Was kann getan werden, wenn Evolution auf Algorithmen trifft?

Jeder kennt die Evolution von Pflanzen und Tieren.

Aber du weißt

Auch Ingenieure können diesen natürlichen Prozess nutzen

Etwas erfinden?

Tiere und Pflanzen in einer schwierigen und komplexen Umwelt

Anpassungsbedarf durch Weiterentwicklung

Wie das Sprichwort sagt: Das Überleben des Stärkeren

Bildquelle: Photo Network

Biologen erforschen seit langem, wie die Evolution funktioniert, und Mathematiker und Informatiker haben sich mit Biologen zusammengetan, um Ingenieuren bei der Erfindung von Dingen zu helfen, indem sie Computerprogramme erstellen, mit denen sich Designs verbessern lassen - diese sogenannten evolutionären Optimierungsalgorithmen können zum Entwurf schnellerer Flugzeuge, stabilerer Brücken und sogar besserer Spiele verwendet werden.

Was genau ist Evolution?

Mit dem Begriff „Evolution“ beschreiben wir, wie sich Pflanzen und Tiere über lange Zeiträume hinweg verändern.

Ein Kind wird zum Beispiel ein bisschen wie seine Eltern sein. Vielleicht hat das Kind die gleiche Haarfarbe wie die Mutter und die gleiche Größe wie der Vater. Die Weitergabe dieser Ähnlichkeit zwischen Generationen wird als Vererbung bezeichnet.

Es kann auch subtile Unterschiede zwischen einem Kind und seinen Eltern geben, vielleicht eine größere Nase oder ein besseres Sehvermögen. Diese Unterschiede werden Mutationen genannt.

Bildquelle: Photo Network

In der Natur können winzige Mutationen für Pflanzen und Tiere den Unterschied zwischen Leben und Tod bedeuten. Wenn beispielsweise zwei Zebras vor einem Löwen davonlaufen, der auf der Suche nach einem Mittagessen ist, wird das Zebra, das schneller rennt, entkommen und überleben. Die überlebenden Zebras können Nachkommen zur Welt bringen, die möglicherweise die Laufgeschwindigkeit ihrer Eltern erben. Schnelle Zebrababys haben außerdem eine höhere Überlebenschance und bekommen selbst Junge, sodass die Zebrapopulation mit der Zeit zu schnellen Läufern wird. Dieser Prozess ist natürliche Selektion.

Arten entwickeln sich, um in ihrer Umwelt zu überleben; dies ist eine Kombination aus Genetik, Mutationen und natürlicher Selektion.

Organismen entwickeln sich auf erstaunliche Weise und vollbringen unglaubliche Dinge – von Motten, die ihre Farbe ändern können, um sich vor Raubtieren zu verstecken, bis hin zu Eidechsen, die durch ihre Haut Wasser trinken können.

Können wir diese Ideen aus der Natur nutzen, um Erfindungen zu schaffen?

Evolutionäre Optimierungsalgorithmen

In Bezug auf dieses Problem haben mehrere Informatiker die Idee evolutionärer Optimierungsalgorithmen vorgeschlagen.

Zwischen 1950 und 1960 wurden Algorithmen der evolutionären Optimierung für alle möglichen Dinge verwendet, beispielsweise für die Konstruktion von Flugzeugen, den Aufbau von Levels in Videospielen und sogar für die Schaffung von Kunst.

Stellen wir uns nun vor, wir versuchen, eine Brücke zu entwerfen:

**Zuerst müssen wir ein Ziel festlegen. Beispielsweise möchten wir, dass eine Brücke möglichst viel Gewicht tragen kann. **Sobald das Ziel festgelegt ist, können wir die beiden Brückendesigns vergleichen – dasjenige, das das meiste Gewicht tragen kann, ist besser.

**Der nächste Schritt besteht darin, einige erste Brückenentwürfe zu erstellen. **Dies kann zufällig mit einem Computer erfolgen, oder wir können uns etwas Zeit nehmen, um sie selbst zu entwerfen. Durch die Ausführung von Simulationen am Computer können wir vorhersagen, wie viel Gewicht jede Brückenkonstruktion tragen kann. Anhand dieser Informationen können wir die Designs nach ihrer Qualität bewerten.

