대화형 진화 연산

Interactive evolutionary computation

인터랙티브 진화 연산(IEC) 또는 미학적 선택은 인간 평가를 사용하는 진화 연산 방법의 총칭이다. 일반적으로 피트니스 기능의 형태를 알 수 없거나(예: 시각적 매력 또는 매력, Dawkins, 1986년[1]) 최적화 결과가 특정 사용자 선호(예: 커피 맛 또는 사용자 인터페이스의 색상 세트)에 적합해야 하는 경우 인간 평가가 필요하다.

IEC 설계 문제

IEC가 한 명의 사용자로부터 받을 수 있는 평가의 수는 많은 연구자들이 주요 문제로 보고한 사용자 피로에 의해 제한된다. 또 인체평가는 피트니스 기능 계산에 비해 느리고 비용이 많이 든다. 따라서 단일 사용자 IEC 방법은 소수의 평가를 사용하여 수렴하도록 설계되어야 하며, 이는 반드시 매우 작은 모집단을 의미한다. 쌍방향 제약 진화 검색(사용자 개입)이나 볼록 함수를 사용하여 사용자 선호도를 맞추는 등 융합 속도를 높이기 위해 연구자들에 의해 제안된 몇 가지 방법이 있다.[2] IEC 휴먼-컴퓨터 인터페이스는 사용자 피로를 줄이기 위해 신중하게 설계되어야 한다. 계산제를 첨가하면 사용자의 피로에 성공적으로 대응할 수 있다는 증거도 있다.[3]

그러나 많은 사용자의 평가를 동시에 수용할 수 있는 IEC 구현은 위에서 설명한 한계를 극복한다. 이러한 접근방식의 한 예는 바닥 센서를 사용하여 매력적인 3D 애니메이션 형식을 진화시킴으로써 많은 방문객들의 선호도를 받아들일 수 있는 Karl Sims의 인터랙티브 미디어 설치다. 이러한 다중 사용자 IEC 구현 중 일부는 예를 들어 HBGA와 같은 협업 도구 역할을 한다.

IEC 유형

IEC 방법에는 대화형 진화 전략,[4] 대화형 유전 알고리즘,[5][6] 대화형 유전 프로그래밍 [7][8][9]및 인간 기반 유전 알고리즘이 포함된다.[10]

IGA

인터랙티브 유전 알고리즘(IGA)은 인간 평가를 이용하는 유전 알고리즘으로 정의된다. 이러한 알고리즘은 대화형 진화 계산의 보다 일반적인 범주에 속한다. 이러한 기법의 주요 적용 분야는 사용자의 심미적 선호에 맞게 진화하는 이미지, 음악, 다양한 예술적 디자인 및 형태와 같이 계산적 피트니스 기능을 설계하는 것이 어렵거나 불가능한 도메인을 포함한다.[11] 쌍방향 연산 방법은 (기존 유전 알고리즘에서와 같이) 선형과 (유전자 프로그래밍에서와 같이) 나무와 같은 두 가지 표현을 모두 사용할 수 있다.

참고 항목

참조

  1. ^ Dawkins, R. (1986). The Blind Watchmaker. Longman.
  2. ^ Takagi, H. (2001). "Interactive Evolutionary Computation: Fusion of the Capacities of EC Optimization and Human Evaluation" (PDF). Proceedings of the IEEE. 89 (9): 1275–1296. doi:10.1109/5.949485. hdl:2324/1670053.
  3. ^ Kruse, J.; Connor, A.M. (2015). "Multi-agent evolutionary systems for the generation of complex virtual worlds". EAI Endorsed Transactions on Creative Technologies. 15 (5): 150099. arXiv:1604.05792. doi:10.4108/eai.20-10-2015.150099. S2CID 12670076.
  4. ^ Herdy, M.(1997) 주관적 선택에 기초한 진화적 최적화 – 진화하는 커피 혼합. 제5차 유럽 지능형 기술 및 소프트 컴퓨팅 회의(EUFIT'97); pp 2010-644.
  5. ^ *Caldwell, C. and Johnston, V.S.(1991) Morgan Kaufmann Publisher, pp.416-421, pp.416-421, 유전자 알고리즘에 관한 제4차 국제회의의 진행에서 "Face-Space"를 통해 범죄 용의자 추적
  6. ^ Milani, A. (2004). "Online Genetic Algorithms" (PDF). International Journal of Information Theories and Applications. 11: 20–28.
  7. ^ Sims, K. (1991). "Artificial Evolution for Computer Graphics". Computer Graphics. 25 (4): 319–328. CiteSeerX 10.1.1.226.7450. doi:10.1145/127719.122752.
  8. ^ 심스, K. (1991) 동적 시스템의 대화형 진화. 제1차 유럽 인공생명 회의, MIT 프레스
  9. ^ 노메이, T. (2000년) SBART 2.4: 2D 이미지, 영화 및 콜라주, 2000년 유전자 및 진화 연산 컨퍼런스 워크샵 프로그램, 네바다 주 라스베이거스, 2000년 7월 8일, 페이지 153을 생성하기 위한 IEC 도구
  10. ^ Kosorukoff, A. (2001). "Human based genetic algorithm". Human-based Genetic Algorithm. IEEE Transactions on Systems, Man, and Cybernetics. Vol. 5. pp. 3464–3469. doi:10.1109/ICSMC.2001.972056. ISBN 978-0-7803-7087-6. S2CID 13839604.
  11. ^ khan, Shahroz; Gunpinar, Erkan; Sener, Bakir (2019). "GenYacht: An interactive generative design system for computer-aided yacht hull design". Ocean Engineering. 191: 106462. doi:10.1016/j.oceaneng.2019.106462.
  • Banzhaf, W. (1997), Interactive Evolution, Entry C2.9, in: Handbook of Evolutional Computing, Oxford University Press, ISBN 978-0750308953

외부 링크