Les algorithmes évolutionnistes ou algorithmes évolutionnaires (evolutionary computation en anglais), sont une famille d'algorithmes s'inspirant de la théorie de l'évolution pour résoudre des problèmes divers. Ils font ainsi évoluer un ensemble de solutions à un problème donné, dans l'optique de trouver les meilleurs résultats.

PropertyValue
dbpedia-owl:abstract
  • Les algorithmes évolutionnistes ou algorithmes évolutionnaires (evolutionary computation en anglais), sont une famille d'algorithmes s'inspirant de la théorie de l'évolution pour résoudre des problèmes divers. Ils font ainsi évoluer un ensemble de solutions à un problème donné, dans l'optique de trouver les meilleurs résultats. Ce sont des algorithmes stochastiques, car ils utilisent itérativement des processus aléatoires.La grande majorité de ces méthodes sont utilisées pour résoudre des problèmes d'optimisation, elles sont en cela des métaheuristiques, bien que le cadre général ne soit pas nécessairement dédié aux algorithmes d'optimisation au sens strict. On les classe également parmi les méthodes d'intelligence calculatoire (en).
  • Algoritmos Evolutivos são algoritmos baseados em uma gama de mecanismos da evolução biológica e serviram para originar conceitos um pouco mais recentes, como o dos Algoritmos Genéticos A motivação para a construção de tais modelos computacionais surgiu de teorias através das quais a Natureza, por meio de seus recursos, resolveu problemas de complexidade, isto é, determinar quantidade de “recursos” para resolver “problemas”, de sobrevivência. Assim, pode-se dizer que a natureza otimiza seus mecanismos para resolver um ou mais problemas. A partir de um problema de otimização, mesmo que se desconheça o que se está otimizando, é possível encontrar uma ótima solução, através dos Algorítimos Evolutivos e suas variações. Ou seja, tais algoritmos podem trabalhar em cima de problemas, sem que exista um conhecimento explicito, isto é, que podem tratar-se de paradigmas. Os Algoritmos Evolutivos buscam tratar estruturas de objetos abstratos de uma população, como, por exemplo, variáveis de um problema de otimização, dos quais são manipulados por operadores inspirados na evolução biológica, que objetivam a busca para a solução de um problema, estes operadores são comumente chamados de operadores genéticos.
  • Эволюционные алгоритмы — направление в искусственном интеллекте (раздел эволюционного моделирования), которое использует и моделирует процессы естественного отбора.
  • Un algoritmo evolutivo è un algoritmo euristico che si ispira al principio di evoluzione degli esseri viventi. Semplificando si può affermare che, un algoritmo evolutivo prevede di partire da una soluzione e di farla evolvere con una serie di modifiche casuali fino a giungere ad una soluzione migliore. Concettualmente, un algoritmo evolutivo è molto simile ad un algoritmo genetico ed infatti si differenzia da quest'ultima categoria principalmente per l'assenza del meccanismo di crossover con cui più soluzioni appartenenti ad una popolazione in fase di evoluzione, vengono ricombinate.
  • Los algoritmos evolutivos son métodos de optimización y búsqueda de soluciones basados en los postulados de la evolución biológica. En ellos se mantiene un conjunto de entidades que representan posibles soluciones, las cuales se mezclan, y compiten entre sí, de tal manera que las más aptas son capaces de prevalecer a lo largo del tiempo, evolucionando hacia mejores soluciones cada vez.Los algoritmos evolutivos, y la computación evolutiva, son una rama de la inteligencia artificial. Son utilizados principalmente en problemas con espacios de búsqueda extensos y no lineales, en donde otros métodos no son capaces de encontrar soluciones en un tiempo razonable.Siguiendo la terminología de la teoría de la evolución, las entidades que representan las soluciones al problema se denominan individuos o cromosomas, y el conjunto de éstos, población. Los individuos son modificados por operadores genéticos, principalmente el sobrecruzamiento, que consiste en la mezcla de la información de dos o más individuos; la mutación, que es un cambio aleatorio en los individuos; y la selección, consistente en la elección de los individuos que sobrevivirán y conformarán la siguiente generación. Dado que los individuos que representan las soluciones más adecuadas al problema tienen más posibilidades de sobrevivir, la población va mejorando gradualmente.
