Artificial EvolutionEvolutionary al

Artificial Evolution
Evolutionary algorithms are a class of optimization and search algorithms that are inspired by concepts in biological evolution such as inheritance, natural selection, mutation and mating. The sophisticated, complicated, robust and adaptive features observed in biological systems serve as a powerful motivator for mimicking these processes in problemsolving systems. Evolutionary algorithms are often used for problems that are hard to solve using traditional optimization techniques such as optimizing discontinues functions and/or functions with many non-linearly related parameters (Floreano and Mattiussi, 2008). They have been applied with successful results to a whole range of practical and scientific problems, for example, finding novel and patentable analog and electrical circuit designs (Koza et al., 2003), evolving antenna designs to be used on a NASA aircraft (Lohn et al., 2005), and more traditional benchmark problems such as the Travelling Salesman Problem (Floreano and Mattiussi, 2008). Due to elements of randomness and a highly
parallel search, the details of which will be described shortly, evolutionary algorithms
perform a much wider search of the problem space compared to traditional optimization algorithms. As a result, evolutionary algorithms often find novel solutions that could not have been obtained using traditional techniques. Progress in biological evolution require the presence of the following four factors, each of which are present to some extent in an evolutionary algorithm (Floreano and Mattiussi,2008).

ผลลัพธ์ (ไทย) 1:

วิวัฒนาการประดิษฐ์อัลกอริทึมที่วิวัฒนาการเป็นชั้นของการเพิ่มประสิทธิภาพและอัลกอริทึมค้นหาที่สร้างสรรค์แนวคิดในการวิวัฒนาการทางชีวภาพเช่นมรดก คัดเลือกโดยธรรมชาติ การกลายพันธุ์ และผสมพันธุ์ ซับซ้อน ยุ่งยาก ทนทาน และปรับลักษณะการทำงานในระบบชีวภาพทำหน้าที่เป็นแรงผลักดันที่มีประสิทธิภาพสำหรับนั่งกระบวนการเหล่านี้ในระบบ problemsolving อัลกอริทึมวิวัฒนาการมักจะใช้สำหรับปัญหาที่ยากที่จะแก้ปัญหาโดยใช้เทคนิคการเพิ่มประสิทธิภาพแบบดั้งเดิมเช่น เพิ่มประสิทธิภาพเลิกฟังก์ชันหรือฟังก์ชันกับพารามิเตอร์ที่เกี่ยวข้องไม่ใช่เชิงเส้นมาก (Floreano และ Mattiussi, 2008) พวกเขาได้ถูกใช้กับผลสำเร็จที่ทั้งช่วงของปัญหาทางปฏิบัติ และทางวิทยาศาสตร์ เช่น นวนิยายและออกแบบวงจรอนาล็อก และไฟฟ้า patentable (ตรินิแดด et al. 2003) การพัฒนาออกแบบเสาอากาศที่จะใช้ในเครื่องบินของ NASA (โหลน et al. 2005), และปัญหามาตรฐานแบบดั้งเดิมเช่นการเดินทางขายปัญหา (Floreano และ Mattiussi, 2008) เนื่องจากองค์ประกอบของการสุ่ม และความสูงค้นหาแบบขนาน รายละเอียดที่จะเป็นอัลกอริทึมที่อธิบายไว้ในไม่ช้า วิวัฒนาการทำการค้นหาที่กว้างขึ้นของปัญหาพื้นที่เมื่อเทียบกับอัลกอริทึมแบบปรับให้เหมาะสม เป็นผล อัลกอริทึมวิวัฒนาการมักพบโซลูชั่นใหม่ที่อาจไม่ได้ถูกรับโดยใช้เทคนิคแบบดั้งเดิม ความคืบหน้าในวิวัฒนาการทางชีวภาพจำเป็นต้องมีปัจจัยสี่ต่อไปนี้ แต่ละที่มีอยู่บ้างในอัลกอริทึมการวิวัฒนาการ (Floreano และ Mattiussi, 2008)

ผลลัพธ์ (ไทย) 2:

