www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl ETI, EC3, sem. VIII METODY INTELIGENCJI OBLICZENIOWEJ prowadzący: dr inż. Witold Beluch (p. 149) wykład 1 konsultacje: poniedziałek 815-945 wtorek 1145-1315 1 www.kwmimkm.polsl.pl wykł wykład: 15h laboratorium: 15h 2 LITERATURA: www.kwmimkm.polsl.pl 1. Arabas J., Wykłady z algorytmów ewolucyjnych, ewolucyjnych, WNT, Warszawa, 2003 2. Michalewicz Z., Algorytmy genetyczne + struktury danych = programy ewolucyjne, ewolucyjne, WNT, Warszawa, 1996 (1992) 3. Goldberg D.E., Algorytmy genetyczne i ich zastosowania, zastosowania, WNT, Warszawa, 2003 (1989) ZAJĘ ZAJĘCIA KOŃ KOŃCZĄ CZĄ SIĘ SIĘ EGZAMINEM 4. Rutkowski L. , Metody i techniki sztucznej inteligencji, inteligencji, PWN, Warszawa, 2006 5. Tadeusiewicz R., Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami, programami, Akad. Akad. Oficyna Wyd. PLJ, Warszawa, 1998 6. Tadeusiewicz R., Sieci neuronowe, neuronowe, Akad. Akad. Oficyna Wyd. RM, Warszawa 1993 OCENA KOŃ KOŃCOWA: 7. Osowski S., Sieci neuronowe w ujęciu algorytmicznym, algorytmicznym, WNT, Warszawa 1996. 65% - OCENA Z EGZAMINU 35% 35% - OCENA Z LABORATORIUM obydwie oceny muszą muszą być być pozytywne! pozytywne! 3 4 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl SIEĆ: • http://www.fizyka.umk.pl/~norbert http://www.fizyka.umk.pl/~norbert//SemMagInf/ SemMagInf/Wilczewski.pdf - algorytmy ewolucyjne. • http://www.isep.pw.edu.pl fuzzy//podst http://www.isep.pw.edu.pl//ZakladNapedu/dyplomy/ ZakladNapedu/dyplomy/fuzzy awy_FL.htmawy_FL.htm- trochę na temat logiki rozmytej i zbiorów rozmytych. • http://wazniak.mimuw.edu.pl http://wazniak.mimuw.edu.pl//index.php?title=Sztuczna_intelige ncjancja- wykład dotyczący sztucznej inteligencji. • http://www.tsp.gatech.edu http://www.tsp.gatech.edu//- problem komiwojażera. INTELIGENCJA OBLICZENIOWA • http://www.republika.pl http://www.republika.pl//edward_ch/ edward_ch/- sztuczne sieci neuronowe. • … 5 6 1 www.kwmimkm.polsl.pl METODY INTELIGENCJI OBLICZENIOWEJ ALGORYTMY EWOLUCYJNE SIECI NEURONOWE SYSTEMY ROZMYTE (Soft computing) I jeszcze parę innych rzeczy... LUDZKA INTELIGENCJA www.kwmimkm.polsl.pl budowa baz reguł eguł i f. przynależności SR AE wagi i topologia SN SN dobó dobór parametró parametrów AE SR dobó dobór parametró parametrów AE SR dobó dobór parametró parametrów SN SN zdolność zdolność uczenia się się SR 1. AE 2. SN 3. SR 8 www.kwmimkm.polsl.pl INTELIGENCJA OBLICZENIOWA (Computational Intelligence, Intelligence, CI) • Rozwiązywanie obliczeniowo problemów, – Praktyczna: Praktyczna: umiejętność rozwiązywania konkretnych które nie są efektywnie algorytmizowalne, algorytmizowalne, gdyż: zagadnień. - nawet drobna zmiana może wymagać całkiem innego programu; - nie można przewidzieć wszystkich zmian. – Abstrakcyjna: Abstrakcyjna: zdolność operowania symbolami i pojęciami. – Społeczna: Społeczna: umiejętność zachowania się w grupie. • Rozwiązanie wymaga inteligencji; jeśli zaś szuka się rozwiązania za pomocą obliczeń, to: „inteligencja obliczeniowa”. obliczeniowa”. CECHY INTELIGENCJI: • Dopasowanie działania do okoliczności. • Świadomość działania. • Znajomość własnych ograniczeń. 9 • Korzysta z metod matematycznych oraz inspiracji: biologicznych, biocybernetycznych, psychologicznych, statystycznych, logicznych, informatycznych, inżynierskich i innych. 