Prírodou inšpirované algoritmy

Popis Eos-u

Eos platforma má tieto znaky:

• Podpora pre evolučné algoritmy (EA). Väčšina tried systémov v Eos je vhodná pre nejaký typ EA. Explicitne podporuje:
• Genetické algoritmy
• Evolučné stratégie
• Dodatočne podporuje rôzne varianty štandardných EA. Nejaké príklady:
  • Hybridné EA, ktoré sú definované a používané pre špeciálne aplikácie s genetickými informáciami a operátormi.
  • Časť EA, ktorý tvorí viacnásobný veľký nezávislý EA, v ktorom môžme uskutočňovať vzájomnú interakciu (výmena jedincov).
  • Meta EA, v ktorej bežia viacero vedľajších EA, ktorých výsledky týchto EA ovplyvňujú parametre nastavenia hlavného EA.
  
  
  
• Podpora pre simulátory ekosystémov. Simulátory, kde jednotlivé jedince menia priestorový svet, interagujú (súťaženie, konkurencia, obchod) medzi sebou a tým dochádza k určitému vývoju.



• Vysoko objektovo-orientovaný dizajn.



• Silne konfiguračný systém. Parametre Eos sú štruktúrované hierarchicky a reprezentujú štruktúru simulácie. Je v nich možné meniť jednotlivé základné faktory, ako aj faktory mutácie, ktoré ovplyvňujú celú štruktúru aplikácie a typu algoritmu. Ďalej je možnosť pridávania nových komponentov s možnosťou nastavenia ich vlastných špeciálnych parametrov.



• Transparentne distribuovaný výpočet. Eos môže bežať súčasne na viacerých počítačoch a tak podstatne urýchliť výpočtovú náročnosť aplikácií. Eos užívateľ ma zjednodušený prístup k výpočtom a nevidí všetky detaily a postupy jednotlivých krokov riešenia.



• Knižnica komponentov. S vyvojom nových aplikácii neustále rastie a obsahuje:
• Binárne genetické informácie, mutáciu, n-bitový crossover, uniformné rozdelenie.
• Postupnosť genetických informácií, párovú mutáciu, zmeny mutácie, inverznú mutáciu, horolezeckú mutáciu, postupne uniformnú mutáciu.
• Evolučné stratégie genetických informácií, základnú ES mutáciu, základné ES rozdelenie.
• Selekčné stratégie: selekčný turnaj, selekcia ruleta, náhodná selekcia, šľachtená selekcia
• Náhradné stratégie: náhrada najhoršieho, najlepšieho zo všetkých, náhodná náhrada.
• Fitness výpočty: direct fitness, ranked-based fitness, normalizovaný fitness.
• Koncové kritérium: objektívnym prahom, generačný limit, zložené kritérium.
• Priestor: n-rozmerný diskrétny kartézsky priestor, n-rozmerný spojitý kartézsky priestor.
• Interakcie: interakcia príkazom, filtrom, ruletou.
• Spracovanie: sekvenčná realizácia, paralelná, diaľková.
• Experimenty: neutrálne binárne siete.



• Pár príkladov aplikácií:
• Základný genetický algoritmus.
• Realizácia Iterated Prisoners Dilemma.
• Evolučný algoritmus aplikovaný na Travelling Salesman Problem.
• Co-evolučné evolučné algoritmy.
• Simulátory ekosystémov založené na echu Johna Hollada.
• Demo v diskrétnych kartézskych priestoroch.
• Vývoj stratégie algoritmov, ktoré optimalizujú rozmiestnenie prehľadávania.



• Tutoriál:
• Úvod k parametrom Eos systému.



• Praktické príklady:
• Nástroj, ktorý automaticky generuje parametre dokumentácie.
• Editor pre konfigurovanie konfiguračných súborov.