+ All Categories
Home > Documents > ICA 1- Introducere IA

ICA 1- Introducere IA

Date post: 03-Mar-2016
Category:
Upload: nicu-alistar
View: 233 times
Download: 0 times
Share this document with a friend
Description:
IA introduction

of 21

Transcript
  • INTELIGEN COMPUTAIONAL APLICAT. SOLUII I IMPLEMENTRI

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    2

    CAPITOLUL 1INTRODUCERE N INTELIGENA COMPUTAIONAL

    1.1. Analiza proceselor de adaptare n sistemelebiologice

    1.1.1. Terminologie

    Conform literaturii de specialitate, adaptabilitatea const n capacitateaunui sistem de a (ii) modifica parametrii operationali, cu scopul de a (ii)indeplini mai bine sarcinile i include [] orice proces n cursul cruia o structureste modificat progresiv, pentru a furniza performane mai bune n mediul sude existenta [1]. Un caz particular il reprezint adaptabilitatea dinamic, in caresistemul reactioneaza la schimbarile de mediu in timp real [1]. Prin definitie,nvarea reprezint acumularea unei serii de cunotine sau competene,dobndite prin instruire sau studiu. A nva presupune abilitatea de anelege/a se califica, prin intermediul instructajului sau a experienei [1].

    1.1.2. Limite i bariere. Cele trei spaii ale adaptabilitii

    Adaptabilitatea este un proces fundamental, care, desi apare in natura ntr-o mare varietate de forme, este analizat ca un intreg si face obiectul uneimetode de studiu coerente si unificate [1]. Procesele de adaptare sunt procesede ameliorare (imbuntire).De obicei, ele nu sunt procese de optimizare desine stttoare. Adaptabilitatea depete barierele de neliniaritate i deoptimizri locale [2]. Are loc o modificare treptat a uneia sau mai multorstructuri de cunostinte ale sistemului i se folosesc un set de operatori ceevolueaz n timp.

    Comentariu [HS1]: pentru carteacest topic va fi inclus in celprecedent

    Comentariu [HS2]: aici am ramas

    Comentariu [HS3]: unificata cupropozitia anterioara

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    3

    Printre barierele adaptabilitii sunt menionate: spaiile prea vaste, unnumr prea mare de variabile, funciile de fitness (de potrivire) complexe sineliniare, funciile de fitness variabile n timp i variabile n zona parametrilorde intrare, mediile complexe i variabile.

    Se difereniaz [2] trei spaii ale adaptabilitii:1) Spaiul parametrilor de intrare, numit i spaiul problemei, ce

    reprezint domeniul dinamic al parametrilor de intrare i este specificat n moduzual;

    2) Spaiul ieirilor sistemului, spatiul funciei, este specificat de anumitecondiii (constrngeri) hardware sau software; reprezint, domeniul dinamic alvariabilelor de iesire;

    3) Spaiul potrivirii reprezint spaiul n care se definete valoareasoluiilor dorite n spaiul ieirilor, determinate n urma adaptrii. n funciede natura problemei ce trebuie soluionat, potrivirea se scaleaz ntre 0 i 1,nsemnnd: nivelul 0 minimizare, nivelul 1 de maximizare;

    Spaiile ieirilor sistemuluii cel al potrivirii pot sau nu s coincid.

    1.1.3. Clasificarea tipurilor de adaptabilitate: supervizat,nesupervizati forat

    Procesul adaptrii (adaptabilitatea) se poate realiza n trei moduri distincte[2], dup cum urmeaz:

    1) Adaptarea supervizat, n care ieirea sistemului este aprioricunoscut;

    2) Adaptabilitatea nesupervizat n care ajustarea se face fr un obiectivanume la ieire;3) Adaptabilitatea forat, n care se urmrete obinerea unui anumitobiectiv la ieire.

