволюции на основе человекаИксИкс
Генетический алгоритм на основе человекаИксИксИкс

Все эти три класса также должны реализовывать отбор, выполняемый людьми или компьютерами.

Примеры

Стратегия отбора на основе человека

Стратегия отбора на основе человека - это простейшая процедура эволюционных вычислений на основе человека. Сегодня он широко используется веб-сайтами, передающими на аутсорсинг сбор и выбор контента людям (контент, добавленный пользователями). Их механизм, рассматриваемый как эволюционное вычисление, поддерживает две операции: инициализацию (когда пользователь добавляет новый элемент) и выбор (когда пользователь выражает предпочтение среди элементов). Программное обеспечение веб-сайта объединяет предпочтения для вычисления пригодности элементов, чтобы можно было продвигать самые подходящие элементы и отбрасывать худшие. В (Kosorukoff, 2000; Gentry, 2005) было проведено аналитическое сравнение нескольких методов отбора на основе человека.

Поскольку концепция кажется слишком простой, большинство веб-сайтов, реализующих эту идею, не могут избежать распространенной ошибки: информационный каскад в поисках человеческих предпочтений. Например, копать Реализации в стиле, широко распространенные в сети, сильно искажают последующие человеческие оценки предыдущими, показывая, сколько голосов уже получили элементы. Это делает агрегированную оценку зависимой от очень небольшой исходной выборки редко независимых оценок. Это побуждает многих игра в систему это может повысить популярность digg, но ухудшить качество представленных результатов. Слишком просто представить оценку в системе стиля digg, основанную только на заголовке контента, без чтения фактического контента, который должен быть оценен.

Лучшим примером системы отбора, основанной на человеке, является Stumbleupon. В Stumbleupon пользователи сначала знакомятся с контентом (натыкаются на него), а затем могут подтвердить свои предпочтения, нажав кнопку с большим пальцем вверх или вниз. Поскольку пользователь не видит количество голосов, отданных сайту предыдущими пользователями, Stumbleupon может собрать относительно беспристрастный набор пользовательских предпочтений и, таким образом, гораздо точнее оценивать контент.

Стратегия эволюции на основе человека

В этом контексте и, возможно, в целом, программное обеспечение Википедии является лучшей иллюстрацией работающей стратегии эволюции, основанной на человеческом развитии, в которой (целенаправленное) развитие любой данной страницы включает точную настройку базы знаний такой информации, которая относится к этой странице. Традиционный стратегия эволюции имеет три оператора: инициализация, мутация и выбор. В случае Википедии оператором инициализации является создание страницы, оператором мутации - добавочное редактирование страницы. Оператор выбора менее заметен. Это обеспечивается историей ревизий и возможностью выбора среди всех предыдущих ревизий с помощью операции возврата. Если страница подверглась вандализму и больше не соответствует своему названию, читатель может легко перейти к истории изменений и выбрать одну из предыдущих версий, которая подходит лучше всего (надеюсь, предыдущая). Эта функция выбора имеет решающее значение для успеха Википедии.

Интересным фактом является то, что исходное программное обеспечение для вики-сайтов было создано в 1995 году, но потребовалось еще как минимум шесть лет для появления крупных совместных проектов на основе вики. Почему это заняло так много времени? Одно из объяснений состоит в том, что в исходном программном обеспечении вики отсутствовала операция выбора и, следовательно, не было возможности эффективно поддерживать развитие контента. Добавление истории изменений и рост крупных сообществ, поддерживаемых вики, совпадают по времени. С точки зрения эволюционных вычислений это неудивительно: без операции выбора контент подвергался бы бесцельной генетический дрейф и вряд ли кому-нибудь пригодится. Именно этого многие люди ожидали от Википедии с самого начала. Однако с помощью операции выбора полезность контента имеет тенденцию улучшаться со временем по мере накопления полезных изменений. Это то, что на самом деле происходит в Википедии.

Генетический алгоритм на основе человека

Основная статья: Генетический алгоритм на основе человека

Генетический алгоритм на основе человека (HBGA) предоставляет средства для операции рекомбинации на основе человека (отличительная черта генетические алгоритмы ). Оператор рекомбинации объединяет хорошо подходящие части различных решений, которые развивались независимо. Это делает эволюционный процесс более эффективным.

Рекомендации

  1. Косорукофф, А. (2000) Структуры социальной классификации. Принятие оптимальных решений в организации, Конференция по генетическим и эволюционным вычислениям, GECCO-2000, Последние публикации, 175–178 онлайн
  2. Косорукофф, А. (2000) Генетический алгоритм на основе человека онлайн
  3. Каннингем, Уорд и Леуф, Бо (2001): The Wiki Way. Быстрая совместная работа в Интернете. Аддисон-Уэсли,.
  4. Косорукофф, А. (2001), Генетический алгоритм, основанный на человеке. IEEE Transactions on Systems, Man, and Cybernetics, SMC-2001, 3464-3469.
  5. Косорукофф, А., Голдберг Д. Э. (2002), Эволюционные вычисления как форма организации, Труды конференции по генетическим и эволюционным вычислениям, GECCO-2002, стр 965–972
  6. Джентри, С. и др. (2005) Безопасные распределенные человеческие вычисления на Девятой Международной конференции по финансовой криптографии и безопасности данных FC'2005 онлайн
  7. Круз, Дж., Коннор, А. (2015), Многоагентные эволюционные системы для создания сложных виртуальных миров, EAI Endorsed Transactions on Creative Technologies 15/5 онлайн, DOI: 10.4108 / eai.20-10-2015.150099