In der Informatik ist Entwicklungsberechnung ein Teilfeld der künstlichen Intelligenz (mehr besonders rechenbetonte Intelligenz), der kombinatorische Optimierungsprobleme einschließt.

Entwicklungsberechnung verwendet wiederholenden Fortschritt, wie Wachstum oder Entwicklung in einer Bevölkerung. Diese Bevölkerung wird dann in einer geführten zufälligen Suche mit der Parallele ausgewählt, die in einer Prozession geht, um das gewünschte Ende zu erreichen. Solche Prozesse werden häufig durch biologische Mechanismen der Evolution begeistert.

Da Evolution hoch optimierte Prozesse und Netze erzeugen kann, hat sie viele Anwendungen in der Informatik.

Geschichte

Der Gebrauch von darwinistischen Grundsätzen für das automatisierte Problem-Lösen ist in den fünfziger Jahren entstanden. Erst als die sechziger Jahre, dass drei verschiedene Interpretationen dieser Idee angefangen haben, in drei verschiedenen Plätzen entwickelt zu werden.

Entwicklungsprogrammierung wurde von Lawrence J. Fogel in den Vereinigten Staaten eingeführt, während John Henry Holland seine Methode einen genetischen Algorithmus genannt hat. In Deutschland haben Ingo Rechenberg und Hans-Paul Schwefel Evolutionsstrategien eingeführt. Diese Gebiete haben sich getrennt seit ungefähr 15 Jahren entwickelt. Vom Anfang von neunziger Jahren auf werden ihnen als verschiedene Vertreter ("Dialekte") einer Technologie, genannt Entwicklungscomputerwissenschaft vereinigt. Auch am Anfang der neunziger Jahre war ein vierter Strom im Anschluss an die allgemeinen Ideen - genetische Programmierung erschienen. Seit den 1990er Jahren ist Entwicklungsberechnung Schwarm-basierte Berechnung größtenteils geworden, und Natur-inspirierte Algorithmen werden ein immer bedeutenderer Teil.

Diese Fachsprachen zeigen das Feld der Entwicklungscomputerwissenschaft an und denken Entwicklungsprogrammierung, Evolutionsstrategien, genetische Algorithmen und genetische Programmierung als Teilbereiche.

Simulationen der Evolution mit Entwicklungsalgorithmen und künstlichem Leben haben mit der Arbeit von Nils Aall Barricelli in den 1960er Jahren angefangen, und wurden von Alex Fraser erweitert, der eine Reihe von Papieren auf der Simulation der künstlichen Auswahl veröffentlicht hat. Künstliche Evolution ist eine weit anerkannte Optimierungsmethode infolge der Arbeit von Ingo Rechenberg in den 1960er Jahren und Anfang der 1970er Jahre geworden, wer Evolutionsstrategien verwendet hat, komplizierte Technikprobleme zu beheben. Genetische Algorithmen sind insbesondere populär durch das Schreiben von John Holland geworden. Da akademisches Interesse gewachsen ist, haben dramatische Zunahmen in der Macht von Computern praktische Anwendungen einschließlich der automatischen Evolution von Computerprogrammen erlaubt. Entwicklungsalgorithmen werden jetzt verwendet, um mehrdimensionale Probleme effizienter zu beheben, als Software, die von menschlichen Entwerfern erzeugt ist, und auch das Design von Systemen zu optimieren.

Techniken

Entwicklungsrechentechniken sind größtenteils mit metaheuristic Optimierungsalgorithmen verbunden. Ganz allgemein gesprochen schließt das Feld ein:

Entwicklungsalgorithmen

• Genetischer Algorithmus
• Genetische Programmierung
• Entwicklungsprogrammierung
• Evolutionsstrategie
• Differenzialevolution
• Adler-Strategie

Schwarm-Intelligenz

• Ameise-Kolonie-Optimierung
• Partikel-Schwarm-Optimierung
• Biene-Algorithmus
• Blöde Suche

und in einem kleineren Ausmaß auch:

• Künstliches Leben (sieh auch Digitalorganismus)
• Künstliche Immunsysteme
• Kulturelle Algorithmen
• Leuchtkäfer-Algorithmus
• Harmonie-Suche
• Das Lernen classifier Systeme
• Erlernbares Evolutionsmodell
• Parallele hat das Ausglühen vorgetäuscht
• Selbstorganisation wie das Selbstorganisieren von Karten, Wettbewerbslernen
• Das Selbstorganisieren des Abweichens genetischen Algorithmus
• Schwarm-basierte Computerwissenschaft
• Unterrichten-lernbasierte Optimierung (TLBO)

Entwicklungsalgorithmen

Entwicklungsalgorithmen bilden eine Teilmenge der Entwicklungsberechnung darin sie schließen allgemein nur Techniken ein, die Mechanismen durchführen, die durch die biologische Evolution wie Fortpflanzung, Veränderung, Wiederkombination, Zuchtwahl und Überleben des passendsten begeistert sind. Kandidat-Lösungen des Optimierungsproblems spielen die Rolle von Personen in einer Bevölkerung, und die Kostenfunktion bestimmt die Umgebung, innerhalb deren die Lösungen "leben" (sieh auch Fitnessfunktion). Die Evolution der Bevölkerung findet dann nach der wiederholten Anwendung der obengenannten Maschinenbediener statt.