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    4

    1.1.4. Adaptabilitatea supervizat.Comportamentul sistemelor adaptate

    Adaptabilitatea supervizat reprezint acel tip de ajustare (adaptare) alsistemului astfel nct acesta s genereze o ieire specficat, ca rspuns la ointrare specificat. Supervizarea presupune c ieirea este apriori cunoscutpentru toate intrrile, iar algoritmul de antrenare al sistemului utilizeaz eroareapentru a dirija antrenarea [3].

    Paii utilizai n adaptarea supervizat sunt urmtorii: profesorulfurnizeaz perechile de date intrare-ieire (standardul de referin); adaptarease realizeaz prin iteraii, astfel nct potrivirea este adeseori inversproporional cu suma erorilor. Adaptarea supervizat este eficient pentruaproximarea funciilor, de exemplu algoritmul cu propagare invers folosit nantrenarea reelelor neuronale [2].

    Figura 1.1 Adaptabilitatea supervizat ( Eberhart 2007)

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    5

    Legea Suficienei: Dac soluia unei probleme este destul de bun(satisface specificaiile), destul de rapid i destul de ieftin, atunci estesuficient. [4]

    1.1.5. Adaptabilitatea nesupervizat

    n cadrul acestui tip sistemul se va adapta la regularitile datelor, nconformitate cu normele implicite ale design-ului sau, nefiind prezent un sau un extern. Obiectivele nu exist. [3]. Interpretarearezultatului instruirii (este bun, este utilizabil) este realizat la finalizarea instruirii,iar evaluarea off-line este in general realizat de un om sau de ctre un sisteminteligent.

    Figura 1.2 Adaptabilitatea nesupervizat (Eberhart, 2007)

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    6

    Adaptarea nesupervizat este utilizat n general pentru problemele declasificare (clustering), sau de nvare competitiv. Clasificarea grupeazvectorii de intrare (pattern) similari n submulimi (grupuri) numite clustere(clase). Elementele dintr-un grup (clas) au un grad ridicat de asociere naturalntre ele, totui acestea sunt relativ distincte unele fa de altele. n cadrulacestei probleme de clasificare exist doua faze eseniale: determinareanumrului de clase i repartizarea fiecrui punct de date (pattern) ntr-un grup(cluster). Exemple sunt reelele SOFM (self-organising feature maps, numite iKohonen Maps) i LVQ (learning vector quantization).

    1.1.6. Adaptabilitatea foratAdaptarea forat (reinforcement adapting) poate fi privit caun semnal

    de armare, ce clasific rspunsul sistemului ca fiind bun sau prost. Un critic oferinformaii euristice pentru ntrire (ajutor, sprijin) [3]. Este necesar s existe unfel de msur a potrivirii sau scopului, iar o astfel de msura nu se poate obine

    direct, dar pot exista sugestii: ct de bun este o soluie fa de alte soluii.Adaptarea forat este metoda cea mai apropiat de sistemele biologice

    (animalele, inclusiv oamenii, tind s evite comportrile ce le provoac disconforti tind s caute sau s repete aciunile care le aduc confort).

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    7

    Figura 1.3 Adaptabilitatea forat (Eberhart, 2007)

    Adeseori, sistemul primete o serie de date (intrare, stare) i doar lasfrit evalueaz potrivirea sistemului. Criticul se uit numai la rezultatelefinale, nelund n considerare erorile datorate fiecrei intrri. De exemplu, noptimizarea roiurilor de particule se poate calcula doar ct de bun este osoluie n raport fa de alta.

    1.1.7. Auto-organizarea

    Auto-organizarea reprezint o proprietate a unui sistem evolutiv de a-ielabora noi forme de organizare, noi modele sau structuri interne. [2]

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    8

    Sistemele cu auto-organizare prezint aparent o ordine spontan, procesulpoate fi vazut ca o ncercare continu a sistemului de a se organiza el insui nstructuri mai complexe, chiar i n faa forelor permanente de desfacere(farmiare) descrise de legea a doua a termodinamicii. ntreaga stare asistemului este o proprietate de emergen a acestuia, iar componenteleinterconectate ale sistemului devin organizate ntr-o manier productiv, plin deneles, n funcie de informaiile locale, iar dinamica global reiese din regulilelocale. [4]

    Sistemele complexe se pot auto-organiza, iar procesul de auto-organizareapartine domeniului de iteratie al teoriei haosului [2]. Exemple de asemeneaprocese: formarea cristalelor de ghea, cristalizarea srii, automate celulare,creierul uman.

