Prírodou inšpirované algoritmy

Zameranie

Bunky musia dosiahnuť nielen svoju správnu pozíciu, ale musia sa tiež správne spojiť s ostatnými bunkami. Hlavne v nervovom systéme je vývoj správnej konektivity kritický. Pre vytvorenie pracujúcej siete buniek, predlženia buniek ako napr. axónov a dendritov musí v konečnom dôsledku dosiahnuť požadované ciele.

Zameriavanie cieľových predĺžení je prevažne založené na jednej z dvoch primárnych stratégií:

• Špecifická identita - identita cieľu je špecifikovaná priamo v genetickom kóde a cieľ je lokalizovaný na základe chemickej značky.
• Relatívna pozícia - relatívne umiestnenie cieľa je špecifikované v genóme, takže predĺženie rastie na špecifickú dĺžku a uhol na to aby dosiahlo cieľ. Vysoko pravidelné vzorky konektivity ako napr. neurónové siete a samoorganizujúce sa mapy, sú formované týmto spôsobom.

Množstvo variácií týchto dvoch zameriavacích stratégií existuje v biológii a môže byť použité v UE. Napríklad, chemický gradient môže byť použitý na identifikáciu veľkej cieľovej oblasti a pomôcť procesom nájsť ich cieľ. Umiestnenie a identita môžu byť použité spolu, tak aby predĺženie bunky rástlo smerom k príslušnej oblasti a potom použilo gradient k nule na svoj cieľ. Iné bunky môžu tiež emitovať cestu označujúce proteíny.

Aj keď množstvo neurónových systémov môže byť nápadito organizovaných bez špecifikácie presných cieľov pre jednotlivé predĺženia, niektoré neurónové siete sú založené na veľmi špecifických predurčených cieľoch. Napríklad dendritické zameriavanie v čuchovom nervovom systéme mušky Drozofily bolo demonštrované ako predšpecifikované, teda ručne kódované. Preto je potrebné aby systémy UE boli schopné vyvíjať obidve topológie – predurčené ručne kódované spojenia a tie, ktoré sú organizované na základe chemických gradientov alebo relatívnych umiestnení.

Celý proces rastu axónov a dendritov nie je nutné simulovať na to aby sme formovali neurónové spojenia v simulácii. Spojenia v UE systémoch môžu byť formované okamžite s perfektnou presnosťou. Či nízkoúrovňové simulácie rastu axónov skutočne ponúkajú evolučnú výhodu zostáva zatiaľ neobjasnené.

Spôsob, ktorým možno vyjadriť ciele pomocou genetického kódovania, môže zamerať evolučné prehľadávanie k určitým druhom topológií. Preto je potrebný dôsledný výskum na určenie najefektívnejšieho spôsobu na simulovanie zameriavania z hľadiska výpočtovej náročnosti, ako aj toho najviac výpočtovo náročného kódovania.