Evoluciono računarstvo

Evoluciona biologija
Deo serije o evolucijskoj biologiji
Darvinove zebe od Džona Gulda
Ključne teme uvod u evoluciju zajedničko poreklo dokaz zajedničkog porekla
Procesi i ishodi populaciona genetika varijacija raznolikost mutacija prirodna selekcija adaptacija polimorfizam genski drift genski tok specijacija adaptivna radijacija kooperacija koevolucija divergencija konvergencija paralelna evolucija izumiranje
Prirodna istorija poreklo života istorija života hronologija evolucije ljudska evolucija filogeneza biološka raznovrsnost biogeografija klasifikacija evolucijska taksonomija kladistika prelazni fosil masovno izumiranje
Istorija evolucijske teorije pregled renesansa pre Darvina Darvin Poreklo vrsta pre sinteze moderna sinteza molekularna evolucija evo-devo trenutna istraživanja istorija paleontologije hronologija
Polja i primene primene evolucije biosocijalna kriminologija ekološka genetika eksperimentalna evolucija evolucijska antropologija evolucijska ekologija evolucijska ekonomija evolucijska epistemologija evolucijska estetika evolucijska etika evolucijska fiziologija evolucijska lingvistika evolucijska medicina evolucijska neuronauka evolucijska psihologija evolucijska teorija igara evolucijsko računarstvo filogenetika paleovirologija selektivno ukrštanje sistematika univerzalni darvinizam
Socijalne implikacije evolucija kao činjenica i teorija socijalni efekt kontroverzija kreacija-evolucija prigovori evoluciji nivo potpore
п р у

U računarskoj nauci, evoluciono računarstvo je porodica algoritama za globalnu optimizaciju inspirisana biološkom evolucijom,^[1]^[2]^[3]^[4]^[5] i podoblast veštačke inteligencije i mekog računarstva koja proučava ove algoritme. U tehničkom smislu, oni su populaciono zasnovana porodica rešavanja problema tipa pokušaja i grešaka sa metaheurističkim^[6] ili stohastičkim karakterom optimizacije.^[7]^[8]^[9]

U evolucionom proračunu, početni skup rešenja kandidata se generiše i iterativno ažurira. Svaka nova generacija se proizvodi stohastičkim uklanjanjem manje željenih rešenja i uvođenjem malih nasumičnih promena kao i, u zavisnosti od metode, mešanjem roditeljskih informacija. U biološkoj terminologiji, populacija rešenja je podvrgnuta prirodnoj selekciji (ili veštačkoj selekciji), mutaciji i eventualno rekombinaciji. Kao rezultat, populacija će postepeno evoluirati kako bi se povećala fitnes, u ovom slučaju izabrane funkcije fitnesa algoritma.^[10]^[11]

Evolucione tehnike računanja mogu da proizvedu visoko optimizovana rešenja u širokom spektru podešavanja problema, što ih čini popularnim u računarskoj nauci. Postoje mnoge varijante i proširenja, prilagođena specifičnijim porodicama problema i struktura podataka. Evoluciono računanje se takođe ponekad koristi u evolucionoj biologiji kao in silico eksperimentalna procedura za proučavanje uobičajenih aspekata opštih evolucionih procesa.

Reference

^ Hall & Hallgrímsson 2008, стр. 4–6 harvnb грешка: no target: CITEREFHallHallgrímsson2008 (help)
^ „Evolution Resources”. Washington, DC: National Academies of Sciences, Engineering, and Medicine. 2016. Архивирано из оригинала 3. 6. 2016. г. CS1 одржавање: Формат датума (веза)
^ Scott-Phillips, Thomas C.; Laland, Kevin N.; Shuker, David M.; et al. (мај 2014). „The Niche Construction Perspective: A Critical Appraisal”. Evolution. 68 (5): 1231—1243. ISSN 0014-3820. PMC 4261998 . PMID 24325256. doi:10.1111/evo.12332. „Evolutionary processes are generally thought of as processes by which these changes occur. Four such processes are widely recognized: natural selection (in the broad sense, to include sexual selection), genetic drift, mutation, and migration (Fisher 1930; Haldane 1932). The latter two generate variation; the first two sort it.” CS1 одржавање: Формат датума (веза)
^ Hall & Hallgrímsson 2008, стр. 3–5 harvnb грешка: no target: CITEREFHallHallgrímsson2008 (help)
^ Voet, Voet & Pratt 2016, стр. 1–22, Chapter 1: Introduction to the Chemistry of Life harvnb грешка: no target: CITEREFVoetVoetPratt2016 (help)
^ Sörensen, Kenneth (2015). „Metaheuristics—the metaphor exposed” (PDF). International Transactions in Operational Research. 22: 3—18. CiteSeerX 10.1.1.470.3422 . S2CID 14042315. doi:10.1111/itor.12001. Архивирано из оригинала (PDF) 2013-11-02. г.
^ Spall, J. C. (2003). Introduction to Stochastic Search and Optimization. Wiley. ISBN 978-0-471-33052-3.
^ Fu, M. C. (2002). „Optimization for Simulation: Theory vs. Practice”. INFORMS Journal on Computing. 14 (3): 192—227. doi:10.1287/ijoc.14.3.192.113.
^ M.C. Campi and S. Garatti. The Exact Feasibility of Randomized Solutions of Uncertain Convex Programs. SIAM J. on Optimization, 19, no.3: 1211–1230, 2008.[1]
^ Wassersug, J. D., and R. J. Wassersug, 1986. Fitness fallacies. Natural History 3:34–37.
^ Kimura, James F. Crow, Motoo (1970). An introduction to population genetics theory ([Reprint] изд.). New Jersey: Blackburn Press. стр. 5. ISBN 978-1-932846-12-6.