    1.2. Repere istorice

    Prima dat termenul a fost utilizat n contextul sau actual de ctre JamesBezdek n 1992 [2]. Primul Congres Mondial IEEE privind InteligenaComputaional a fost cel din Orlando din anul 1994, iar prima lucrare privindInteligena Computaional n 1996. Cel de-al doilea Congres Mondial IEEEdespre CI a avut loc n Anchorage n 1998. Congrese ulterioare bazate peaceast tem au avut loc n Hawaii (2002), n Vancouver (2006), apoi Hong Kong(2008).

    Inteligena Computaional a fost titlul unei reviste din Canada ncepndcu 1980, dar nu nsemna la acea vreme ceea ce am inelege noi acum prinacest termen. Primul publicaie ce a utilizat acest termen a fost publicat abia n1992, de ctre Bezdek n Int. Jour, articolul dezbtea (bazndu-se pe unraionament aproximativ) problema recunoaterii patternurilor, precum i acalculului evolutiv la care face referire domeniul Inteligenei Computaionale.

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    9

    1.2.1. Concepia DarwinianInteligena computaional a fost bazat n mare parte pe teoria

    darwinist i pe analogiile biologice [2], mai exact pe concluziile elaborate (prinintermediul experimentelor genetice) de ctre Darwin i Mendel: structuracromozomilor e determinat de ctre parini; mutaiile genetice genereazapariia unor noi caractere, care pot sporiansele individului de a supravieuisau de a se adapta unor noi condiii de mediu. Aceste caractere pot fi transmiseereditar urmailor, permind speciei respective s evolueze; cel mai puternicindivid are ansele cele mai mari de supravieuire.

    1.2.2. Definiia BezdekUn sistem computaional este inteligent atunci cnd: se ocup numai cu

    date numerice (nivel sczut), are o componen de recunoatere a formelor, nufoloseste logica i cunostiinele Inteligenei Artificiale; caracterul inteligenteste marcat de momentul cnd: ncepe s expun adaptabilitateacomputaional, ori tolerana la erorile de computaie; de asemenea, atuncicnd viteza sa de rspuns i rata de eroare ncep s fie aproximativ umane. [5]

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    10

    Figura 1.4 Etape n recunoaterea de patternuri (Bezdeck, 1994)

    1.2.3. Interpretarea PedryczInteligena Computaional este un domeniu aprut recent de cercetare

    fundamental i aplicat, ce exploateaz o serie de tehnologii avansate deprelucrare a informaiilor. Principalele componente ale InteligeneiComputaionale cuprind: reelele neuronale, tehnologia fuzzy i calcululevolutiv. n acest triumvirat, fiecare dintre domeniile menionate joac un rolimportant, bine-definit i unic. [6]

    1.2.4. Definiia EberhartPunctul de vedere al lui Eberhart privind Inteligena Computaional:

    Inteligena exist n multe tipuri de sisteme; nu conteaz ce fel de sistemproduce inteligen. Toate modelele de calcul au fost concepute i puse naplicare de oameni; prin urmare, acestea trebuie s aib analogii biologice.Nodurile nu sunt ntotdeauna sub-seturi ale are unor noduri mai complexe. Aparecomunicarea ntre ambele sensuri. Exist ci directe de la nodurile decomplexitate mai sczut ctre cele de mare complexitate. [2]

