Immunologiczny mechanizm selekcji w agentowych obliczeniach ewolucyjnych

Abstract

In the presented thesis an immune-based selection mechanism in evolutionary multi-agent system (EMAS) is proposed. The purpose of this mechanism is to remove the low-fitness solutions in the early stage of evolution process. The proposed approach seems to be best suited for solving problems which demand significant effort for computation of individual's fitness, e.g. reverse problems or evolution of neural network parameters. The thesis consists of short state-of-the-art review in the field of optimization heuristics. Then the concept and formal model of the proposed approach is presented. Experimental results acquired for system applied to optimization of benchmark function follow. Also the preliminary results of neural network parameters optimization are discussed. The presented results confirm that the introduction of immunological selection lowers the computation cost of EMAS. W pracy przedstawiono propozycję wprowadzenia immunologicznego mechanizmu selekcji w ewolucyjnych systemach wieloagentowych (EMAS). Celem działania wspomnianego mechanizmu jest wczesne usunięcie nieprawidłowych rozwiązań w systemach rozwiązujących problemy optymalizacyjne. Proponowane rozwiązanie wydaje się szczególnie przydatne w sytuacji gdy obliczanie wartości funkcji dopasowania dla danego rozwiązania wymaga znacznego czasu, dzieje się tak np. w przypadku ewolucji parametrów sieci neuronowych. Praca zawiera krótki przegląd bieżącego stanu wiedzy w dziedzinie wybranych heurystycznych technik optymalizacyjnych, następnie prezentowana jest koncepcja oraz autorski model formalny konstruowanego systemu, wreszcie podano wyniki badań systemu zastosowanego do rozwiązania problemu optymalizacji funkcji testowych, oraz wstępne wyniki dotyczące optymalizacji predykujących sieci neuronowych. Przedstawione rezultaty potwierdzają tezę, według której wprowadzenie immunologicznego mechanizmu selekcji powoduje obniżenie kosztu obliczeniowego w EMAS.