コードの進化:ゼロから理解して遺伝的アルゴリズムをコーディングする-パート1

コードの進化:遺伝的アルゴリズムをコーディングする-パート1

コードの理解と作成

イントロダクション — アルゴリズムのインスピレーション

UnsplashでのJohannes Plenioによる写真

自然を見て、生物がどのように進化し、適応し、何千年も生き残ってきたのか考えたことはありますか? もし私があなたに、あなたがコンピュータの前に座っていて、何千年もかけずに、わずか数秒で同様の進化プロセスをシミュレートする力を持っていると言ったらどうでしょうか? それはもちろん、遺伝的アルゴリズムを通じてです。

「遺伝的アルゴリズム」(GA)という概念は、1960年代から存在しています。ミシガン大学のジョン・ホーランドがそれを発見しました。

ホーランドの旅は、コンピュータで進化を複製しようとしたわけではなく、なぜ自然システムがそうした内在的な適応性を示すことができるのかを理解することを目指して始まりました。彼の研究は、時間とともに進化する構造化された機械学習システムである分類器システムの創造に至りました。

さて、あなたはおそらく「それは機械学習ではないのですか?」と尋ねるかもしれません。はいといいえの両方です。分類器システムは「学習」の振る舞いを示す一方で、現代の機械学習とはかなり異なります。分類器システムは、ルールのプールを作成し、混ぜ合わせてテストすることによって機能します。時間の経過とともに、成功したルール(システムのパフォーマンスを改善するのに役立つもの)は強化され、効果の薄いルールは削除されていきます。この全体のプロセスは進化のプロセスに類似しています。

当初は抽象的な数学の問題を解決するために使用されていましたが、GAの効果的な複雑な問題の解決能力が認識され、GAsは複雑な最適化問題の解決においても主要なアルゴリズムの一つとなりました。

このシリーズでは、遺伝的アルゴリズムの原則を用いてナップサック問題を解決します。

ナップサック問題:旅行者のジレンマ

ナップサック問題は、最適化の例としてよく使われる有名な組み合わせ問題です。

海外旅行の準備をしていると想像してください。航空会社には厳しい手荷物の重量制限があり、それを超えると高額になります。スーツケースにはさまざまなものが入ります…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

人工知能

『ジュリエット・パウエル&アート・クライナー、The AI Dilemma – インタビューシリーズの著者』

『AIのジレンマ』は、ジュリエット・パウエルとアート・クライナーによって書かれましたジュリエット・パウエルは、著者であ...

機械学習

「機械学習 vs AI vs ディープラーニング vs ニューラルネットワーク:違いは何ですか?」

テクノロジーの急速な進化は、ビジネスが効率化のために洗練されたアルゴリズムにますます頼ることで、私たちの日常生活を形...

人工知能

ファイデムのチーフ・プロダクト・オフィサー、アルパー・テキン-インタビューシリーズ

アルパー・テキンは、FindemというAI人材の獲得と管理プラットフォームの最高製品責任者(CPO)ですFindemのTalent Data Clou...

人工知能

「トリントの創設者兼CEO、ジェフ・コフマンへのインタビューシリーズ」

ジェフ・コーフマンは、ABC、CBS、CBCニュースで30年のキャリアを持った後、Trintの創設者兼CEOとなりましたジェフは手作業の...

AIニュース

Q&A:ブラジルの政治、アマゾンの人権、AIについてのGabriela Sá Pessoaの見解

ブラジルの社会正義のジャーナリストは、MIT国際研究センターのフェローです

機械学習

「Prolificの機械学習エンジニア兼AIコンサルタント、ノラ・ペトロヴァ – インタビューシリーズ」

『Nora Petrovaは、Prolificの機械学習エンジニア兼AIコンサルタントですProlificは2014年に設立され、既にGoogle、スタンフ...