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    11

    1.3. Conceptul de Inteligen Computaional1.3.1. Definiii

    Inteligena reprezint capacitatea de a ntelege uor i bine, de a sesizaceea ce este esenial, de a rezolva situaii sau probleme noi pe bazaexperienei acumulate anterior[7];

    Capacitate a individului de a se adapta la imprejurri noi, de a sesizarelaiile eseniale i de a gsi o ieire dintr-o anumit situaie, de a rezolvaprobleme noi.[2]

    Capacitatea unui sistem de a-i adapta comportarea pentru a-i ndepliniobiectivele ntr-un domeniu de medii nconjurtoare. [7]

    Inteligena computaional cuprinde concepte de adaptare practic i deauto-organizare, paradigme, algoritmi i implementri care s permits faciliteze aciunile corespunztoare (comportamentul inteligent), n mediicomplexe i schimbtoare (variabile n timp) [2];

    IC reprezint o metodologie ce implic calcule numerice furniznd unuisistem abilitatea de a inva i/sau de a rezolva situaii noi percepiaasupra sistemului fiind aceea c posed anumite atribute de raionament:generalizare, descoperire, asociere, abstractizare. [2]

    Figura 1.5 Reprezentare schematic a IC (Eberhart, 2007)

    Inteligena computaional grupeaz tehnici de rezolvare a problemelorru puse sau a celor pentru care modelele formale conduc la algoritmi foartecostisitori. Problemele ru-puse nu se pot descrie complet printr-un model

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    12

    formal, ci, cel mult, se cunosc exemple de rezolvare a problemei.De exemplu:cutarea unui persoane ntr-o baz de date folosind drept cheie de cutare pozapersoanei cutate.

    Problemelor bine-puse li se poate asocia un model formal, de exemplu unmodel matematic, pe baza cruia se poate dezvolta o metod de rezlovare cucaracter algoritmic.De exemplu cutarea ntr-o baz de date utiliznd codulnumeric personal al persoanei cutate. [4]

    Inteligena computaional (IC) reprezint modelarea numeric ainteligenei biologice; IC este similar Inteligenei artificiale, care este bazatpe noiunea de cunotin.Inteligena este de trei tipuri:biologic, artificiali computaional.

    Figura 1.6 Raporturi intre componentele IC[4]

    Soft computing nu este o metodologie unic. Mai degrab, este unconsoriu de metodologii de calcul care ofer mpreun o baz pentruconceperea, proiectarea i implementarea de sisteme inteligente. n momentulde fa, principalii membri ai soft computing sunt logica fuzzy,neurocomputaia, calculul genetic i calculul probabilistic, acesta din urmcuprinznd raionamentele evidente, reele de convingeri (belief network),sistemele haotice, precum i pri ale teoriei de invare a mainii. n contrastcu tradiionalul hard-computing, soft-computing este tolerant la imprecizie,incertitudine i adevr parial. Principiul de baz al computrii soft este:exploatarea de toleran pentru imprecizie, incertitudine i adevr parialpentru a obine soluii cu cost redus, robustee, i un raport mai bun curealitatea. [8]

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    13

    Figura 1.7 Raporturile ntre componentele sistemelor inteligente(Eberhart, 2007)

    Domenii ale Inteligenei Computaionale sunt: Logica fuzzy, CalcululEvolutiv, Reelele Neuronale, Sistemele Hibride. Aceste domenii sunt ntr-orelaie de complementaritate, nu concurenial, n care fiecare contribuie cuavantajele i tehnicile proprii la soluionarea problemelor [2]. Logica Fuzzy oferposibilitatea aproximrii, Algoritmii Genetici realizeaz o cutare sistematic asoluiei, Reelele Neuronale au capacitatea de a nva i de a se adapta.

