Wissenschaftler sind den Algorithmen von der Natur inspirierte Rücken
Während Computer Arm an Kreativität sind, sie sind geschickt darin, durch eine große Zahl von Lösungen für moderne Probleme Knirschen wo gibt es zahlreiche komplexe Variablen im Spiel. Nehmen Sie die Frage nach der besten Lieferung plan für eine Vertriebsgesellschaft – wo am besten beginnen? Wie viele Fahrzeuge? Welche Strecken müssen zu welchen Zeiten vermieden werden? Wenn Sie in der Nähe einer vernünftigen Antwort erhalten möchten, müssen Sie einen Computer zu bitten.
Dies ist nur einer von Millionen von Problemen, die durch das Feld von Metaheuristics, gerichtet sind, über die Entwicklung von Algorithmen, die Ihnen helfen sich in jeder Situation die bestmögliche Antwort einfallen wo gibt es eine große Anzahl von möglichen Lösungen.
Es könnte etwa Ausarbeitung Job Dienstpläne, die so fair wie möglich sein. Es könnte sein, das Design eines Motors tuning oder bauen um Energie oder Kraftstoff-Verbrauch zu minimieren. Es könnte sein, über die Zusammenstellung der wirtschaftlichsten Flugplan für einen Flughafen. Für jede Disziplin, wo ein Maß für die Qualität erbracht werden kann, haben Unmengen von Zahlen wahrscheinlich zerbissen worden.
Die Lösungen sind bei weitem nicht perfekt, aber. Selbst für die schnellsten derzeit verfügbaren sind diese Probleme oft schwierig wegen ihrer schieren Größe. Abschließend überprüfen jede Möglichkeit würde in der Regel länger dauern als das Universum existiert hat.
Kommen mit die perfekte Lösung für Probleme dieser Art gehört zu den meisten hochkarätigen Rätsel für Mathematik, bekannt als p = Np Frage. Während wir, es warten zu lösen gilt, haben wir uns konzentriert auf die Entwicklung von Algorithmen, die Lösungen zu finden, etwa die besten statt.
Natürliche inspiration
Zu den bekanntesten Arten von Tools, um diese ungefähre Antworten einfallen lassen nennt man evolutionäre Algorithmen (ausführlich hier). Dieser Name kommt von der Tatsache, das sie auf die gleiche Erzählung als Darwins Evolutionstheorie zeichnen: "Bevölkerung" von Personen, die im Wettbewerb, der fittesten "Eltern", dann "Nachwuchs" bilden die nächste Generation herzustellen, so dass die Bevölkerung im Laufe der Zeit allmählich "fitter" wird.
Um zu sehen, wie dies in der Praxis funktioniert, nehmen Sie Chemotherapie. Für jede Art von Krebs das Problem für Onkologen ist welche Dosierung und Häufigkeit der einzelnen Drogen produziert die beste Balance zwischen Beseitigung des Krebs und die Nebenwirkungen zu minimieren.
Ein evolutionärer Algorithmus würde beginnen, indem Sie nach dem Zufallsprinzip generieren ein paar Behandlung Regime (der Bevölkerung). Es würde Vorhersagen, die daraus resultierenden Tumorgröße und Nebenwirkungen nach jeder Behandlung, dann die Gesamtqualität (Fitness) von jedem Regime zu schätzen. Paare von Regimen (Eltern) stellen eine neue Regelung (Nachkommen) von jedem Elternteil einen Teil der Droge Ebenen auswählen. Dies wird wiederholt, wie die Nachkommen, die Eltern zu ersetzen, bis eine gute Lösung gefunden wird.
Es geht nicht um die Suche nach Biologie als solche zu simulieren. Es geht darum, wie Natur kümmert sich um Probleme als Inspiration für wie Computer Probleme lösen sollte. Auf dieser seit den Tagen von Alan Turing gezogen, haben Informatiker den Ball getroffen und mit ihm laufen. Sie haben betrachtete Natur in bestimmten Situationen, z. B. Schwärme der Vögel oder Ameisenkolonien, Funktionsweise und die gleichen Regeln auf ihre Algorithmen angewendet.