Sobald wir wissen, welche Designs das meiste Gewicht aushalten, können wir sie als „Eltern“ auswählen – ähnlich wie es in der Natur passiert, erinnern Sie sich? Nur die schnellsten Zebras können gebären.

Natürlich können Brücken keine „Kinder“ haben, aber Wissenschaftler können Computerprogramme schreiben, die zwei gute Konstruktionen kombinieren, um eine neue „Kind“-Konstruktion zu erstellen, die Merkmale beider „Eltern“ aufweist.

**Erstellen Sie kontinuierlich neue Designs mithilfe von Vererbung und Mutation, simulieren Sie dann diese neuen Designs, bestimmen Sie, welche Designs am besten sind, und wiederholen Sie dann den Vorgang. **All dies wird automatisch vom Computer erledigt. Über einen langen Zeitraum, vielleicht Wochen oder Monate, werden immer bessere Brückenkonstruktionen gefunden.

Vor- und Nachteile evolutionärer Optimierungsalgorithmen

Evolutionäre Optimierungsalgorithmen sind sehr nützlich, wenn wir etwas Neues entwerfen müssen und nicht wissen, wo wir anfangen sollen.

Allerdings sind Algorithmen der evolutionären Optimierung mit einer gewissen Zufälligkeit behaftet, was bei manchen Ingenieuren zu Misstrauen gegenüber Algorithmen der evolutionären Optimierung führt . Die Zufälligkeit bedeutet auch, dass Designer evolutionäre Optimierungsalgorithmen mehrmals ausführen müssen, um sicherzustellen, dass sie das beste Design erhalten. Das wiederholte Ausführen eines Algorithmus zur evolutionären Optimierung kann lange dauern, länger, als ein erfahrener Ingenieur brauchen würde, um sich hinzusetzen und selbst etwas zu entwerfen.

Bildquelle: Photo Network

** In einigen Fällen haben evolutionäre Optimierungsalgorithmen Schwierigkeiten. **Beispielsweise muss normalerweise mehr als ein Ziel berücksichtigt werden, und das Hinzufügen weiterer Ziele bedeutet, dass der Algorithmus zur evolutionären Optimierung länger braucht, um eine Lösung zu finden.

Ein evolutionärer Optimierungsalgorithmus benötigt Stunden, um ein gutes Design zu „entwickeln“, doch die Ingenieure erkennen in Sekundenschnelle, dass die Simulation falsch ist. In diesem Fall müssen Wissenschaftler und Ingenieure den Fehler beheben. Obwohl evolutionäre Optimierungsalgorithmen nützliche Werkzeuge sind, werden sie menschliche Designer niemals ersetzen.

Quellen:

[1] Mitchell M, Taylor CE 1999 Evolutionäre Berechnung: Ein Überblick

[2] Hornby, J., Globus, D. und Linden, J. 2006. Automatischer Antennenentwurf mit evolutionären Algorithmen. Reston, VA: Amerikanisches Institut für Luft- und Raumfahrt.

[3] J. Vincentlake, S. Walton, B. Evans, 2021 Es ist der Weg, nicht das Ziel: Entwicklung genetischer Algorithmen, denen Praktiker vertrauen können

[4] Wang Shuaifa, Zheng Jinhua, Hu Jianjie et al. Multiobjektive evolutionäre Methode zur Partitionierung von Regionen mit adaptivem Präferenzradius. Journal of Software, 2017, 28(10): 2704-2721）

[5] Qiu Feiyue, Wu Yushi, Qiu Qicang und Wang Liping. Hochdimensionaler objektiver Evolutionsalgorithmus basierend auf bipolarer Präferenzdominanz. Journal of Software, 2013, 24(3): 476-489)

[6] Gong Dunwei, Liu Yiping, Sun Xiaoyan et al. Hochdimensionale, mehrdimensionale, parallele evolutionäre Optimierungsmethode basierend auf Zielzerlegung. Acta Automatica Sinica, 2015, 41(8): 1438-1451

ENDE

Autor: Nicht der Quarterback mit der Nummer 9

Qingdao University of Science and Technology, Robotik und intelligente Fertigungstechnologie

Prüfungsexperte: Chen Mingwei, Fakultät für Maschinenbau und Elektrotechnik, Qingdao University of Science and Technology

Herausgeber: Guru