新闻:算法搜索最佳解释实验数据的模型

从原来新闻文章来自Persorg:

由富兰克林大学埃斯迈牛博纳基亚博士博士学位开发的进化计算方法,用于分析来自两个经典经济实验的数据。如在该图中可以看出,最大模型的搜索亚群的优化最初以快速速率进行,然后慢慢继续延续,直到它收敛直到随着时间的推移。顶部曲线(红色)显示到目前为止发现的最佳值,而下锯齿状线(绿色)显示每代人口的电流平均适应值。

(...)

回归分析一直是传统的研究项目中寻找和建立统计上显着关系的传统工具,例如经济学示例Bonakdarian选择。只要独立变量的数量相对较小,或者实验者对可能的底层关系相当清晰,可以使用标准软件包和方法获得最佳模型是可行的。

However, Bonakdarian cautioned that if the number of independent variables is large, and there is no intuitive sense about the possible relationship between these variables and the dependent variable, “the experimenter may have to go on an automated ‘fishing expedition’ to discover the important and relevant independent variables.”

你可以看到原始研究纸在这里

邀请:Pycon US 2011 - Python的遗传编程

如果您要去Pycon US 2011,我想邀请您到谈话“Python的遗传编程“,谈话将由eric floehr.3月12日1:20下午1:20- 下午2:05

这是摘要:

您是否知道您可以创建和发展找到解决问题的程序?这次谈话通过如何使用遗传算法和遗传编程作为如何发现解决困难问题的工具,何时使用GA / GP,设置GA / GP环境,并解释结果。使用Pyevolve,我们将通过一个真实的实现创建预测天气的GP。

(...)

遗传算法(GA)和遗传编程(GP)是用于搜索和优化大型解决方案空间中解决方案的方法。GA / GP使用从自然演进中借来的概念,例如突变,交叉,选择,人口和健身,为问题产生解决方案。如果完成,这些解决方案将变得更好,因为GA / GP运行。

GA / GP已被用于问题域,如同调度,数据库索引优化,电路板布局,镜像和镜头设计,游戏策略和机器人散步和游泳等多样化。他们也可以很有趣,并且已被用来演变美学上令人愉悦的艺术品,旋律和近似使用多边形的图片或绘画。

GA / GP很有趣,因为通常会产生意外解决方案,这将提供新的洞察力或知识。它还可能还提出了一个问题的新解决方案,人类可能永远不会产生的解决方案。解决方案也可能是缺席的,并确定解决方案工作本身有趣的原因。

健康和遗传算法

来自研发 -开发潜在的救生数学工具- :

数学和医学融合在一起,帮助患有腹主动脉瘤的人,其中15,000人是美国的第13阶段死亡原因。

努力的核心是橡树岭国家实验室研究人员撰写的遗传算法,这些研究人员允许医生更有效地评估和组织患者报告中包含的大量信息。最终,通过这种工具 - 一种快速提取关键短语的复杂方式 - 医生将能够在报告中表征特征和调查结果并提供更好的患者护理。

(...)

这项工作建立了以前的研究,涉及为乳房摄影开发的遗传算法。该系统允许医生快速识别特定于个体患者的趋势,并将图像和文本与已知癌症和癌前病症的数据库匹配。

完整的文章在这里

拨动立即注册!查看时事通讯样本。

开发潜在的救生数学工具

达尔文在赛道上

经济学家文章:

在上周末观看一级方程式的一般普拉斯季节的陈列赛季节,你的记者忍不住思考达尔文赛车已经成为。Each year, the FIA, the international motor sport’s governing body, sets new design rules in a bid to slow the cars down, so as to increase the amount of overtaking during a race—and thereby make the event more interesting to spectators and television viewers alike. The aim, of course, is to keep the admission and television fees rolling in. Over the course of a season, Formula One racing attracts a bigger audience around the world than any other sport.

阅读完整的文章在这里

同时,在正义大厅!

更新05/10:一篇文章在真理。

有时我们面临EC的新申请,但是因为我不期待,从Eurekalert.

华盛顿,10月5日 - 由于新软件,犯罪分子遭到掩饰脸部的困难时期更加努力地隐藏他们的脸部,这有助于使用从光学和遗传学领域借来的原则来认可嫌疑人。

(...)

他的软件产生自己的面孔,逐渐发展以匹配证人的记忆。目击者从普通描述开始,例如“我记得一只黑发的年轻白人男性”。生成九个不同的计算机生成的面部,粗略地拟合描述,并且证人识别最佳和最差的匹配。该软件使用最佳拟合作为模板,以自动生成九个新面,根据从被拒绝的脸部学到的内容略微调整。

“超过一些世代,计算机可以了解您正在寻找的面部,”所罗门说。

阅读完整的文章在这里

遗传编程符合Python

我很自豪地宣布,新版本的Pyevolve将拥有遗传编程支持;经过一段时间与这些邪恶的语法树进行战斗,我认为我在Python中非常简单而灵活地实现GP。亚洲金博宝我厌倦了看到人们放弃并试图学习如何使用C / C ++和Java的密封库来实现一个简单的GP(不幸的是我是Java Web Developer Hehe)。

