Prírodou inšpirované algoritmy

Náhodné boolovské siete

Dellaert a Beer boli schopní prekonať problém veľkosti prehľadávaného priestoru veľkým zjednodušením ich modelu, použitím náhodných boolovských sieti (NBS) namiesto komplexnejšieho operónového modelu. NBS prvotne predstavil Kauffman. Sú to jednoduché boolovské výrazy, ktorých výstupy sú spojené s vstupmi iných boolovských výrazov, čím formujú sieť čo možno vidieť na obrázku. Sieť má stav definovaný súčasnými výstupmi všetkých boolovských výrazov, čo definuje súčasný stav bunky. Naviac, Dellaert a Beer zjednodušili model axónového vyrastania tak, že bunky boli jednoducho prepojené ak sa vyznačovali prítomnosťou správneho proteínu. Zaujímavé je, že s týmto zjednodušeným modelom boli schopní evolvovať riešenia úlohy obchádzania prekážok, ako prídavok k vozidlu, nesledujúcemu čiaru. Vychádza nám, že jednoduché riešenie sa niekedy správa lepšie ako biologicky korektné, abstrakcia môže byť silným nástrojom.

Náhodná boolovská sieť

V tomto príklade náhodnej boolovskej siete je stav siete daný boolovskými hodnotami A, B a C. V každom časovom kroku sú stavové hodnoty aktualizované podľa ich hodnoty v predchádzajúcom kroku. V prístupe Dellaerta a Beera (1996) je súčasný stav bunky daný súčasným stavom jej RBN. Jednotlivé bity v stavových signáloch vystupujú ako delenie bunky alebo vytváranie spojenia medzi bunkami. RBN siete boli predstavené (Kauffmanom, 1993) na simulovanie vyjadrenia proteínových vzoriek v bunkách vyvíjajúceho sa embrya. RBN sú výpočtovo menej náročné ako plne rozvinuté GRN implementácie (obr. 4), pričom prejavujú rovnakú dynamiku.

(Jakobi, 1995) použil GRN model založený na proteínovej interakcii s genómom a prenosom medzi rozličnými bunkami. Namiesto boolovských výrazov, Jakobi použil šablóny, ktoré sú reťazcami znakov, ktoré môžu byť párované s proteínmi. Šablóny boli časťami génov. Toto kódovanie umožnilo sa celému genómu evolvovať ako reťazec, podobne ako DNA. Jakobi vytvoril simulovaných robotov, ktorí mohli prechádzať cez chodbičky a vyhýbať sa prekážkam.

Terajší výskum v tejto oblasti stavia na skorších ambicióznych experimentoch Jakobiho, Dellaerta a Beera. Množstvo výskumníkov, ktorí používajú prístup bunkovej chémie, sa snaží vytvoriť sofistikované správanie, evolúciou mozgu a tela tvorov v 3D simulovaného sveta, tak ako Hornby a Pollack to dokázali s L-systémami. Bongard, Paul a Pfeifer použili kódovanie založené na GRN na vývin tvorov, ktoré boli testované na ich schopnosť chodiť proti kocke a tlačiť ju na nejakú vzdialenosť. Bongard a spol. boli schopní ukázať to, že opakované fenotypické štruktúry boli evolvované opätovným použitím génov. Neskôr, Bongard ukázal, že gény ovplyvňujúce morfológiu evolvovali rozdielne vývojové línie, od tých ovplyvňujúcich neurogenézu, aj keď tie isté génové produkty mohli ovplyvniť obidve línie. Zmeny v morfológii sa mohli objaviť počas mutácie bez rozrušenia neurogenézy a naopak. Takto bola vyvinutá modularita v ktorej sa neurónová sieť a morfológia tela vyvíja paralelne a predsa nezávisle od seba. Kódovanie založené na GRN sieťach umožnilo vysokú úroveň flexibility v druhoch mutácií, ktoré sú uskutočniteľné.