LinkedIn Xing Facebook Instagram

Dabiskais mākslīgais intelekts

Yvonne Wicke | 26. August 2019

Ģenētiskie algoritmi biznesa optimizācijai?

Labākais algoritms uzvedības optimizēšanai mainīgā vidē ir pastāvējis miljardiem gadu - dzīvo būtņu gēni! Tās ir ļāvušas dzīvām būtnēm izdzīvot ledus, karstuma un visu globālo katastrofu laikā.

Gēnu sekvences nav nekas vairāk kā programma, kā izveidot dzīvu būtni. Reprodukcija nodrošina visu, kas nepieciešams optimizācijai un adaptācijai.

Kā mēs varam izmantot šo algoritmu, lai optimizētu IT sistēmas?

Ģenētiskie algoritmi - kā dabas mehānismus var izmantot IT atbalstītai optimizācijai?

Daba izmanto šādu optimizācijas procedūru:

  • Populācijas veidošana ar dažādiem gēniem
  • Izdzīvo stiprākie - jo piemērotāki vidē, jo veiksmīgāki vairošanās procesā.
  • Krustošana: vecāku gēnu sajaukšana, apmainoties ar gēnu daļām. Tas vienmēr notiek, kad tiek savienota olšūna un spermatozoīds.
Dabas mākslīgā intelekta bērnu programma

  • Mutācija: nejaušas izmaiņas gēna daļā. Dabā tas notiek radiācijas vai nepilnīgas ģenētiskā materiāla labošanas rezultātā.
Dabas mākslīgā intelekta bērnu programma

  • Jaunās paaudzes bērnu ar jaunajiem, modificētajiem gēniem attīstība

Ģenētiskie algoritmi imitē šo procedūru.

Iedomājieties, ka ir

  • programma, kas var kartēt uzņēmuma vidi vai uzņēmuma mērķi.
  • un programmas vidi, kas var attēlot uzvedību korporatīvajā vidē.

Tas nozīmē, ka tagad mēs pārstāvam uzņēmuma optimizāciju.

  1. Populācijas veidošana: mēs nejauši izveidojam programmas (turpmāk tekstā tās sauc par "indivīdiem"), kas visas pārstāv kādu uzvedību uzņēmuma vidē.
  2. Izdzīvo stiprākais: Visas programmas ir derīgas un labāk vai sliktāk sasniegs mērķi, kas uzņēmumā jāoptimizē. Lai to novērtētu, programmas tiek izpildītas un pēc tam pārbaudītas uzņēmuma vidē.

Jo veiksmīgāka ir programma, jo augstāka ir programmas "fitnesa vērtība".
Jo augstāka fitnesa vērtība, jo lielāka varbūtība, ka indivīds "vairosies", t. i., ka programma tiks izmantota nākamās paaudzes bērniem.

Piemērs: Fitnesa vērtības diapazons ir no 0 līdz 100. Tad varbūtība, ka indivīds ar fitnesa vērtību 50 tiks izmantots kā vecāks, ir 50 reižu lielāka nekā indivīdam, kura fitnesa vērtība ir tikai 1.
Tagad tiek atlasīti 1000 vecāki.

  1. Krustošana: tiek atlasīti 2 vecāku indivīdi. Tagad no katras programmas ir izgriezta viena daļa un aizstāta ar otru. Tādējādi tiek izveidotas 2 jaunas programmas - "bērni".
  2. Mutācija: ar zināmu varbūtību atsevišķas programmas daļas bērniem tagad tiek mainītas nejauši.
Dabas mākslīgā intelekta bērnu programma

  1. Ir radusies jauna bērnu paaudze, un process sākas no jauna 2. posmā.
Dabas mākslīgā intelekta bērnu programma

Šī pieeja ir izaicinoša:

  • Atrodiet labu modeli korporatīvās vides reprezentēšanai.
  • Pareizas fitnesa funkcijas atrašana un spēja pareizi definēt mērķi.
  • Programmas personām jābūt derīgām. Nejauši izveidotai programmai joprojām ir jādarbojas.
  • Pareizo parametru atrašana: Cik lielā mērā indivīds ar augstu fizisko sagatavotību dominē pār indivīdu ar zemu fizisko sagatavotību? Cik liels ir mutāciju biežums? Cik liels ir iedzīvotāju skaits? Pēc cik paaudzēm šis process beigsies?

Neraugoties uz izaicinājumiem, ieguvumi ir milzīgi. Ar dabiskā mākslīgā intelekta palīdzību pastāvīgi mainīgajā korporatīvajā vidē tiek atrasts optimizētu risinājumu kopums. Pat tādi, par kuriem jūs nekad nebūtu iedomājušies, tik dažādi kā pati daba.

TD Trusted Decisions joprojām ir līderis šajā jomā.

Jūs interesē jūsu izaicinājumu optimizācija ar dabisko mākslīgo intelektu? Lūdzu, sazinieties ar mums pa e-pastu office@trusteddecisions.com

Bezmaksas konsultācijas

Mēs labprāt palīdzēsim jums ar uzņēmumu vadības un datu analīzes tēmām.

Tas varētu jūs arī interesēt.

Jūs varētu arī interesēt