  • Algorytm ewolucyjny - algorytm wzorowany na biologicznej ewolucji, stosowany do zadań optymalizacyjnych i modelowania.Algorytmy ewolucyjne dzielą się na:Algorytmy genetyczneProgramowanie genetyczne Programowanie ewolucyjne Przeszukiwanie rozproszone Strategie ewolucyjneNeuroewolucje (Neuroevolution)
  • In artificial intelligence, an evolutionary algorithm (EA) is a subset of evolutionary computation, a generic population-based metaheuristic optimization algorithm. An EA uses mechanisms inspired by biological evolution, such as reproduction, mutation, recombination, and selection. Candidate solutions to the optimization problem play the role of individuals in a population, and the fitness function determines the quality of the solutions (see also loss function). Evolution of the population then takes place after the repeated application of the above operators. Artificial evolution (AE) describes a process involving individual evolutionary algorithms; EAs are individual components that participate in an AE.Evolutionary algorithms often perform well approximating solutions to all types of problems because they ideally do not make any assumption about the underlying fitness landscape; this generality is shown by successes in fields as diverse as engineering, art, biology, economics, marketing, genetics, operations research, robotics, social sciences, physics, politics and chemistry[citation needed].Techniques from evolutionary algorithms applied to the modeling of biological evolution are generally limited to explorations of microevolutionary processes. The computer simulations Tierra and Avida attempt to model macroevolutionary dynamics.In most real applications of EAs, computational complexity is a prohibiting factor. In fact, this computational complexity is due to fitness function evaluation. Fitness approximation is one of the solutions to overcome this difficulty. However, seemingly simple EA can solve often complex problems; therefore, there may be no direct link between algorithm complexity and problem complexity.A possible limitation of many evolutionary algorithms is their lack of a clear genotype-phenotype distinction. In nature, the fertilized egg cell undergoes a complex process known as embryogenesis to become a mature phenotype. This indirect encoding is believed to make the genetic search more robust (i.e. reduce the probability of fatal mutations), and also may improve the evolvability of the organism. Such indirect (aka generative or developmental) encodings also enable evolution to exploit the regularity in the environment. Recent work in the field of artificial embryogeny, or artificial developmental systems, seeks to address these concerns. And gene expression programming successfully explores a genotype-phenotype system, where the genotype consists of linear multigenic chromosomes of fixed length and the phenotype consists of multiple expression trees or computer programs of different sizes and shapes.
  • Evolutionäre Algorithmen (EA) sind eine Klasse von stochastischen, metaheuristischen Optimierungsverfahren, deren Funktionsweise von der Evolution natürlicher Lebewesen inspiriert ist. In Anlehnung an die Natur werden Lösungskandidaten für ein bestimmtes Problem künstlich evolviert, EA sind also naturanaloge Optimierungsverfahren. Die Zuordnung zu den stochastischen und metaheuristischen Algorithmen bedeutet vor allem, dass EA meist nicht die beste Lösung für ein Problem finden, aber bei Erfolg eine hinreichend gute, was in der Praxis vor allem bei NP-vollständigen Problemen bereits wünschenswert ist. Die Verfahren verschiedener EA unterscheiden sich untereinander in erster Linie durch die genutzten Selektions-, Rekombinations- und Mutationsoperatoren, das Genotyp-Phänotyp-Mapping, sowie die Problemrepräsentation.Die ersten praktischen Implementierungen evolutionärer Algorithmen wurden Ende der 1950er Jahre veröffentlicht, allerdings äußerten sich bereits in den vorigen Jahrzehnten Wissenschaftler zum Potenzial der Evolution für maschinelles Lernen.Es gibt vier Hauptströmungen, deren Konzepte zumindest historisch voneinander zu unterscheiden sind: genetische Algorithmen, evolutionäre Algorithmen, genetische Programmierung und evolutionäre Programmierung. Heute verschwimmen diese Abgrenzungen zunehmend. Für eine bestimmte Anwendung wird ein EA geeignet entworfen, wobei in den letzten Jahrzehnten viele verschiedene Algorithmen und einzelne Operatoren entwickelt wurden, die heute benutzt werden können.Die Anwendungen von EA gehen über Optimierung und Suche hinaus und finden sich auch in Kunst, Modellierung und Simulation, insbesondere auch bei der Untersuchung evolutionsbiologischer Fragestellungen.
