Prírodou inšpirované algoritmy

Neuroevolúcia

Jedným s najsledovanejších smerov v tejto oblasti je evolúcia umelých neurónových sietí, čiže neuroevolúcia. Jedným s dôvodov je vysoká potenciálna komplexnosť neurónových sietí. Idea vývinu neurónových sietí pomocou evolučných algoritmov je založená na odvážnej metafore : evolúcii ľudského mozgu. Je možné uvažovať dve odlišné problémy pre neuroevolučné systémy:

• Trénovanie siete – nastavenie váh
• Optimalizácia architektúry NN

Z pohľadu L-systémov je zaujímavejší problém optimalizácie architektúry neurónovej siete a hlavne porovnanie rôznych spôsobov kódovania jej topológie.

Príklad nepriameho kódovania architektúry neurónovej siete. Hore je uvedený L-systém, v strede prepisovací proces a dole architektúry neurónových sietí vzniknuté interpretáciou vygenerovaných reťazcov.

Klasifikácia stratégií:

• Kódovania založené na synaptických spojeniach
• Kódovania založené na uzloch
• Kódovania založené na vrstvách
• Kódovania založené na cestách
• Nepriame kódovania

Hlavnou myšlienkou nepriameho kódovania je zakódovať v genotype namiesto konkrétnych vlastností neurónovej siete len konštrukčný program využívajúci gramatiku (napr. L-systém). Medzi teoretické výhody takéhoto spôsobu kódovania patrí : Malý počet pravidiel môže vytvárať komplexné architektúry Ľubovoľne veľké architektúry môžu ľahko vznikať z menších relatívne malými zmenami

Modularita riešení – rovnaké prepisovacie pravidlá môžu byť aplikované viackrát počas rastového procesu, čo vedie k opakovanému výskytu efektívnych častí architektúry

Prvý gramatický neuroevolučný systém použil Kitano a pre evolúciu architektúry neurónovej siete použil genetický algoritmus a grafový prepisovací systém. Mnoho prác v oblasti neuroevolúcie sa zaoberá hľadaním alternatívnych spôsobov kódovania.

L-systémy sa používajú nielen na modelovanie architektúry celých sietí, ale aj na modelovanie činnosti jednotlivých neurónov s využitím formalizmu L-systémov.