Literatura

Th. Bäck, D.B. Fogel, and Z. Michalewicz (Editors), Handbook of Evolutionary Computation, 1997, ISBN 0750303921
Th. Bäck and H.-P. Schwefel. An overview of evolutionary algorithms for parameter optimization. Архивирано јул 12, 2018 на сајту Wayback Machine Evolutionary Computation. 1 (1): 1–23.
W. Banzhaf, P. Nordin, R.E. Keller, and F.D. Francone. Genetic Programming — An Introduction. Morgan Kaufmann, 1998.
S. Cagnoni, et al., Real-World Applications of Evolutionary Computing, Springer-Verlag Lecture Notes in Computer Science, Berlin, 2000.
R. Chiong, Th. Weise, Z. Michalewicz (Editors), Variants of Evolutionary Algorithms for Real-World Applications, Springer, 2012, ISBN 3642234232
K. A. De Jong, Evolutionary computation: a unified approach. MIT Press, Cambridge MA, 2006
Eiben, Agoston E.; Smith, Jim (2015). „From evolutionary computation to the evolution of things”. Nature. 521 (7553): 476—482. Bibcode:2015Natur.521..476E. PMID 26017447. doi:10.1038/nature14544.
A. E. Eiben and J.E. Smith, Introduction to Evolutionary Computing, Springer, First edition, 2003; Second edition, 2015
D. B. Fogel. Evolutionary Computation. Toward a New Philosophy of Machine Intelligence. IEEE Press, Piscataway, NJ, 1995.
L. J. Fogel, A. J. Owens, and M. J. Walsh. Artificial Intelligence through Simulated Evolution. New York: John Wiley, 1966.
D. E. Goldberg. Genetic algorithms in search, optimization and machine learning. Addison Wesley, 1989.
J. H. Holland. Adaptation in natural and artificial systems. University of Michigan Press, Ann Arbor, 1975.
P. Hingston, L. Barone, and Z. Michalewicz (Editors), Design by Evolution, Natural Computing Series, 2008, Springer, ISBN 3540741097
J. R. Koza. Genetic Programming: On the Programming of Computers by means of Natural Evolution. MIT Press, Massachusetts, 1992.
F.J. Lobo, C.F. Lima, Z. Michalewicz (Editors), Parameter Setting in Evolutionary Algorithms, Springer, 2010, ISBN 3642088929
Z. Michalewicz, Genetic Algorithms + Data Structures – Evolution Programs, 1996, Springer, ISBN 3540606769
Z. Michalewicz and D.B. Fogel, How to Solve It: Modern Heuristics, Springer, 2004, ISBN 978-3-540-22494-5
I. Rechenberg. Evolutionstrategie: Optimierung Technischer Systeme nach Prinzipien des Biologischen Evolution. Fromman-Hozlboog Verlag, Stuttgart, 1973. Шаблон:In lang
H.-P. Schwefel. Numerical Optimization of Computer Models. John Wiley & Sons, New-York, 1981. 1995 – 2nd edition.
D. Simon. Evolutionary Optimization Algorithms Архивирано март 10, 2014 на сајту Wayback Machine. Wiley, 2013.
M. Sipper; W. Fu; K. Ahuja; J. H. Moore (2018). „Investigating the parameter space of evolutionary algorithms”. BioData Mining. 11: 2. PMC 5816380 . PMID 29467825. doi:10.1186/s13040-018-0164-x .
Y. Zhang; S. Li. (2017). „PSA: A novel optimization algorithm based on survival rules of porcellio scaber”. arXiv:1709.09840  [cs.NE].