U MEL Á I NTELIGENCI A prednáška č. 9
-
Upload
brittany-lynch -
Category
Documents
-
view
42 -
download
0
description
Transcript of U MEL Á I NTELIGENCI A prednáška č. 9
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 1/ 34
UMELÁ INTELIGENCIA prednáška č. 9
Prírodne inšpirovanéprehľadávacie algoritmy
[email protected]://neuron.tuke.sk/~machm
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 2/ 34
Osnova prednáškyÚvodPožiadavky na riešenú úlohuPriestor prehľadávaniaVšeobecný prehľadávací algoritmusSledovanie činnosti algoritmuAplikácieUkážky algoritmov(prehľadávanie v akcii - SU)Záver
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 3/ 34
Prehľadávanie inšpirované prírodouPostupné generovanie a testovanie riešení (kandidátov) potrebné preskúmať veľké množstvá kandidátov pre
nájdenie riešenia (typickytisíce až milióny)
Prírodná inšpirácia je chápaná ‘voľne’ (a môže byť realizovaná v širokom
rozsahu) nesnaží sa modelovať prírodné procesy cieľom je použiť vynálezy prírody pre riešenie úloh
soft computing, computational intelligence
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 4/ 34
Požiadavky na riešenú úlohu
tvar riešenia (prirodzený alebo transformácia) rozklad na zložky (atribúty a ich hodnoty)
možnosť ohodnotenia ‘pokusu o riešenie’ porovnávanie riešení pomocou globálneho
kritéria
nízka vhodnosť vysoká vhodnosť
(A1=h18)(A2=h26) (A1=h13)(A2=h29)
(A1=h1i),...,(An=hnk)
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 5/ 34
Slabá Slabá metódametóda Silná Silná
Metódy slabé a silné
neexistuje silná metóda
silná metóda z praktických dôvodov nepoužiteľná
postačuje výkonnosť slabej metódy
Silná metóda
Ideálna slabá metóda
Slabá metóda
Background (domain) knowledge
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 6/ 34
Priestor prehľadávania
AA22
AA11
hh1111 hh1414hh1313hh1212
hh2424
hh2323
hh2222
hh2121
N-rozmerný priestor (N = počet atribútov) atribút = súradná os hodnoty atribútu mapované na hodnotyna súradnej osi
body priestoru reprezentujú potenciálne riešenia (kandidátov riešení)
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 7/ 34
Plocha vhodnosti
AA22
AA11
hh1111 hh1414hh1313hh1212
hh2424
hh2323
hh2222
hh2121
(N+1)-vá súradná os reprezentuje (ne)vhodnosť riešení
vhodnosť nemusí byť definovaná (zakázaná oblasť)
hľadáme extrém (podľa definície vhodnosti)
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 8/ 34
Ukážka reprezentácie
všeobecná úloha
pevný počet krokov
triediaca úloha
premenlivý počet krokov
selekčná úloha
03212242500321224250Priestor prehPriestor prehľadávaniaľadávania
Priestor riešeníPriestor riešení
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 9/ 34
Populácia Populácia jedincovjedincov
Nová Nová populácia populácia
Všeobecný prehľadávací algoritmus
Koniec ?Koniec ?
Počet jedincov populačný alg. individuálny alg.
Spôsob tvorby novej populácie ‘exploration’
(random search) ‘exploitation’
(gradient search)
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 10/ 34
max
vhodnosvhodnosťť
generácia
vhodnosvhodnosťť
max
generácia
Sledovanie činnosti algoritmu
Individuálny / štatistický pohľad na populáciu
Vývoj vhodnosti (priemernej, max. a min, ...)
