INTELIGENCJA OBLICZENIOWA

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