10 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl Niektóre problemy do rozwiązania których potrzebne są metody inteligencji obliczeniowej: • Rozumienie sensu zdań, • Klasyfikacja struktur: rozpoznawanie obrazów, mowy, pisma, struktur chemicznych, zachowań człowieka lub maszyny, stanu zdrowia, sensu wyrazów i zdań … • Rozpoznawanie twarzy i obrazów, • Rozpoznawanie mowy i sygnałów, percepcja, • Odkrywanie wiedzy w bazach danych, zrozumienie struktury • Rozpoznawanie pisma ręcznego, danych, konstrukcja wyjaśniających teorii. • Sterowanie robotem, nieliniowymi układami, • Selekcja cech- na co warto zwrócić uwagę, co jest niepotrzebne; redukcja wymiarowości problemu. • Diagnostyka medyczna, planowanie terapii, • Inteligentne szukanie z uwzględnieniem semantyki pytania – • Rozwiązywanie nietypowych problemów, szukarki, szukarki, Information Retrieval (IR). • Działania twórcze; • ... AE 7 FORMY INTELIGENCJI: Problemy niealgorytmizowalne (Przykłady): www.kwmimkm.polsl.pl Powiązania: • Inteligentne wspomaganie decyzji: diagnozy medyczne, 11 decyzje menedżerskie. 12 2 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl Niektóre problemy do rozwiązania których potrzebne są metody inteligencji obliczeniowej: Niektóre problemy do rozwiązania których potrzebne są metody inteligencji obliczeniowej: • Gry strategiczne: uczenie się na własnych i cudzych błędach. • Separacja sygnałów z wielu źródeł: oczyszczanie obrazów z szumów, oddzielanie artefaktów, separacja sygnałów akustycznych. • Kontrola: jakości produktów, ostrości obrazu kamery, dostrojenia aparatury. • Prognozowanie: wskaźników ekonomicznych, pogody, plam na • Sterowanie: samochodu, urządzeń technicznych, fabryk, Słońcu, decyzji zakupu, intencji człowieka. społeczeństwa ... • Askrypcja danych: łączenie informacji z kilku źródeł. • Planowanie: budowa autostrad, wieżowców, optymalizacja działań i organizacji, planów działania. • Wizualizacja informacji ukrytej w bazach danych. • Optymalne spełnianie ograniczeń, optymalizacja • Zrozumienie umysłu: doświadczeń psychologicznych, sposobu wielokryterialna, dopełnianie brakującej wiedzy. rozumowania i kategoryzacji, poruszania się i planowania, procesów uczenia. • Detekcja regularności, analiza interesujących skupień, samoorganizacja, samoorganizacja, uczenie spontaniczne, geny, białka. 13 14 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl Cechy inteligentnego systemu: Soft Computing Logika rozmyta Wizualizacja Drążenie danych Systemy ekspertowe Sieci neuronowe Algorytmy ewolucyjne CI - numeryczne Dane + Wiedza AI - symboliczne • zdolność do przyswajania nowej wiedzy; wiedzy; • samoadaptacja (krótki okres wiarygodności informacji); Metody statystyczne Optymalizacja, badania operacyjne Rachunek prawdopodobieństwa Uczenie maszynowe • akceptacja danych niepełnych i nie w pełni spójnych logicznie; • kreatywność (np. opracowywanie reguł czy wniosków nie wynikających bezpośrednio z materiału faktograficznego). Rozpoznawanie wzorców 15 16 www.kwmimkm.polsl.pl SZTUCZNA INTELIGENCJA (Artificial Intelligence, Intelligence, AI – część CI) www.kwmimkm.polsl.pl TEST TURINGA John McCarthy (1955): • Sędzia - człowiek - prowadzi rozmowę w języku naturalnym z pozostałymi stronami. TEST TURINGA (1950): • Jeśli sędzia nie jest w stanie wiarygodnie określić, czy któraś ze stron jest maszyną czy człowiekiem, wtedy mówi się, że maszyna przeszła test. „Konstruowanie maszyn, o których działaniu dałoby się powiedzieć, że są podobne do ludzkich przejawów inteligencji”. Maszyna jest inteligentna, jeżeli znajdujący się w innym pomieszczeniu obserwator nie zdoła odróżnić jej odpowiedzi od odpowiedzi człowieka. 