  • Evrimsel algoritma (EA), yapay zeka oluşturmada evrimsel bilgisayımın bir alt kümesi olup meta bulucu optimizasyon algoritması tabanında jenere edilmiş popülasyondur. Evrimsel algoritma, biyolojik evrimden esinlenerek üreme, mutasyon, rekombinasyon ve doğal seçilime benzer mekanizmalar kullanır. Optimizasyon problemlerinin aday çözümleri bir popülasyondaki bireyleri temsil eder ve seçilim değeri fonksiyonları çözümlerin içinde "yaşadığı" çevreyi belirler (buna dair ayrıca maliyet fonksiyonuna da bakınız). Popülasyonon evrimi yukarıdaki operatörlerin tekrarlanan uygulaması sonrasında gerçekleşir. Yapay evrim (YE), başlı başına farklı evrimsel algoritmalar içeren bir süreci anlatmaktadır; EA'ların her biri, YE'e katılım yapan ayrı bir bileşendir. Evrimsel algoritmalar, genellikle her türlü sorunlar için, temelinde yatan seçilim değeri yüzeyi hakkında ideal bir şekilde herhangi bir varsayım yapmadığı için yaklaşık çözümler sunar ve bu, mühendislik, sanat, biyoloji, ekonomi, pazarlama, genetik, yöneylem araştırması, robotik, sosyal bilimler, fizik, siyaset ve kimya gibi çeşitli alanlarda başarılı bir şekilde genel olarak gösterilmiştir. Matematiksel optimizasyonlarda kullanımlarının dışında evrimsel bilgisayım ve algoritma aynı zamanda, biyolojik evrim ve doğal seleksiyon ile ilgili teorilerini doğrulamak için, özellikle yapay yaşam alanında çalışmalarda deneysel bir çerçeve içinde kullanılmıştır. Biyolojik evrim modellemesinde uygulanan evrimsel algoritma teknikleri mikroevrimsel süreçlerin aaraştırılmasında genellikle sınırlı olmakla birlikte Ancak, Tierra ve Avida gibi bazı bilgisayar simülasyonları makroevrimsel dinamik modeline teşebbüs ederler.
  • 進化的アルゴリズム(しんかてきアルゴリズム、evolutionary algorithm、EAと略記)は進化的計算の一分野を意味し、人工知能の一部である。個体群ベースのメタヒューリスティックな最適化アルゴリズムの総称である。そのメカニズムとして生殖、突然変異、遺伝子組み換え、自然淘汰、適者生存といった進化の仕組みに着想を得たアルゴリズムを用いる。最適化問題の解の候補群が生物の個体群の役割を果たし、コスト関数によってどの解が生き残るかを決定する。それが繰り返された後、個体群の進化が行われる。EAの例を以下に示す。これらの技法は本質的には同様だが、実装の詳細は異なっており、適用される問題の分野が異なる。 遺伝的アルゴリズムこれは EA の中でも最も一般的な手法である。問題の解を探索するにあたって数値の列を使用し(2進数を使うのが古典的だが、解決すべき問題に合わせて最適な形式が選択され、2進数になるとは限らない)、選択と変異に加えて事実上常に組み換えオペレータを適用する。遺伝的プログラミング基本は遺伝的アルゴリズムと同じだが、解は木構造の形式で表し数式やプログラムコードを表現する。適応度関数はその計算能力などで評価する。進化的戦略実数のベクトルで解を表し、探索を行うと同時に自己変異用のパラメータも更新していく。進化的プログラミング解の適応度関数に集団中におけるその解の優位性を表した確率的な関数を用いる。これらは適応度地形にいかなる仮定も持たないので、進化的アルゴリズムがあらゆるタイプの問題でうまく機能すると信じられている(ただし、ノーフリーランチ定理に注意)。このことは、工学、芸術、生物学、経済学(進化経済学)、遺伝学、オペレーションズリサーチ、ロボット工学、社会科学、物理学、化学などの分野で成功を収めていることで裏付けられている。数学的なオプティマイザとしての使用法は別として、進化的計算とアルゴリズムは進化と自然淘汰の仮説の正当性を実験検証するのにも使われてきた。特に人工生命の分野がそれである。進化的アルゴリズムの手法は生物の進化モデルに適用する際には一般に小進化に限定される。もっとも、TierraやAvidaのようなコンピュータシミュレーションは大進化のモデル化を意図している。進化的アルゴリズムの制限として、遺伝子型と表現型の区別が不明確という点が挙げられる。実際、受精した卵細胞は胚発生という複雑なプロセスを経て円熟した表現型になる。この間接的エンコーディングによって、間違った突然変異を低減させるなどの遺伝の頑強化がなされていると考えられ、有機体の進化可能性も改善される。人工胚発生や人工発生システムの研究では、これらの懸念への対処が最近の仕事となっている。
