Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: Algorithmus des Mind Evolutionary Computation (MEC)"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Algorithmen zur Optimierung mit Populationen: Algorithmus des Mind Evolutionary Computation (MEC) :
Der Artikel befasst sich mit einem Algorithmus aus der MEC-Familie, dem Simple Mind Evolutionary Computation Algorithmus (Simple MEC, SMEC). Der Algorithmus zeichnet sich durch die Schönheit seiner Idee und die Einfachheit seiner Umsetzung aus.
Populationsalgorithmen, die in evolutionären Berechnungen eingesetzt werden, haben bei der Lösung komplexer hochdimensionaler Probleme eine Reihe von Vorteilen gegenüber klassischen Algorithmen. Sie können effizienter suboptimale Lösungen finden, die nahe genug an der optimalen Lösung liegen, was bei praktischen Optimierungsproblemen oft akzeptabel ist.
Ein interessanter Ansatz im evolutionären Rechnen ist der 1998 von Chengai und seinen Mitautoren vorgeschlagene Algorithmus Mind Evolutionary Computation (Berechnung einer Evolution des Geistes, MEC). Anders als die erwartete Modellierung des menschlichen Gehirns modelliert der MEC-Algorithmus einige Aspekte des menschlichen Verhaltens in der Gesellschaft. Bei diesem Algorithmus wird jedes Individuum als intelligenter Agent betrachtet, der in einer Gruppe von Menschen arbeitet. Bei der Entscheidungsfindung fühlt sich der Einzelne sowohl von Mitgliedern seiner Gruppe als auch von Mitgliedern anderer Gruppen beeinflusst. Um eine hohe Position in der Gesellschaft zu erreichen, muss der Einzelne von den erfolgreichsten Personen seiner Gruppe lernen. Damit seine Gruppe erfolgreicher ist als andere Gruppen, müssen alle Individuen im Wettbewerb zwischen den Gruppen nach dem gleichen Prinzip vorgehen. Ein wichtiger Aspekt des MEC-Algorithmus ist der Austausch von Informationen zwischen Einzelpersonen innerhalb einer Gruppe und zwischen Gruppen. Dies spiegelt die Notwendigkeit eines kontinuierlichen und freien Informationsaustauschs für die erfolgreiche Entwicklung einer Gesellschaft intelligenter Menschen wider.
MEC-Algorithmen setzen das vorgestellte Konzept mit Hilfe lokaler Wettbewerbs- und Dissimilationsoperationen um, die für die lokale bzw. globale Suche zuständig sind. Nachrichtentafeln (Message Boards) werden vom Algorithmus verwendet, um Informationen über die Evolutionsgeschichte der Population zu speichern. Auf der Grundlage dieser Informationen wird der Optimierungsprozess gesteuert.
Autor: Andrey Dik