17 • Zakłada się, że zarówno człowiek jak maszyna próbują przejść test jako człowiek. człowiek. 18 3 www.kwmimkm.polsl.pl TEST TURINGA - wizje www.kwmimkm.polsl.pl TEST TURINGA – spory: • Maszyna, która przejdzie test Turinga może być w stanie symulować ludzkie zachowanie konwersacyjne, co nie musi świadczyć o inteligencji (może używać sprytnie wymyślonych reguł). • Turing oczekiwał, że maszyny w końcu będą w stanie przejść ten test. • Ocenił, że około roku 2000 maszyny z pamięcią o pojemności 109 bitów (około 119 MB) będą w stanie oszukać 30% ludzkich sędziów w czasie pięciominutowego testu. • Maszyna może być inteligentna bez ludzkiej umiejętności gawędzenia. • Przepowiedział również, że ludzie przestaną uważać zdanie "myśląca maszyna" za wewnętrznie sprzeczne. • Wielu ludzi mogłoby nie być w stanie zaliczyć takiego testu. 19 www.kwmimkm.polsl.pl TEST TURINGA – spory: • Ale: Ale: inteligencję innych ludzi oceniamy zazwyczaj wyłącznie na podstawie tego co i jak mówią. • I jeszcze: jeszcze: niekiedy by zaliczyć test maszyna musiałaby symulować brak posiadanej wiedzy czy umiejętności. JAK DOTĄD ŻADEN KOMPUTER NIE ZALICZYŁ TESTU TURINGA... Najbliżej – ALICE: Artificial Linguistic Internet (Zawody o nagrodę Loebnera) Loebnera Computer Entity Entity 21 20 www.kwmimkm.polsl.pl Nagroda Loebnera - nagroda ufundowana przez Hugha Loebnera w 1990 roku, dla programisty, który zdoła napisać program, który skutecznie przejdzie przejdzie Test Turinga. Turinga. Nagroda ta obejmuje przyznanie złotego medalu (całego z 1818-to karatowego złota) oraz 100 000 USD dla programisty, który przedstawi program, który zdoła skutecznie skutecznie zmylić wszystkich sędziów (testerów) programu. Oprócz tego nagroda ta obejmuje też przyznanie przyznanie pozłacanego, brązowego medalu oraz nagrody pieniężnej 2 000 USD temu programiście, który który w danym roku dostarczy program, który co prawda nie przejdzie w pełni testu Turinga, Turinga, ale będzie zdaniem sędziów najskuteczniej udawał ludzką konwersację. Zawody o nagrodę Loebnera odbywają się co roku, w The Cambridge Center of Behavioral Studies. Sędziowie są dorocznie losowani spośród pracowników tego instytutu. instytutu. Programiści muszą dostarczyć program, który działa pod Linuksem, Linuksem, MS Windows lub na Macintoshach lub alternatywnie dostarczyć swój własny komputer z programem, przy czym komputer musi się dać podłączyć do standardowego terminala DEC 100. Dostarczone programy programy mają generować na tym terminalu ekran, na którym od góry do dołu pojawia się tekst konwersacji konwersacji pisany standardową czcionką i nie formatowany w żaden szczególny sposób. Sędziowie mają przez jeden dzień wolny dostęp do dwukrotnie większej liczby terminali niż liczba dostarczonych dostarczonych programów. Co drugi terterminal jest obsługiwany przez prosty program komunikacyjny, który generuje generuje na ekranie taki sam tekst jak testowane programy, ale jest obsługiwany przez człowieka człowieka - wylosowanego spośród studentów instytutu i zaakceptowanego przez autorów programów. Do Do co drugiego terminala jest natomiast przyłączony testowany program. Sędziowie po całym dniu "konwersowania" ze wszystkiwszystkimi terminalami, decydują które z terminali