In diesem Prozess gibt es zwei Hauptkräfte, die die Basis von Entwicklungssystemen bilden: Wiederkombination und Veränderung schaffen die notwendige Ungleichheit und erleichtern dadurch Neuheit, während Auswahl als eine Kraft-Erhöhungsqualität handelt.

Viele Aspekte solch eines Entwicklungsprozesses sind stochastisch. Geänderte Information wegen der Wiederkombination und Veränderung wird zufällig gewählt. Andererseits können Auswahl-Maschinenbediener entweder deterministisch, oder stochastisch sein. Im letzten Fall haben Personen mit einer höheren Fitness eine höhere Chance, ausgewählt zu werden, als Personen mit einer niedrigeren Fitness, aber normalerweise sogar die schwachen Personen haben eine Chance, ein Elternteil zu werden oder zu überleben.

Entwicklungsberechnungspraktiker

Unvollständige Liste:

• Kalyanmoy Deb
• David E. Goldberg
• John Henry Holland
• John Koza
• Peter Nordin
• Ingo Rechenberg
• Hans-Paul Schwefel
• Peter J. Fleming

• Carlos M. Fonseca http://eden.dei.uc.pt / ~ cmfonsec /

• Lee Graham
• R. V. Rao

Hauptkonferenzen und Werkstätten

• IEEE Kongress auf der Entwicklungsberechnung (CEC)
• Genetische und evolutionäre Berechnungskonferenz (GECCO)
• Internationale Konferenz für das parallele Problem-Lösen nach der Natur (PPSN)

Siehe auch

• Bewertung des Vertriebsalgorithmus
• Entwicklungsrobotertechnik
• Fitnessannäherung
• Grammatische Evolution
• Mensch-basierte Entwicklungsberechnung
• Zu folgernde Programmierung
• Interaktive Entwicklungsberechnung
• Veränderung, die prüft
• Kein freies Mittagessen in der Suche und Optimierung
• Universaler Darwinismus

Bibliografie

• K. A. De Jong, Entwicklungsberechnung: eine vereinigte Annäherung. MIT Presse, Magister artium von Cambridge, 2006
• A. E. Eiben und J.E. Smith, Einführung in die Entwicklungscomputerwissenschaft, den Springer, 2003, internationale Standardbuchnummer 3-540-40184-9
• A. E. Eiben und M. Schoenauer, Entwicklungscomputerwissenschaft, Informationsverarbeitungsbriefe, 82 (1): 1-6, 2002.
• S. Cagnoni, und al, Wirkliche Anwendungen der Entwicklungscomputerwissenschaft, Vortrag-Zeichen des Springers-Verlag in der Informatik, Berlin, 2000.
• W. Banzhaf, P. Nordin, R.E. Keller und F.D. Francone. Genetische Programmierung — Eine Einführung. Morgan Kaufmann, 1998.
• D. B. Fogel. Entwicklungsberechnung. Zu einer Neuen Philosophie der Maschinenintelligenz. IEEE Presse, Piscataway, New Jersey, 1995.
• H.-P. Schwefel. Numerische Optimierung von Computermodellen. John Wiley & Sons, New York, 1981. 1995 - 2. Ausgabe.
• Th. Bäck und H.-P. Schwefel. Eine Übersicht von Entwicklungsalgorithmen für die Parameter-Optimierung. Entwicklungsberechnung, 1 (1):1-23, 1993.
• J. R. Koza. Genetische Programmierung: Auf der Programmierung von Computern mittels der Natürlichen Evolution. MIT Presse, Massachusetts, 1992.
• D. E. Goldberg. Genetische Algorithmen in der Suche, der Optimierung und dem Maschinenlernen. Addison Wesley, 1989.
• J. H. Holland. Anpassung in natürlichen und künstlichen Systemen. Universität der Michiganer Presse, Ann Arbors, 1975.
• I. Rechenberg. Evolutionstrategie: Optimierung Technisher Systeme nach Prinzipien des Biologischen Evolution. Fromman-Hozlboog Verlag, Stuttgart, 1973.
• L. J. Fogel, A. J. Owens und M. J. Walsh. Künstliche Intelligenz durch die Vorgetäuschte Evolution. New York: John Wiley, 1966.
• "Ein elitärer Unterrichten-lernbasierter Optimierungsalgorithmus, um Komplex zu lösen, hat Optimierungsprobleme beschränkt".
• Entwicklungsrechenforschungsgemeinschaft Europa
• Entwicklungsberechnungsbehältnis
• Das Handbuch des Trampers zur Entwicklungsberechnung (häufig gestellte Fragen für comp.ai.genetic)
• Interaktive Illustration der Entwicklungsberechnung
• VitaSCIENCES