論文の概要: The Struggle for Existence in a Genetically Programmed Agent Based Model: Time, Memory and Bloat

• arxiv url: http://arxiv.org/abs/2302.03096v1
• Date: Mon, 6 Feb 2023 19:53:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-08 18:22:52.709234
• Title: The Struggle for Existence in a Genetically Programmed Agent Based Model: Time, Memory and Bloat
• Title（参考訳）: 遺伝的にプログラムされたエージェントモデルにおける存在闘争:時間、記憶、肥大
• Authors: John C Stevenson
• Abstract要約: 遺伝的にプログラムされた線形エージェントを用いた空間的時間的エージェントモデルによる暗黙的内在的目的関数と「自然選択」に基づく選択アルゴリズムの競合・再現 この暗黙的、内在的、進化的な遺伝的プログラムされたエージェントの最適化は生物学的システムと一致しており、溶液空間の探索と適合性、効率的、新しい解の発見の両方に有効であることが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A spatial-temporal agent based model with linear, genetically programmed agents competing and reproducing within the model results in implicit, endogenous objective functions and selection algorithms based on "natural selection". This implicit optimization of genetic programs is explored by application to an artificial foraging ecosystem. Limited computational resources of program memory and execution time emulate real-time and concurrent properties of physical and biological systems. Relative fitness of the agents' programs and efficiency of the resultant populations as functions of these computational resources are measured and compared. Surprising solutions for some configurations provide an unique opportunity to experimentally support neutral code bloating hypotheses. This implicit, endogenous, evolutionary optimization of genetically programmed agents is consistent with biological systems and is shown to be effective in both exploring the solution space and discovering fit, efficient, and novel solutions.
• Abstract（参考訳）: 線形で遺伝的にプログラムされたエージェントがモデル内で競合し、再現された空間的時間的エージェントベースモデルにより、暗黙的、内在的な目的関数と「自然選択」に基づく選択アルゴリズムが生まれる。 この遺伝的プログラムの暗黙の最適化は、人工採餌生態系への応用によって探求される。 プログラムメモリと実行時間の限られた計算資源は、物理的および生物学的システムのリアルタイムおよび同時特性をエミュレートする。 これらの計算資源の関数としてのエージェントのプログラムの相対的適合性と結果の効率を計測し比較する。 いくつかの構成に対するサプライズソリューションは、中立的なコードの肥大化仮説を実験的にサポートするユニークな機会を提供する。 この暗黙的、内在的、進化的な遺伝的プログラムされたエージェントの最適化は生物学的システムと一致しており、溶液空間の探索と適合性、効率的、新しい解の発見の両方に有効であることが示されている。

関連論文リスト

• Conformal Prediction in Dynamic Biological Systems [0.6144680854063939]
  不確実性定量化(英: Uncertainty Quantification、UQ)は、計算モデル予測における信頼度を体系的に決定し、特徴づける過程である。 ここでは、決定論的非線形常微分方程式で表される動的モデルに焦点を当てる。 本稿では,共形推論手法を用いて,漸近的でない保証を提供する2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-09-04T12:20:27Z)
• BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
  そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。 BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。 6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
  論文  参考訳（メタデータ） (2024-05-27T19:57:17Z)
• Simulation-based optimization of a production system topology -- a neural network-assisted genetic algorithm [0.0]
  遺伝的アルゴリズム(GA)を用いた生産システムのトポロジー最適化のための新しい手法を提案する GAの拡張では、ニューラルネットワークがシミュレーションの代理モデルとして機能する。 どちらの手法も、産業環境で最適解を見つけるのに効果的である。
  論文  参考訳（メタデータ） (2024-02-02T15:52:10Z)
• DiscoBAX: Discovery of Optimal Intervention Sets in Genomic Experiment Design [61.48963555382729]
  本研究では,実験1回あたりの有意な発見率を最大化するためのサンプル効率向上手法としてDiscoBAXを提案する。 我々は、標準仮定の下で近似最適性の理論的保証を提供し、包括的な実験評価を行う。
  論文  参考訳（メタデータ） (2023-12-07T06:05:39Z)
• Benchmarking Differential Evolution on a Quantum Simulator [0.0]
  微分進化(DE)はラストリギン関数やローゼンブロック関数などの関数の最小値を計算するために用いられる。 この研究は、古典的チューリングモデル計算で生成される候補個体を用いて、これらの関数にDE法を適用した結果の研究である。
  論文  参考訳（メタデータ） (2023-11-06T14:27:00Z)
• An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
  分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。 本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-10-27T01:58:10Z)
• An Optimal Likelihood Free Method for Biological Model Selection [0.0]
  システム生物学は、固有の生物学的複雑性を減らすために、生物学的システムの数学モデルを作成しようとしている。 本稿では, システム生物学の数学的モデルを用いた自動生物モデル選択アルゴリズムと, 可能性自由推論手法を提案する。
  論文  参考訳（メタデータ） (2022-08-03T21:05:20Z)
• Bayesian optimization with known experimental and design constraints for chemistry applications [0.0]
  実験計画アルゴリズムであるPhoenicsとGryffinを拡張して、任意の制約を扱えるようにします。 2つのシミュレーション化学研究シナリオでその実用性を解説する。
  論文  参考訳（メタデータ） (2022-03-29T22:16:54Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• Emergent Hand Morphology and Control from Optimizing Robust Grasps of Diverse Objects [63.89096733478149]
  多様な物体をつかむために、効果的なハンドデザインが自然に現れるデータ駆動型アプローチを紹介します。 形態と把持スキルを共同で効率的に設計するベイズ最適化アルゴリズムを開発した。 我々は,新しい物体をつかむための堅牢で費用効率のよい手形態を発見するためのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-12-22T17:52:29Z)
• AdaLead: A simple and robust adaptive greedy search algorithm for sequence design [55.41644538483948]
  我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。 AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
  論文  参考訳（メタデータ） (2020-10-05T16:40:38Z)

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。