obsługiwał człowiek a które które program, oraz który z terminali obsługiwanych ich zdaniem przez programy zachowywał się się "najbardziej po ludzku". Sędziowie mają prawa zadawać terminalom dowolne pytania, oprócz takich, które w oczywisty sposób zdemaskowałyby programy, jak "jaki jest numer twojego buta", buta", albo "jak ma na imię twoja dziewczyna". Złoty medal i główną nagrodę dostaje ew. ten program program który zdoła zmylić popo-nad 50% sędziów, zaś gdy żaden program nie uzyska tego wyniku, brązowy brązowy medal i 2 000 USD dostaje ten program, który zdaniem największej liczby sędziów zachowywał się "najbardziej po ludzku". 22 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl ELIZA: http://www.loebner.net/Prizef/loebner- prize.html • Pierwszy program naśladujący zwykłą konwersację (1966). • Analizuje wzorce w zdaniach, zdaniach, któ które otrzymuje, otrzymuje, a nastę następnie buduje pytania przez przestawienie słów oraz podmianę podmianę słów kluczowych. kluczowych. • Efekt Elizy - zjawisko przypisywania przez ludzi znaczenia i sensu znakom, słowom i zdaniom, które takiego sensu same z siebie nie mają. (Np: interpretowanie przypadkowych wzorów tworzonych przez chmury na niebie jako obrazy, które przedstawiają jakieś konkretne kształty). 23 24 4 www.kwmimkm.polsl.pl METODY OPTYMALIZACJI ANALITYCZNE PRZEGLĄDOWE www.kwmimkm.polsl.pl ZAGADNIENIA AI LOSOWE (enumeracyjne) • Sformułowanie „mocne”: „mocne”: pośrednie Konstruowanie systemów inteligentnych, którym można by przypisać zdolność do myślenia w sposób w pewnym stopniu dający się porównywać z myśleniem ludzkim. ludzkim. bezpośrednie Metody analityczne bezpoś bezpośrednie: • Poruszanie oruszanie się się po wykresie funkcji w kierunku wyznaczonym przez lokalny gradient (wspinaczka po najbardziej stromym zboczu z moż możliwych). • Sformułowanie „słabe”: „słabe”: Metody analityczne poś pośrednie: • Poszukiwanie Poszukiwanie ekstremó ekstremów lokalnych poprzez rozwią rozwiązanie ukł układu adu równań wnań (zwykle nieliniowych), otrzymanych poprzez przyró przyrównanie gradientu funkcji celu do zera. Stworzenie maszyn (algorytmów) przejawiających tylko wąski aspekt inteligencji (grających w szachy, rozpoznających obrazy czy tworzących streszczenia tekstu). • Dla funkcji gł gładkich, okreś określonych na obszarze otwartym, poszukiwanie ekstremum moż można ograniczyć ograniczyć do zbioru punktó punktów, w któ których nachylenie stycznej do wykresu jest ró równe zero w każ każdym kierunku. kierunku. UCZENIE SIĘ 25 www.kwmimkm.polsl.pl • Zdolność do uczenia się jest powszechnie uważana za jeden z najważniejszych przejawów inteligencji. • Dla sztucznych systemów uczące się uczenie się to: proces zmiany zachodzącej w systemie na podstawie doświadczeń, doświadczeń, która prowadzi do poprawy jakości jego działania (rozumianej jako sprawność rozwiązywania stojących przed systemem zadań). 26 Włodzisław Duch: www.kwmimkm.polsl.pl http://www.phys.uni.torun.pl /~duch/ http://www.phys.uni.torun.pl/~duch/ serdecznie polecam... • AI uważana jest za część informatyki. • AI zaliczana jest do nauk kognitywnych. 