ประดิษฐ์วิวัฒนาการ
ขั้นตอนวิธีวิวัฒนาการเป็นชั้นของการเพิ่มประสิทธิภาพและการค้นหาขั้นตอนวิธีการที่มีแรงบันดาลใจจากแนวความคิดในการวิวัฒนาการทางชีววิทยาเช่นมรดก, การคัดเลือกโดยธรรมชาติการกลายพันธุ์และผสมพันธุ์ คุณสมบัติที่มีความซับซ้อนที่ซับซ้อนที่แข็งแกร่งและการปรับตัวที่สังเกตในระบบชีวภาพทำหน้าที่เป็นแรงผลักดันที่มีประสิทธิภาพสำหรับการลอกเลียนแบบกระบวนการเหล่านี้ในระบบญ ขั้นตอนวิธีวิวัฒนาการมักจะใช้สำหรับปัญหาที่ยากที่จะแก้ปัญหาโดยใช้เทคนิคการเพิ่มประสิทธิภาพแบบดั้งเดิมเช่นการเพิ่มประสิทธิภาพของฟังก์ชั่นหยุดยาและ / หรือฟังก์ชั่นที่มีพารามิเตอร์ที่ไม่เป็นเส้นตรงอีกมากมายที่เกี่ยวข้อง (Floreano และ Mattiussi 2008) พวกเขาได้ถูกนำมาใช้กับผลลัพธ์ที่ประสบความสำเร็จทั้งช่วงของปัญหาในทางปฏิบัติและทางวิทยาศาสตร์เช่นการหานวนิยายและอนาล็อกจดทะเบียนและการออกแบบวงจรไฟฟ้า (Koza et al., 2003) การพัฒนาการออกแบบเสาอากาศที่จะใช้ในเครื่องบินนาซา (Lohn et al., 2005) และอื่น ๆ ปัญหามาตรฐานแบบดั้งเดิมเช่นปัญหาท่องเที่ยวพนักงานขาย (Floreano และ Mattiussi 2008) เนื่องจากองค์ประกอบของการสุ่มและสูง
ค้นหาขนานรายละเอียดของการที่จะอธิบายในไม่ช้าขั้นตอนวิธีวิวัฒนาการ
ทำการค้นหาที่กว้างมากของพื้นที่ปัญหาเมื่อเทียบกับการเพิ่มประสิทธิภาพขั้นตอนวิธีการแบบดั้งเดิม เป็นผลให้ขั้นตอนวิธีวิวัฒนาการมักจะพบว่าการแก้ปัญหาใหม่ที่อาจจะไม่ได้รับโดยใช้เทคนิคแบบดั้งเดิม ความคืบหน้าในการวิวัฒนาการทางชีวภาพจำเป็นต้องมีปัจจัยสี่ต่อไปนี้ซึ่งแต่ละที่มีอยู่ไปบ้างในขั้นตอนวิธีวิวัฒนาการ (Floreano และ Mattiussi 2008) เดอะ

ผลลัพธ์ (ไทย) 3:

วิวัฒนาการของปัญญาประดิษฐ์ขั้นตอนวิธีเชิงวิวัฒนาการมีคลาสของการเพิ่มประสิทธิภาพและขั้นตอนวิธีการค้นหาที่ได้รับแรงบันดาลใจจากแนวคิดวิวัฒนาการทางชีววิทยา เช่น มรดก การคัดเลือกตามธรรมชาติ การกลายพันธุ์และผสมพันธุ์ ซับซ้อน ซับซ้อน ทนทานและปรับคุณสมบัติที่พบในระบบชีวภาพเป็นแรงจูงใจที่มีประสิทธิภาพสำหรับการเลียนแบบกระบวนการเหล่านี้ในการแก้ปัญหาระบบ คนแรกของหัวใจ คนสุดท้ายของชีวิตมักจะใช้สำหรับปัญหาที่ยากที่จะแก้ได้ โดยใช้เทคนิคการเพิ่มประสิทธิภาพแบบดั้งเดิมเช่นการหยุดการทำงาน และ / หรือฟังก์ชันที่มีพารามิเตอร์หลายน้ำหนักที่เกี่ยวข้อง ( และไม่ floreano mattiussi , 2008 ) พวกเขาถูกนำมาใช้กับผลลัพธ์ที่ประสบความสำเร็จทั้งช่วงของปัญหาในทางปฏิบัติและทางวิทยาศาสตร์ ตัวอย่างเช่น การค้นหาใหม่และสิทธิบัตรอนาล็อกและออกแบบวงจรไฟฟ้า ( โคซา et al . , 2003 ) ซึ่งการออกแบบสายอากาศเพื่อใช้ในนาซ่าอากาศยาน ( ลอ น et al . , 2005 ) และปัญหามาตรฐานแบบดั้งเดิมมากขึ้นเช่น การเดินทางปัญหาพนักงานขาย ( floreano และ mattiussi , 2008 ) เนื่องจากองค์ประกอบของการสุ่มและสูงการค้นหาแบบละเอียดของซึ่งจะอธิบายในไม่ช้า ขั้นตอนวิธีเชิงวิวัฒนาการการค้นหาปัญหาที่กว้างมากของพื้นที่เทียบกับขั้นตอนวิธีการเพิ่มประสิทธิภาพแบบ เป็นผล , คนแรกของหัวใจ คนสุดท้ายของชีวิตมักจะพบนวนิยายโซลูชั่นที่สามารถได้รับการใช้เทคนิคแบบดั้งเดิม ความคืบหน้าในการวิวัฒนาการทางชีวภาพต้องมี 4 ปัจจัยต่อไปนี้ซึ่งแต่ละมีอยู่บ้างในขั้นตอนวิธีเชิงวิวัฒนาการ ( floreano และ mattiussi , 2008 )