Diese haben Konzepte für spezifische Probleme, die erstaunlich wirksam, überspannt, Maschinenbau, Medizin, Wirtschaft, marketing, Genetik, Technik, Robotik, Sozialwissenschaften, Physik und Chemie hergestellt.
Das problem
In den letzten Jahrzehnten hat die Forschungsliteratur mit endlosen neue Natur-basierte Metaphern für Algorithmen aufgefüllt. Hier finden Sie Algorithmen basierend auf dem Verhalten der Kuckucke, Bienen, Fledermäuse, Katzen, Wölfe, Galaxienentstehung und schwarze Löcher. Manchmal gehen die Metaphern auch jenseits der Natur: musikalische Komposition, Feuerwerk und sogar Kolonisation von imperialen Nationen.
Vieles davon fiel mit einem alten Missverständnis, dass war es möglich, ein Werkzeug zu entwickeln, die diese komplexe besser als alle anderen Probleme lösen können. Der Weg, um in diesem Bereich veröffentlicht wurde zu zeigen, dass Ihre neue Algorithmus ein paar Testprobleme löst, machen einen Fall, den Ihnen das optimale Werkzeug sein könnte, das alle suchen. Aber die Realität ist, dass während jedes neue Werkzeug gezeigt werden kann, auch in besonderen Fällen, diesen Heiligen Gral existiert nicht.
Alle Wissenschaftlerinnen und Wissenschaftler wurden dabei ist auf die Entwicklung neuer Ansätze, die wahrscheinlich etwas besser als bestehende Zeitverlust. Und die Sprache von jeder Metapher dringt dann in der Literatur, störende Personen aus der bereits hinreichend expressive Terminologie der Mathematik und vor allem arbeiten zusammen, um den besten Weg zu finden.
Wohin als nächstes?
Das Spiel hat begonnen: die Zeitschrift Heuristiken überarbeitet ihrer redaktionellen Politik zur Behebung dieses Problems. Bedeutende Persönlichkeiten im Bereich fordern neue Ansätze in "Metapher-freie Sprache" geschrieben werden.
Doch bedeutet dies nicht, dass Natur inspirierte Algorithmen zu sinken, nicht während angekommen Näherungslösungen für unsere komplexen modernen Probleme immer noch das beste ist, die was wir tun können –. Stattdessen ist der Fokus verlagert zu ein besseres Verständnis von, wie bestehende Arbeit und ihrem wissenschaftlichen Wert zu verbessern.
Ein Thema ist, über mehr Zeit, um die Beziehungen zwischen den Variablen und Lösungsqualität in ein bestimmtes Problem suchen zu widmen. In der Vergangenheit haben wir eher zu wissen, dass sie verbunden sind, aber habe nicht versucht, herauszufinden, wie. Behebung dieses sollte uns helfen, die Werkzeuge zu verfeinern, die bereits entwickelt wurden, so dass sie alle möglichen Lösungen für ein Problem in intelligenter Weise suchen können.
Ein weiteres Thema wurde über die Kombination von Algorithmen mit klassischer Mathematik zu helfen, Lösungen zu erreichen, dass wir mehr sicher sein können sind besser als was wir in der Vergangenheit gehabt haben. Wir suchen auch auf die Einführung von Regeln vom Software Engineering bekannt als formale Muster, die vorgeschriebenen Wege zur Lösung eines bestimmten Problems zu Menschen, die ständig versuchen, radikale Alternativen erarbeiten im wesentlichen festgelegt.
Diese Arbeit stellt einen Schritt in die richtige Richtung. Vielleicht wird ein Rückzug aus der Fledermäuse und die Bienen den Forschungsraum der Öffentlichkeit kommunizieren erschweren. Aber es kann nur gut für die Wissenschaft, dass gute altmodische Informatik und Mathematik sind ein Comeback. Wenn es bedeutet, dass wir bessere Häuser bauen, bessere Krebstherapien zu entwickeln, verbessern unsere Fluggesellschaft scheduling und so weiter, wird es der Mühe wert gewesen.
Alexander Brownlee ist Senior Research Assistant an University of Stirling. John Woodward ist Dozent für Informatik an der University of Stirling. Dieser Artikel erschien ursprünglich auf das Gespräch. Lesen Sie den original Artikel. Bild von Laura Thorne unter Creative Commons Lizenz.