27 DEFINICJE AI: www.kwmimkm.polsl.pl 28 NIEKTÓRE ZASTOSOWANIA www.kwmimkm.polsl.pl • Technologie oparte na logice rozmytej powszechnie stosowane do np: np: sterowania przebiegiem procesów technologicznych w fabrykach w warunkach "braku wszystkich danych". • Dziedzina nauki zajmująca się rozwiązywaniem zagadnień efektywnie niealgorytmizowalnych w oparciu o modelowanie wiedzy. • Nauka mająca za zadanie nauczyć maszyny zachowań podobnych do ludzkich. • Nauka o tym, jak nauczyć maszyny robić rzeczy, które obecnie ludzie robią lepiej. • Nauka o komputerowych modelach wiedzy umożliwiających rozumienie, wnioskowanie i działanie. • Systemy ekspertowe - rozbudowane bazy danych z wszczepioną "sztuczną inteligencją" umożliwiającą zadawanie im pytań w języku naturalnym i uzysuzyskiwanie w tym samym języku odpowiedzi. Systemy takie stosowane są już w farmacji i medycynie. • Rozpoznawanie mowy - stosowane obecnie powszechnie na skalę komercyjną. 29 30 5 NIEKTÓRE ZASTOSOWANIA www.kwmimkm.polsl.pl • Maszynowe tłumaczenie tekstów - systemy takie są wciąż bardzo ułomne, jednak robią postępy i zazaczynają się nadawać do tłumaczenia np. tekstów technicznych. • Sztuczne sieci neuronowe - stosowane z powopowodzeniem w wielu zastosowaniach łącznie z prograprogramowaniem "inteligentnych przeciwników" w grach komputerowych. NIEKTÓRE ZASTOSOWANIA www.kwmimkm.polsl.pl • Rozpoznawanie ręcznego pisma - stosowane masowo np: np: do automatycznego sortowania listów, oraz w elektronicznych notatnikach. • Deep Blue - program, który wygrał w szachy z Gary Kasparowem. Kasparowem. • Sztuczna twórczość - istnieją programy automatycznie generujące krótkie formy poetyckie, komponujące, aranżujące i interpretujące utwory muzyczne, które są w stanie zmylić nawet profesjonalnych artystów. • Rozpoznawanie optyczne - stosowane są już programy rozpoznające osoby na podstawie zdjęcia twarzy lub rozpoznające automatycznie zadane obiekty na zdjęciach satelitarnych. 31 HISTORIA www.kwmimkm.polsl.pl 32 HISTORIA www.kwmimkm.polsl.pl • Era prehistoryczna: do ok. 1960 (pojawienie się powszechnie dostępnych komputerów). • Renesans: 19701970-1975 (pierwsze użyteczne systemy doradcze). • Era romantyczna: 19601960-1965 (przewidywano, że AI osiągnie swoje cele w ciągu 10 lat – spore początkowe sukcesy). • Okres partnerstwa: 19751975-1980 (wprowadzenie do badań nad AI metod z nauk poznawczych, nauk o mózgu, itd). itd). • Okres ciemności: 19651965-1970 (niewiele nowego, spadek entuzjazmu i pojawienie się głosów krytycznych). • Okres komercjalizacji: 19801980-1990 „inteligentny” – slogan reklamowy. 33 34 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl CZEGO NIE UDAŁO SIĘ DOTĄD OSIĄGNĄĆ (mimo wielu wysiłków...): • Programów skutecznie wygrywających w niektórych grach (go, brydż sportowy, polskie warcaby). • Programu, który skutecznie by potrafił naśladować ludzką konwersację (obecnie najskuteczniejszym w teście Turinga jest cały czas rozwijany program - projekt ALICE). OPTYMALIZACJA • Programu, który potrafiłby skutecznie generować zysk, grając na giełdzie (nie da się nawet odpowiedzieć na pytanie, czy jest możliwe zarabianie na giełdzie). • Programu skutecznie tłumaczącego teksty literackie i mowę. mowę. 35 36 6 OPTYMALIZACJA: www.kwmimkm.polsl.pl ANALITYCZNE „działanie, mające na celu zwiększenie efektywefektywności aż do osiągnięcia pewnego optimum”. www.kwmimkm.polsl.pl METODY OPTYMALIZACJI PRZEGLĄDOWE LOSOWE (enumeracyjne) pośrednie bezpośrednie Metody analityczne bezpoś bezpośrednie: • Poruszanie oruszanie się się po wykresie funkcji w kierunku wyznaczonym przez lokalny gradient (wspinaczka po najbardziej stromym zboczu z moż możliwych). • CEL GŁÓWNY: ULEPSZENIE. ULEPSZENIE. • CEL