    1.3.2. Asemnri i diferene ntre Inteligena Artificial (IA)iInteligena Computaional (IC)

    Inteligena Artificial este definit [9]: studiul puterii de calcul necesarpentru obinerea unui comportament inteligent i ncercarea de a imita aceastperforman de calcul folosind computerele. Comportamentul inteligent mbinpercepia asupra mediului nconjurtor cu aciunea necesar ndeplinirii unor

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    14

    anumite scopuri. Inteligena, necesitnd din punct de vedere biologic cantitimari de energie, recompenseaz prin mrirea anselor de supravieuire. Nueste necesar o nelegere perfect, ci doar una suficient pentru o reacieadecvat n timp real.

    Atribute ale sistemelor cu IC care nu apar la Inteligen Artificial (IA) ihard-computing: capacitatea de generalizare, capacitatea de a lucra cu adevrparial i incertitudine, tolerana uoar fa de erori i zgomot, ceea ceconduce la o uoar degradare a performanelor sistemului; capacitatea de afunciona bine n medii complexe i variabile. [2]

    Atribute ale sistemelor cu hard computing ce nu apar la sistemele cu IC(soft computing) sunt precizia i certitudinea. Nu vom utiliza IC n verificareacontului bancar i calcului impozitului. Viaa i sistemele reale abund nimprecizii, incertitudini, adevruri pariale i neliniariti. Multe sarcini dificile ,cum ar fi dezvoltarea sistemelor de optimizare i diagnosticare n mediicomplexe i variabile, pot fi duse la bun sfrit cu implementri de IC. [4]

    1.3.3. Adevr i exagerare despre Inteligena Computaional

    Domeniul Inteligenei Computaionale aaprut relativ recent, nsa acestlucru nu a mpiedicat formarea i propagarea prejudecilor, a afirmaiilorfalse cu privire la aceast ramur tehnologic. Prezentm cteva mituri [2]:necesitatea supercomputerelor si a unor sume mari de bani pentru a obinerezultate utiliznd IC; implementarile IC sunt cele mai rapide, mai ieftine i maibune; IC furnizeaz ntotdeauna optimizarea absolut; IC elimin nevoia deprogramare; ntr-un sistem, partea de IC este mult mai important dect parteade pre-prelucrare a datelor; numai experii n biologie pot utiliza IC; logica fuzzyeste vag, imprecis, i este considerat un alt fel de probabilitate.

    1.3.4. Clasificarea domeniilor Inteligenei Computaionale

    1.3.4.1. Logica fuzzy

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    15

    Termenul fuzzy se traduce ca: vag, neclar, imprecis, pufos, nuanat.Substantivul fuzziness desemneaz o imprecizie nestatistic i un caracter vagal informaiilor i datelor.

    Logica Fuzzy se aplic mrimilor i aprecierilor subiective i reprezintanalogul incertitudinii din experienele umane: Atta vreme ct legilematematicii se refer la realitate, ele nu sunt sigure. i atta vreme ct suntsigure, ele nu se refer la realitate. (Albert Einstein)

    Pe msur ce crete compelxitatea, formulrile precise pierd din ntelesi formulrile pline de neles pierd din precizie. (Lofti Zadeh)

    Un Sistem cu Logica Fuzzy (SLF) [2] permite modelarea i implementareafuncionrii oricrui proces prin descrierea relaiilor intrare-ieire folosindvariabile, valori lingvistice i reguli fuzzy DAC-ATUNCI. Sistemele cu logicafuzzy sunt de tip Mamdani i Takagi-Sugeno, iar clasificarea acestora din prismanumrului de intrri-ieiri le va diviza n: SISO (Single Input Single Output),MISO , MIMO.

    Figura 1.8 Sistem cu logica fuzzy (G. Olteanu, 2008)

    Operatorii unui astfel de sistem sunt: fuzzificarea, inferena i

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    16

    defuzzificarea. Fuzzificarea i defuzzificarea asigur corespondena ntrevalorile din lumea real (valori numerice) i valorile utilizate n SLF (valorilingvistice, subiective, incerte). Inferena determin mulimea fuzzy de ieire nfuncie de valorile de intrare.

