Обсуждение статьи "Алгоритм бактериальной эволюции Нумаоки для быстрой адаптации (NBE)"

[MetaQuotes]

Опубликована статья Алгоритм бактериальной эволюции Нумаоки для быстрой адаптации (NBE):

Рассматриваем модель Нумаоки как агентную колонию с энергией, гибелью-делением и плазмидным переносом, ориентированную на быструю адаптацию. Переносим её в каркас C_AO: энергобаланс с популяционно-относительным приходом, хемотаксис-поиск, рулетка по энергии; приводим псевдокод и MQL5-реализацию. Проводим тестирование на Hilly, Forest и Megacity, показывая поведение и ограничения модели на статике для практического использования.

В предыдущей статье, разбирая бактериальный эволюционный алгоритм, мы наткнулись на терминологическую развилку и одну её ветвь сознательно отложили. Напомню суть: под названием "бактериальный эволюционный алгоритм" в литературе живут два совершенно разных метода. Первый — оптимизатор Нава и Фурухаси 1999 года с операторами бактериальной мутации и переноса генов, который мы подробно реализовали и протестировали. Второй — историческая модель Тисато Нумаоки 1996 года под названием Bacterial Evolution Algorithm for Rapid Adaptation. Именно ей посвящена эта статья, и сразу предупрежу: это совсем другой зверь, и подходить к нему с привычной меркой оптимизатора статических функций было бы ошибкой.

Модель Нумаоки выросла не из задач оптимизации, а из области искусственной жизни и многоагентных систем. В ней колония адаптивных агентов — бактероидов — живёт в среде и приспосабливается к ней, причём ключевое слово здесь даже не приспосабливается, а быстро. Нумаоку интересовала не финальная точка сходимости, а скорость, с которой колония способна перестроиться, когда условия меняются. Отбор в его модели осуществляет сама среда через гибель агентов, и этот отбор в общем случае происходит безотносительно к собственной функции приспособленности бактероида. Агент может погибнуть не потому, что плохо решает задачу, а просто потому, что исчерпал энергию или оказался не в том месте. Это принципиальный отход от логики классической оптимизации, где выживание жёстко привязано к качеству решения.

Чтобы оценить, насколько это иной взгляд, полезно сопоставить две постановки. Обычный популяционный оптимизатор предполагает неподвижный ландшафт приспособленности: есть фиксированный оптимум, и задача — сойтись к нему, после чего популяция замирает, а всякое дальнейшее шевеление считается напрасной тратой бюджета. Модель Нумаоки предполагает ровно обратное — ландшафт движется, оптимум уползает, и алгоритм, который однажды успокоился и сошёлся, обречён: он останется сидеть там, где оптимума уже нет. Поэтому такая модель построена так, чтобы никогда полностью не успокаиваться, постоянно поддерживая оборот популяции, готовый в любой момент развернуть колонию вслед за сместившейся целью. То, что в статическом оптимизаторе выглядит дефектом — неугомонность, неспособность замереть в точке, — здесь оказывается главным проектным достоинством.

Автор: Andrey Dik