DRUGORZĘDNY: OSIĄGNIĘCIE OPTIMUM. OPTIMUM. Metody analityczne poś pośrednie: • Poszukiwanie Poszukiwanie ekstremó ekstremów lokalnych poprzez rozwią rozwiązanie ukł układu adu równań wnań (zwykle nieliniowych), otrzymanych poprzez przyró przyrównanie gradientu funkcji celu do zera. • Dla funkcji gł gładkich, okreś określonych na obszarze otwartym, poszukiwanie 37 www.kwmimkm.polsl.pl ZALETY METOD ANALITYCZNYCH ANALITYCZNYCH:: ekstremum moż można ograniczyć ograniczyć do zbioru punktó punktów, w któ których nachylenie stycznej do wykresu jest ró równe zero w każ każdym kierunku. kierunku. 38 www.kwmimkm.polsl.pl Funkcja trudna do optymalizacji metodami analitycznymi: analitycznymi: f ( x1 , x2 ) = 21.5 ⋅ sin(4π x1 ) + x2 ⋅ sin(20π x2 ) • mają mają solidne podstawy matematyczne; matematyczne; x1∈[-3.0, 12.1]; x 2 ∈[ 4.1, 5.8]; • są szeroko stosowane. stosowane. GŁÓWNA WADA METOD ANALITYCZNYCH: MAŁA ODPORNOŚĆ: ODPORNOŚĆ: f Funkcja niemoż niemożliwa do optymalizacji metodami analitycznymi: analitycznymi: f(x) 39 x www.kwmimkm.polsl.pl Czasem maksimum globalne nie jest pożądane: 40 www.kwmimkm.polsl.pl METODY ENUMERACYJNE: • Sprowadzają Sprowadzają się się do przeszukiwania wszystkich punktó punktów przestrzeni w poszukiwaniu optimum. Preferowane są czasem rozwiązania, których otoczenie przyjmuje wartości bliskie temu ekstremum a nie te, dla których niewielkie oddalenie się od ekstremum powoduje gwałtowny spadek wartości funkcji. Np: w przypadku inwestycji kapitałowych, by nie ryzykować straty z powodu niezbyt precyzyjnie zdefiniowanej funkcji, bądź nieznacznej zmiany jakiegoś parametru funkcji. 41 • Algorytm niezwykle prosty lecz skuteczny jedynie w przypadku skoń skończonych, mał małych przestrzeni. przestrzeni. • Zwykle sprawdzenie wszystkich moż możliwoś liwości jest niemoż niemożliwe w rozsą rozsądnym czasie (tzw. przekleń przekleństwo wymiaru). wymiaru). 42 7 www.kwmimkm.polsl.pl METODY LOSOWE: www.kwmimkm.polsl.pl EFEKTYWNOŚĆ 1 ideał... Metoda odporna • W swej najprostszej postaci: bada się losowo całą przestrzeń zadania nie korzystając z innych informacji. • Poszukiwanie takie jest zwykle bardzo czasochłonne (zwykle jednak mniej niż metody enumeracyjne). enumeracyjne). Metoda wyspecjalizowana (analityczna) Metoda enumeracyjna, błądzenie przypadkowe Algorytmy genetyczne i ewolucyjne ró również wnież zawiezawierają rają element losowoś losowości (algorytm zrandomizowany). zrandomizowany). 0 kombinatoryczny dyskretny jednomodalny 43 www.kwmimkm.polsl.pl wielomodalny PROBLEM www.kwmimkm.polsl.pl METODY ANALITYCZNE kontra AG METODY ANALITYCZNE kontra AG METODY ANALITYCZNE ALGORYTMY GENETYCZNE ZALETY WADY ZALETY ☺ ŚCISŁ CISŁE ROZWIĄ ROZWIĄZANIE ☺ WYSOKA SZYBKOŚĆ SZYBKOŚĆ DZIAŁ DZIAŁANIA Funkcja celu musi być być cią ciągła Hesjan funkcji celu musi być być dodatnio okreś określony Istnieje Istnieje duż duże ryzyko zbiegnię zbiegnięcia się się algorytmu do optimum lokalnego Obliczenia rozpoczynają rozpoczynają się się z jednego punktu ograniczają ograniczając obszar poszukiwań poszukiwań optimum Wybó ó r Wyb punktu startowego wpł wpływa na zbież zbieżność ność metody ☺ JEDYNĄ JEDYNĄ INFORMACJĄ INFORMACJĄ POTRZEBNĄ POTRZEBNĄ DO DZIADZIAŁANIA JEST WARTOŚĆ WARTOŚĆ FUNKCJI CELU ☺ PRACA NA POPULACJI DOPUSZCZALNYCH ROZWIĄ ROZWIĄZAŃ ZAŃ ☺ PRZESZUKIWANIE WIELOKIERUNKOWE 45 44 WADY Stosunkowo wolne Trudnoś rudności z precyzyjnym znalezieniem optimum 46 8