Iné miery (konvergencia, pokrytie priestoru prehľadávania)
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 11/ 34
Aplikácie
PIPA sa vo všeobecnosti používajú pre riešenie: syntetických úloh (pseudo)optimalizačných úloh
Častý výskyt ako ‘pomocnej’ metódy (v pozadí) strojové učenie / dolovanie dát neurónové siete úlohy s ohraničeniami
KKUI: Zostavovanie kŕmnych dávok hovädzieho dobytka
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 12/ 34
73 príspevkov v sekcii Real World Applications riadenie (riadenie skleníka, znalostné bázy pre fuzzy
regulátory, optimálna priepustnosť výrobnej linky) predikcia (magnetoencefalogramy epileptických
pacientov, zhoršovanie vizuálneho poľa pacientov) robotika (úchop predmetov, optimálna cesta) alokácia zdrojov (priraďovanie frekv. kanálov) návrh (analógové a digitálne elektronické obvody) plánovanie (vzdušné hliadkovanie, časové rozvrhy) modelovanie (preteky v zbrojení - India a Pakistan)
GECCO’99
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 13/ 34
Evolučný algoritmus
Inšpirácia:Inšpirácia:
Prirodzený výber (Darwin)
Génová dedičnosť (Mendel)
Populačný (paralelný) algoritmus
Pseudostochastický algoritmus
Široká skupina algoritmov: genetické algoritmy evolučné stratégie evolučné programovanie genetické programovanie diferenciálna evolúcia eugenická evolúcia
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 14/ 34
Prehľadávanie je riadené umelou evolúciou tvoriacou selekčný tlak kto sa reprodukuje
vhodnejší jedinci majú väčšiu šancu než menej vhodní
kto prežije oddelené generácie vs. viacgeneračné spoločenstvá
Selekcia
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 15/ 34
Typicky viacstupňový proces Premiešavanie genetického
materiálu rodičov
Zmena genetického materiálu (jeden alebo viac/ mnoho rodičov)
RodičiaRodičia
PotomkoviaPotomkovia
kríženiekríženie
mutáciamutácia
Tvorba potomkov
Jedince (chromozómy) majú tvar ‘genetického kódu’ reprezentovaného riešenia
Genetickéoperátory
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 16/ 34
Základná štruktúra EA
TvorbaTvorbapotomkovpotomkov
VyhodnotenieVyhodnoteniepotomkov potomkov
T = T + 1 T = T + 1
Generovanie Generovanie jedincovjedincov
VyhodnotenieVyhodnoteniejedincovjedincov
Koniec ?Koniec ?
NováNovápopuláciapopulácia
VýberVýberrodičov rodičov
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 17/ 34
CB
B: SZ J J SV SZ JZ S J S S
C: JZ SV JZ S JV SZ JZ JV JV SV
EA demo - pôvodná populácia
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 18/ 34
C’B’
B: SZ J J SV SZ JZ S J S S
C: JZ SV JZ S JV SZ JZ JV JV SV
EA demo - nová populácia
B’: SZ J J SV SZ JZ S JV JV SV
C’: JZ S JV SZ JZ J S S SV JZ
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 19/ 34
Anjeli & Smrteľníci
Inšpirácia:Inšpirácia:
Komplexné chovanie ekologických systémov
Populačný (paralelný) algoritmus
Stochastický algoritmus
Dva typy jedincov smrteľníci (body v priestore
prehľadávania) anjeli (riadia beh vecí)
Prehľadávanie riadené umelým svetom
Vhodnosť ~ dĺžka života
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 20/ 34
Svet A&S
‘svet’ má konečné rozmery
je uzavretý (toroidálny tvar)
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 21/ 34
Základná štruktúra A&S
PozbieraniePozbieraniemŕtvychmŕtvych
Pohyb Pohyb Mutácia Mutácia
Generovanie Generovanie smrteľníkovsmrteľníkov
RozmiestnenieRozmiestneniejedincovjedincov
Koniec ?Koniec ?
