論文の概要: Epigenetic opportunities for Evolutionary Computation
- arxiv url: http://arxiv.org/abs/2108.04546v1
- Date: Tue, 10 Aug 2021 09:44:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-11 19:54:39.358328
- Title: Epigenetic opportunities for Evolutionary Computation
- Title（参考訳）: 進化的計算のエピジェネティックな機会
- Authors: Sizhe Yuen, Thomas H.G. Ezard, Adam J. Sobey
- Abstract要約: 進化計算(Evolutionary Computation)は、複雑な最適化問題を解くために用いられる生物学的にインスパイアされたアルゴリズムのグループである。
遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。
本稿では, 進化的拡張合成に基づく生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Evolutionary Computation is a group of biologically inspired algorithms used
to solve complex optimisation problems. It can be split into Evolutionary
Algorithms, which take inspiration from genetic inheritance, and Swarm
Intelligence algorithms, that take inspiration from cultural inheritance.
However, recent developments have focused on computational or mathematical
adaptions, leaving their biological roots behind. This has left much of the
modern evolutionary literature relatively unexplored.
To understand which evolutionary mechanisms have been considered, and which
have been overlooked, this paper breaks down successful bio-inspired algorithms
under a contemporary biological framework based on the Extended Evolutionary
Synthesis, an extension of the classical, genetics focussed, Modern Synthesis.
The analysis shows that Darwinism and the Modern Synthesis have been
incorporated into Evolutionary Computation but that the Extended Evolutionary
Synthesis has been broadly ignored beyond:cultural inheritance, incorporated in
the sub-set of Swarm Intelligence algorithms, evolvability, through CMA-ES, and
multilevel selection, through Multi-Level Selection Genetic Algorithm.
The framework shows a missing gap in epigenetic inheritance for Evolutionary
Computation, despite being a key building block in modern interpretations of
how evolution occurs. Epigenetic inheritance can explain fast adaptation,
without changes in an individual's genotype, by allowing biological organisms
to self-adapt quickly to environmental cues, which, increases the speed of
convergence while maintaining stability in changing environments. This leaves a
diverse range of biologically inspired mechanisms as low hanging fruit that
should be explored further within Evolutionary Computation.
- Abstract（参考訳）: 進化的計算は、複雑な最適化問題を解決するために使われる生物学的にインスパイアされたアルゴリズムのグループである。
遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。
しかし、近年の進歩は計算や数学的適応に焦点を合わせ、生物学的なルーツを残している。
これは現代の進化文学の多くを比較的未開拓に残している。
本稿では, 進化のメカニズムを解明するために, 古典的, 遺伝学の焦点を絞った拡張的進化的合成に基づく, 現代の生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
この分析は、ダーウィン主義と現代合成が進化的計算に組み入れられたことを示しているが、拡張進化的合成は、Swarm Intelligenceアルゴリズムのサブセットに組み込まれた文化継承、CMA-ESによる進化可能性、マルチレベル遺伝的アルゴリズムによる多段階選択など、広く無視されている。
このフレームワークは進化計算におけるエピジェネティック継承の欠如を示しているが、進化がどのように起こるかの現代の解釈において重要な構成要素である。
エピジェネティック遺伝は、生物が環境条件に迅速に適応し、環境の変化の安定性を維持しながら収束の速度を高めることによって、個体の遺伝子型を変えることなく、迅速な適応を説明することができる。
これは、進化計算の中でさらに探究すべき低い吊り果実として、生物学的にインスパイアされた様々なメカニズムを残している。
関連論文リスト
- Evolutionary Automata and Deep Evolutionary Computation [0.38073142980732994]
進化的オートマトン(英: Evolution Automaticon)とは、進化的計算を無限世代で行う自動機械である。
これはまた、環境との対話的なフィードバックによって自己進化する自然進化の力のヒントを与える。
論文 参考訳（メタデータ） (2024-11-22T15:31:50Z) - DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary
Intelligence [77.78795329701367]
本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。
我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。
今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
論文 参考訳（メタデータ） (2023-12-08T16:51:10Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - Role of Morphogenetic Competency on Evolution [0.0]
進化計算において、逆関係(進化に関する知性の影響)は、生物レベルの振る舞いの観点からアプローチされる。
我々は、解剖学的形態空間をナビゲートするシステムの最小限のモデルの知性に焦点を当てる。
我々はシリコの標準遺伝アルゴリズムを用いて人工胚の個体群を進化させた。
論文 参考訳（メタデータ） (2023-10-13T11:58:18Z) - Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。
以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。
この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文 参考訳（メタデータ） (2023-06-06T19:05:01Z) - Towards Large-Scale Simulations of Open-Ended Evolution in Continuous
Cellular Automata [0.0]
並列計算フレームワーク JAX を用いた大規模進化シミュレーションを構築した。
遺伝子操作子を暗黙的に実装するなど、システム設計の選択肢を多数報告する。
オープンエンド進化を促進する要因をいくつか提案する。
論文 参考訳（メタデータ） (2023-04-12T06:40:11Z) - Epigenetics Algorithms: Self-Reinforcement-Attention mechanism to
regulate chromosomes expression [0.0]
本稿ではメチル化として知られるエピジェネティックス現象を模倣する新しいエピジェネティックスアルゴリズムを提案する。
エピジェネティックスアルゴリズムの斬新さは、主に注意機構と深層学習を利用しており、遺伝子/サイレンシングの概念とよく適合している。
論文 参考訳（メタデータ） (2023-03-15T21:33:21Z) - The Effect of Epigenetic Blocking on Dynamic Multi-Objective
Optimisation Problems [1.4502611532302039]
エピジェネティックなメカニズムは、環境変化に素早く非あるいは部分的に適応できる。
本稿では、自然界におけるエピジェネティック継承の利点が、動的多目的問題において複製されるかどうかを問う。
論文 参考訳（メタデータ） (2022-11-25T16:33:05Z) - The Introspective Agent: Interdependence of Strategy, Physiology, and
Sensing for Embodied Agents [51.94554095091305]
本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。
自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
論文 参考訳（メタデータ） (2022-01-02T20:14:01Z) - Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。
異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。
提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文 参考訳（メタデータ） (2021-04-12T12:45:16Z) - Embodied Intelligence via Learning and Evolution [92.26791530545479]
環境の複雑さが形態学的知能の進化を促進することを示す。
また、進化は速く学習する形態を素早く選択することを示した。
我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
論文 参考訳（メタデータ） (2021-02-03T18:58:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。