    Domeniile de aplicare ale Logicii Fuzzy sunt cu precdere sistemele decontrol (aparate electrocasnice, vehicule, automatizri), precum i n proceseleindustriale, n sistemele de diagnoza, financiare, n robotic etc.

    1.3.4.2. Calculul Evolutiv i ariile de aplicare ale acestuia

    Definiie [2]: Calculul Evolutiv reprezinta o optimizare a mainii denvare i a paradigmelor de clasificare, bazat aproximativ pe mecanisme deevoluie, cum sunt selecianatural i biologia genetic. Include AlgoritmiiGenetici, programarea evolutiv, strategii de evoluie i de programaregenetic.

    Calculul Evolutiv este strns legat de genetic, ca ramur a biologiei carese ocup cu varietatea organismelor. Modelele individuale n EC (CalcululEvolutiv) corespund cromozomilor n sistemele biologice. Cromozomii suntstructuri n cadrul organismelor celulare care transmit informaia genetic (ncazul particular al oamenilor, 46 cromozomi aflai n 23 de perechi, ntre care 22de cromozomi somatic si o pereche de cromozomi sexuali). Genotipul determinn mod specific un organism; n Calculul Evolutiv o structur este asociat unuisistem; n cele mai multe unelte ale EC, un ir indic o structur, astfel nctstructura poate fi substituit cu cromozomul.

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    17

    Figura 1.9 Cromozomi (Eberhart, 2007)

    Domeniile de aplicare ale calculului evoluionist sunt: Algoritmii Genetici,Programarea Evoluionist, strategii evolutive, Optimizarea Roiurilor de Particule(Particle Swarm Optimization); EC modeleaz procese naturale: selecie,recombinare, mutaie etc; de asemenea, este folosit pentru implementarea unormetode de cutare stochastic, bazate pe mecanismele de evoluie natural.

    Ca i principiu, EC lucreaz cu populaii de soluii poteniale i aplicprincipiul supravieuirii celui mai bun (conform teoriei evoluioniste a lui Darwin)pentru a furniza aproximri din ce n ce mai bune ale soluiei. Determinevoluia indivizilor din populaie, astfel c acetia devin mai adaptai mediuluidect indivizii din care au fost creai, similar cu adaptarea natural.

    1.3.4.3 Reelele Neuronale [10]

    Reelele neuronale caracterizeaz ansambluri de elemente de procesaresimple, puternic interconectate si opernd in paralel, care urmresc sinteracioneze cu mediul nconjurtor ntr-un mod asemntor creierelorbiologice i care prezint capacitatea de a nva.

    Modelul artificial se bazeaz, evident, pe cel biologic; celula nervoas estealctuita din dendrite, corp si axon, iar semnalul se propag prin sinapse.

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    18

    Figura 1.10 (Eberhart, 2007)

    Exist diferene ntre cele dou tipuri de celule neuronale: semnulponderilor la cei artificiali este de tip + sau , semnelele fiind de tip DC (la ceinaturali este de tip AC); de asemenea, o reea artificial utilizeaz un numrmult mai redus de neuroni, dar elementele lor de procesare sunt capabile de atransmite informaia in aproximativ 100ns, de circa 100-1000 de ori mai rapiddecat creierul.

    Domenii n care reelele neurale realizeaz modele eficient sunt:aproximri de funcii, clasificri, recunoatere de tipare, scanarea retinei etc.

    1.3.4.4. Sisteme hibride

    Sistemele hibride reprezint resurse poteniale care combinfuncionalitatea unor modele matematice cu abordarea tehnologiilor deinteligen computaional, furniznd soluii concrete pentru probleme cuspecificaii bine definite.

    1.3.5 Metrici i metodologii

    Pentru a dezvolta un sistem tip IC, sunt necesare anumite tipuri deinstrumente hardware i software precum i o serie de indicatori (metrici) deperforman ai sistemului: metode pentru msurarea i reprezentare ( deexemplu reprezentarea grafic a ponderilor reelelor neuronale).