KlonovanieKlonovanie
SkrátenieSkrátenieživota života
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 22/ 34
A&S demo
D
D’
D: SZ SZ SV JV J SV JZ J J SZ
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 23/ 34
Umelé mravce (mravčie kolóny)
Inšpirácia:Inšpirácia:
Kolektívne chovanie mravčích kolónií
Populačný (paralelný) algoritmus
Pseudostochastický algoritmus
Umelý mravec: kladie a orientuje sa podľa
feromónovej stopy nie je úplne slepý stochastický výber cesty má pamäť (nikdy nejde tam kde
už bol)
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 24/ 34
Hľadanie najkratšej cesty
Charakter kladnej spätnej väzby
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 25/ 34
Prehľadávanie je vykonávané v umelom svete (v ktorom sa hľadá najkratšia cesta) bod v pôvodnom priestore prehľadávania je
cestou v mravčom svete
Je možné definovať vzdialenosti medzi bodmi
Vhodnosť sa použije na update feromónových stôp pozdĺž ciest v mravčom svete
Jedinec sa generuje ako náhodná cesta závisí od feromónovej stopy a od vzdialeností
Prehľadávanie
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 26/ 34
Základná štruktúra UM
KladenieKladenieferom. stopyferom. stopy
RozmiestnenieRozmiestneniemravcov mravcov
VyhodnotenieVyhodnotenieciest ciest
RozmiestnenieRozmiestneniemravcovmravcov
GenerovanieGenerovanieciestciest
Koniec ?Koniec ?
GenerovanieGenerovanieciestciest
VyprchávanieVyprchávanieferomónu feromónu
VyhodnotenieVyhodnotenieciest ciest
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 27/ 34
UM demo
SZJZJ
JVSVS
SZJZJ
JVSVS
SZJZJ
JVSVS
SZJZJ
JVSVS
Štart
Štart
SZ SZ SV ..... Vzdialenosti
Feromón
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 28/ 34
Simulované žíhanie
Inšpirácia:Inšpirácia:
Fyzikálna evolúcia makroskopic-kých systémov
Nie je populačným algoritmom
Stochastický algoritmus
Nezávisle objavený aj Černým z Katedry teoretickej fyziky MFF UK v Bratislave
Metóda vhodná na hľadanie globálneho minima je to vlastne horolezecký algoritmus
umožňujúci únik z lokálneho extrému
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 29/ 34
Akceptácia nového riešenia
pravdepodobnospravdepodobnosťť
1.0
vhodnosťakt.
T1 > T2 > T3
T3
T2
T1
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 30/ 34
Základná štruktúra SŽ
AkceptáciaAkceptácia
Vyhodnotenie Vyhodnotenie GenerovanieGenerovanie
jedinca jedinca
Generovanie Generovanie jedincajedinca
VyhodnotenieVyhodnoteniejedincajedinca
Koniec ?Koniec ? NastavenieNastavenieteploty teploty
Koniec ?Koniec ?
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 31/ 34
SŽ demo
D
D: SZ SZ SV JV J SV JZ J J SZ
D1 D2
D1: ... JV ...
D2: ... SV ...
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 32/ 34
Dynamické určovanie vhodnosti
Inšpirácia:Inšpirácia:
Vzťah dravec-korisť
Nie je samostatným algoritmom ale rozšírením iných algoritmov
Určovanie vhodnosti (tvar plochy vhodnosti) spôsobuje: úloha je príliš ľahká - nie je tlak
na pokračovanie vývoja úloha je príliš obtiažna -
algoritmus sa nevie ‘zachytiť’
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 33/ 34
Koevolučné určovanie vhodnostiSúťaženie (najčastejšie) dvoch populácií obe sa vyvíjajú jedna je stabilná (aktivujú sa jej rôzne časti)
Dvojité prehľadávanie toho istého priestoru prehľadávania rôznych priestorov - každá populácia má svoj (jedna reprezentuje riešenia, druhá nejaké pomocné objekty)
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 34/ 34
Základná koevolučná štruktúra
Súboj Súboj Vyhodnotenie Vyhodnotenie
... ...
Koniec ?Koniec ?
... ...
... ...
Vyhodnotenie Vyhodnotenie
... ...
Koniec ?Koniec ?
... ...
... ...