dbpedia-owl:thumbnail
dbpedia-owl:wikiPageID
  • 1300443 (xsd:integer)
dbpedia-owl:wikiPageInterLanguageLink
dbpedia-owl:wikiPageLength
  • 16993 (xsd:integer)
dbpedia-owl:wikiPageOutDegree
  • 48 (xsd:integer)
dbpedia-owl:wikiPageRevisionID
  • 108894644 (xsd:integer)
dbpedia-owl:wikiPageWikiLink
prop-fr:fr
  • intelligence calculatoire
prop-fr:lang
  • en
prop-fr:texte
  • intelligence calculatoire
prop-fr:trad
  • Computational intelligence
prop-fr:wikiPageUsesTemplate
dcterms:subject
rdfs:comment
  • Les algorithmes évolutionnistes ou algorithmes évolutionnaires (evolutionary computation en anglais), sont une famille d'algorithmes s'inspirant de la théorie de l'évolution pour résoudre des problèmes divers. Ils font ainsi évoluer un ensemble de solutions à un problème donné, dans l'optique de trouver les meilleurs résultats.
  • Эволюционные алгоритмы — направление в искусственном интеллекте (раздел эволюционного моделирования), которое использует и моделирует процессы естественного отбора.
  • Algorytm ewolucyjny - algorytm wzorowany na biologicznej ewolucji, stosowany do zadań optymalizacyjnych i modelowania.Algorytmy ewolucyjne dzielą się na:Algorytmy genetyczneProgramowanie genetyczne Programowanie ewolucyjne Przeszukiwanie rozproszone Strategie ewolucyjneNeuroewolucje (Neuroevolution)
  • 進化的アルゴリズム(しんかてきアルゴリズム、evolutionary algorithm、EAと略記)は進化的計算の一分野を意味し、人工知能の一部である。個体群ベースのメタヒューリスティックな最適化アルゴリズムの総称である。そのメカニズムとして生殖、突然変異、遺伝子組み換え、自然淘汰、適者生存といった進化の仕組みに着想を得たアルゴリズムを用いる。最適化問題の解の候補群が生物の個体群の役割を果たし、コスト関数によってどの解が生き残るかを決定する。それが繰り返された後、個体群の進化が行われる。EAの例を以下に示す。これらの技法は本質的には同様だが、実装の詳細は異なっており、適用される問題の分野が異なる。 遺伝的アルゴリズムこれは EA の中でも最も一般的な手法である。問題の解を探索するにあたって数値の列を使用し(2進数を使うのが古典的だが、解決すべき問題に合わせて最適な形式が選択され、2進数になるとは限らない)、選択と変異に加えて事実上常に組み換えオペレータを適用する。遺伝的プログラミング基本は遺伝的アルゴリズムと同じだが、解は木構造の形式で表し数式やプログラムコードを表現する。適応度関数はその計算能力などで評価する。進化的戦略実数のベクトルで解を表し、探索を行うと同時に自己変異用のパラメータも更新していく。進化的プログラミング解の適応度関数に集団中におけるその解の優位性を表した確率的な関数を用いる。これらは適応度地形にいかなる仮定も持たないので、進化的アルゴリズムがあらゆるタイプの問題でうまく機能すると信じられている(ただし、ノーフリーランチ定理に注意)。このことは、工学、芸術、生物学、経済学(進化経済学)、遺伝学、オペレーションズリサーチ、ロボット工学、社会科学、物理学、化学などの分野で成功を収めていることで裏付けられている。数学的なオプティマイザとしての使用法は別として、進化的計算とアルゴリズムは進化と自然淘汰の仮説の正当性を実験検証するのにも使われてきた。特に人工生命の分野がそれである。進化的アルゴリズムの手法は生物の進化モデルに適用する際には一般に小進化に限定される。もっとも、TierraやAvidaのようなコンピュータシミュレーションは大進化のモデル化を意図している。進化的アルゴリズムの制限として、遺伝子型と表現型の区別が不明確という点が挙げられる。実際、受精した卵細胞は胚発生という複雑なプロセスを経て円熟した表現型になる。この間接的エンコーディングによって、間違った突然変異を低減させるなどの遺伝の頑強化がなされていると考えられ、有機体の進化可能性も改善される。人工胚発生や人工発生システムの研究では、これらの懸念への対処が最近の仕事となっている。
