Codul proiectului: POCU/73/6/6/108182

Titlul proiectului: „ProForm - PROfesionalizarea cadrelor didactice prin FORMare continuă”

     Beneficiar  /        Partener 1/         Partener 2: Asociaţia Societatea Naţională Spiru Haret pentru Educaţie, Ştiinţă şi Cultură

Numele și prenumele expertului: Albeanu Grigore

Poziția în cadrul proiectului: Expert programe formare profesională

Nr. și tipul contractului 229/01.05.2018/ CIM

Categorie expert: Expert termen lung

Inteligență computațională – calcul evolutiv

Expresia “computational intelligence” a fost utilizată, pentru prima dată, de către John McCarthy în 1956. Un sistem este considerat „inteligent” numai dacă satisface cerințele de învățare și de luare a deciziilor. Este cunoscut faptul că cea mai cunoscută manifestare a inteligenței este inteligența umană. Caracteristica „inteligenței” este de obicei atribuită oamenilor, astfel încât CI este un mod de a performa ca ființele umane și de a folosi raționamente asemănătoare omului, adică folosește cunoștințe inexacte și confuze. Astfel, obiectivul CI este de a recrea inteligența asemănătoare omului într-o mașină creată de oameni [1].

Printre paradigmele inteligenței computaționale se află și calculul evolutiv, denumit astfel deoarece simulează mecanismele evolutive ale sistemelor biologice, în special cele inspirate din domeniul genetic.

Calculul evolutiv include algoritmii genetici, programare genetică, sistemele imunitare artificiale și își propune să obțină soluția unei probleme de-a lungul unui număr de generații de indivizi care se obțin în urma unor operații de combinare, modificare (mutații, hipermutații) și selecție, pornind de la o mulțime inițială de candidați. Observăm că aceste mecanisme includ încrucișarea și mutația, cunoscute în genetică.

Algoritmii genetici au fost propusi de John Holland in 1973 dupa multi ani de studiere a ideii de simulare a evolutiei. Acesti algoritmi modeleaza mostenirea genetica si lupta Darwiniana pentru supravietuire [2]. Mai precis, calculul evolutiv are la bază următoarele idei [2]:

·         evolutia este simulata printr-o succesiune de generatii ale unei populatii de solutii candidat;

·         solutie candidat poarta numele de cromozom si este reprezentata ca un sir de gene;

·         gena este informatia atomica dintr-un cromozom;

·         pozitia pe care o ocupa o gena se numeste locus;

·         toate valorile posibile pentru o gena formeaza setul de alele ale genei;

·         populatia evolueaza prin aplicarea operatorilor genetici: mutatia si incrucisarea;

·         cromozomul asupra caruia se aplica un operator genetic se numeste parinte iar cromozomul rezultat se numeste descendent;

·         selectia este procedura prin care sunt alesi cromozomii ce vor supravietui in generatia urmatoare; indivizilor mai bine adaptati li se vor da sanse mai mari;

·         gradul de adaptare la mediu este masurat de functia fitness;

·         solutia returnata de un algoritm genetic este cel mai bun individ din ultima generatie

Conform [2], selecția are ca scop alegerea pentru supraviețuire a celor mai adaptați indivizi din populație, cu speranța că descendenții lor vor avea o formă mai bună. În combinație cu variațiile operatorilor de trecere și mutație, selecția trebuie să mențină un echilibru între explorare și exploatare. Presiunea înaltă de selecție duce la crearea unei diversități scăzute în populație creată de la indivizi bine adaptați, dar suboptimiști, ceea ce duce la o limitare a schimbărilor și implicit a progresului. Pe de altă parte, o presiune scăzută de selecție încetinește evoluția [2].

            Bibliografie

1.       ***, http://eujournal.org/index.php/esj/article/view/11040

2.       ***, https://profs.info.uaic.ro/~pmihaela/GA/laborator3.html

3.       ***, http://www.bel.utcluj.ro/dce/didactic/tice/15_AlgoritmiGenetici.pdf