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    19

    1.4. Paradigme fundamentale ale InteligeneiComputaionale

    Paradigma [2] reprezint o alegere special de atribute ce definesc unconcept. Un exemplu este paradigma back-propagation (propagare invers), ceeste inclus n conceptul de reea neuronal. Cele patru paradigmefundamentale ale Inteligenei computaionale sunt Reelele Neuronale,Calculul Evolutiv, Roiurile de Particule (Swarm Particles) i Sistemele Fuzzy,aa cum este ilustrat n figura urmtoare:

    Figura 1.11 Paradigmele IC [11]

    Aceste paradigme se pot combina ntre ele pentru a forma hibrizi (ca in figur),rezultnd sistemele Neuro-Fuzzy, sisteme Fuzzy-PSO, sisteme Fuzzy-GA iNeuro-Genetice etc.

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    20

    1.4.1. Optimizarea roiurilor de particule (Particle SwarmOptimization)

    Optimizarea roiurilor de particule este o tehnic de calcul evolutiv (ometod de cutare bazat pe sistemele naturale), dezvoltat de Kennedy iEberhart. Algoritmul Genetic este un instrument de optimizare bazat pepopulaie (roiuri). Cu toate acestea, spre deosebire de Algoritmii Genetici, PSO(Optimizarea Roiurilor de Particule) nu are operatori de evoluie, cum ar fiparametrul de crossover i de mutatie, PSO este singurul algoritm evolutiv carenu pune n aplicare conceptul de supravieuire al celui mai adaptat individ, ispre deosebire de ali algoritmi evolutivi n care operatorul de evoluie estemanipulat, viteza este ajustat n mod dinamic.

    Sistemul are iniial o populatie de soluii aleatoare. Fiecrei potenialesoluii, numita particul, i se administreaz o vitez aleatoare i este proiectatn spaiul problemei. Particulele au memorie i fiecare dintre acestea ineevident celui mai bun rezultat anterior, precum i a funciei de fitnesscorespunztoare.

    1.5. Aplicaii ale Inteligenei Computaionale

    Printre cele mai cunoscute aplicaii ale Inteligenei computaionale,menionm:

    - EEG Spike Detection;- Cart Positiong Problem;- Schedule Optimization Problems (TSP-Travelling Salesmans Problem, cuvariant problema potaului chinez);- optimizri de depozitare etc.

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    21

    1.6. Bibliografie de capitol[1] Holland, J.H.:Adaptation in Natural and Artificial System, University ofMichigan Press, Ann Arbor (1975/1994)[2] Eberhart, Russel C., Yuhui, Shi: Computational Intelligence: Conceptsto Implementation, Morgan Kaufmann Publishers, 2007, ISBN 978-1-55860-759-0[3] Reed, Russell D., Marks, Robert J.: Neural smithing: Supervisedlearning in feedforward artificial neural networks, The MIT Press,Cambridge, 1992[4] Oltean, Gabriel: Tehnici de Inteligen Computaional n Electronic[5] Bezdek, James C., Raghu Krisnapuram, Nikhil R. Pal: Fuzzy Modelsand algorithms for pattern recognition and image processing, Library ofCongress Cataloging in - Publication Data, 2005[6] Pedrycz, Witold: Computational intelligence: an introduction, CRCPress, 1998[7] Academia Romn: Dicionar Explicativ al Limbii Romne, Ed. Univers,2009[8] Zadeh, Lotfi A., Bouchon-Meurie, Bernardette, Yager, R. Ronald: FuzzyLogic and Soft Computing, World Scientific Publishing Company ,1995,ISBN-10: 9810223455[9] Dictionary of Science and Technology, Academic Press, 1992[10] Sisteme fuzzy i reele neuronale, Universitatea Tehnic GheorgheAsachi, 2009[11] Ganesh K. Venayagamoorthy: Development of a ComputationalIntelligence Course for Undergraduate and Graduate Students, Departmentof Electrical and Computer Engineering


Recommended