  • In artificial intelligence, an evolutionary algorithm (EA) is a subset of evolutionary computation, a generic population-based metaheuristic optimization algorithm. An EA uses mechanisms inspired by biological evolution, such as reproduction, mutation, recombination, and selection. Candidate solutions to the optimization problem play the role of individuals in a population, and the fitness function determines the quality of the solutions (see also loss function).
  • Evrimsel algoritma (EA), yapay zeka oluşturmada evrimsel bilgisayımın bir alt kümesi olup meta bulucu optimizasyon algoritması tabanında jenere edilmiş popülasyondur. Evrimsel algoritma, biyolojik evrimden esinlenerek üreme, mutasyon, rekombinasyon ve doğal seçilime benzer mekanizmalar kullanır.
  • Evolutionäre Algorithmen (EA) sind eine Klasse von stochastischen, metaheuristischen Optimierungsverfahren, deren Funktionsweise von der Evolution natürlicher Lebewesen inspiriert ist. In Anlehnung an die Natur werden Lösungskandidaten für ein bestimmtes Problem künstlich evolviert, EA sind also naturanaloge Optimierungsverfahren.
  • Los algoritmos evolutivos son métodos de optimización y búsqueda de soluciones basados en los postulados de la evolución biológica. En ellos se mantiene un conjunto de entidades que representan posibles soluciones, las cuales se mezclan, y compiten entre sí, de tal manera que las más aptas son capaces de prevalecer a lo largo del tiempo, evolucionando hacia mejores soluciones cada vez.Los algoritmos evolutivos, y la computación evolutiva, son una rama de la inteligencia artificial.
  • Algoritmos Evolutivos são algoritmos baseados em uma gama de mecanismos da evolução biológica e serviram para originar conceitos um pouco mais recentes, como o dos Algoritmos Genéticos A motivação para a construção de tais modelos computacionais surgiu de teorias através das quais a Natureza, por meio de seus recursos, resolveu problemas de complexidade, isto é, determinar quantidade de “recursos” para resolver “problemas”, de sobrevivência.
  • Un algoritmo evolutivo è un algoritmo euristico che si ispira al principio di evoluzione degli esseri viventi. Semplificando si può affermare che, un algoritmo evolutivo prevede di partire da una soluzione e di farla evolvere con una serie di modifiche casuali fino a giungere ad una soluzione migliore.
rdfs:label
  • Algorithme évolutionniste
  • Algoritmo evolutivo
  • Algoritmo evolutivo
  • Algoritmo evolutivo
  • Algorytm ewolucyjny
  • Evolutionary algorithm
  • Evolutionärer Algorithmus
  • Evrimsel algoritma
  • Эволюционные алгоритмы
  • 進化的アルゴリズム
owl:sameAs
http://www.w3.org/ns/prov#wasDerivedFrom
foaf:depiction
foaf:isPrimaryTopicOf
is dbpedia-owl:wikiPageRedirects of
is dbpedia-owl:wikiPageWikiLink of
is foaf:primaryTopic of