实施仍在一些测试和优化下,但它的工作很好,这里有一些关于它的细节:

实施已经完成纯Python.,所以我们仍然有很多奖金,但不幸的是,我们失去了一些表现。

GP核心非常灵活,因为它亚洲金博宝在Python字节码中编译GP树加快函数的执行。因此,您可以使用甚至使用Python对象作为终端,或任何可能的Python表达式。也可以使用任何Python函数,您可以使用Python的所有电源来创建这些功能,该功能将由框架使用名称前缀=)自动检测到

正如您在源代码中看到的,您无需在调用个人的语法树时绑定变量,简单使用“GetCompileDcode.“返回要执行的Python编译函数的方法。

以下是源代码示例:

来自Pyevolve导入*导入数学error_accum = util.ErrorAccumulator()#这是GP核心使用的功能,#Pyevolve将自动检测它们#和它们的参数def gp_add(a,b):返回a + b defgp_sub(a, b): return a-b def gp_mul(a, b): return a*b def gp_sqrt(a): return math.sqrt(abs(a)) def eval_func(chromosome): global error_accum error_accum.reset() code_comp = chromosome.getCompiledCode() for a in xrange(0, 5): for b in xrange(0, 5): # The eval will execute a pre-compiled syntax tree # as a Python expression, and will automatically use # the "a" and "b" variables (the terminals defined) evaluated = eval(code_comp) target = math.sqrt((a*a)+(b*b)) error_accum += (target, evaluated) return error_accum.getRMSE() def main_run(): genome = GTree.GTreeGP() genome.setParams(max_depth=5, method="ramped") genome.evaluator.set(eval_func) ga = GSimpleGA.GSimpleGA(genome) # This method will catch and use every function that # begins with "gp", but you can also add them manually. # The terminals are Python variables, you can use the # ephemeral random consts too, using ephemeral:random.randint(0,2) # for example. ga.setParams(gp_terminals = ['a', 'b'], gp_function_prefix = "gp") # You can even use a function call as terminal, like "func()" # and Pyevolve will use the result of the call as terminal ga.setMinimax(Consts.minimaxType["minimize"]) ga.setGenerations(1000) ga.setMutationRate(0.08) ga.setCrossoverRate(1.0) ga.setPopulationSize(2000) ga.evolve(freq_stats=5) print ga.bestIndividual() if __name__ == "__main__": main_run()

我很开心亚洲金博宝,并测试Python中这个GP实现的可能性。

当然,Pyovolve中的一切都亚洲金博宝可以随时可视化(点击放大):

ramped_small.

ramped_big.

可视化也非常灵活,如果您使用Python装亚洲金博宝饰器设置函数的方式是图形的,您可以有许多有趣的可视化模式。如果我将函数“gp_add”更改为:

@ gtree.gpdec(表示=“+”,color =“红色”)def gp_add(a,b):返回a + b

我们将获得触手可及(点击放大):

满的

我希望你喜欢它,我目前正在修复一些错误,实现新功能,文档和准备下一个Pyevolve的发布,这将需要一些时间=)

数字考古学使用遗传算法揭示恐龙细节

来自Livescience的文章:

挑选和铲子只有到目前为止挖掘有关恐龙的细节。现在超级计算机揭示了他们对历史丢失的解剖学的了解。

(...)

例如,如果肌肉连接到大腿骨Tyrannosaurus雷克斯很短暂,这表明它与人类垂直倾斜。但是,如果它们很长,那么它可能像鸟类一样水平亚洲金博宝倾斜。

迪诺

初步尝试随机破译哪种肌肉激活作品的模式最佳结果几乎总是在落在其脸上的动物中,在曼彻斯特大学的计算机古生物学家彼得福尔廷汉语解释。但科学家们使用“遗传算法”,或者可以改变自己和发展的计算机程序,因此在模式下进行改进后运行模式。

最终,他们演变了一种肌肉激活模式,步态稳定,恐龙可以走路,跑步,追逐或吃草,福尔廷罕说。假设自然选择也发展了最佳解决方案,也是模型的动物应该类似于其现已灭绝的对应物。实际上,他们已经达到了类似的顶级速度和GA与计算机版本的人类,鸸and和鸵鸟。

阅读完整的文章

理论与实验之间的合作,新的硼形式

NY时代有一个很好的文章谈论使用遗传算法发现新的硼表的发现:亚洲金博宝

现在由Oganov博士领导的研究人员已添加到实际发现中。他们发现了一种硼的形式几乎像钻石一样努力。

这种发现甚至说明了所亚洲金博宝谓的进化思想的力量遗传算法破译新硼晶体的结构。

“这项工作是理论与实验与实验之间的合作的一个美观例子,”西班牙巴斯克大学的物理学家·伯特巴加拉说。Bergara博士没有参与该研究,该研究是由期刊自然在线发表的。

阅读完整的文章