Evolutionäre Algorithmen basieren auf dem essentiellen Vokabular der biologischen Evolution. Artifizielle Muster sind die Grundlage für Erweiterungen klassischer Strategien hinsichtlich einer Simulation von Wachstum, Differenzierung und Szenarien innerer Selektion. Der Aufsatz stellt ein Konzept für die interne Informationsverarbeitung nach dem Vorbild der biologischen Signaltransduktion dar, nennt die biologischen Grundlagen des Computermodells und gibt eine Implementierung in MATLAB an.
Evolutionary algorithms are founded on the essential vocabulary of biological evolution. Artificial patterns are the basis for extensions of classical strategies in terms of a simulation of growth, differentiation and internal selection. The paper presents an approach to internal information-processing on the model of the biological signaltransfer, also the biological foundations of the computer model and an implementation in MATLAB.
Inhaltsverzeichnis
Biologische Optimierung
Artifizielle Optimierung
Der biologische Gestaltaufbau
Konzept einer musterunterstützten Optimierungsstrategie
Biologische Transduktion
Konzept einer artifiziellen Signaltransduktion
Zielsetzung & Themen
Die Arbeit verfolgt das Ziel, klassische Optimierungsstrategien durch ein Konzept zur internen Informationsverarbeitung zu erweitern, das biologische Signaltransduktionsprozesse als Vorbild nutzt, um komplexe Endzustände aus einfachen Signalen zu entwickeln.
- Simulation von Wachstum, Differenzierung und innerer Selektion
- Modellierung biologischer Signalübermittlung nach dem Hedgehog-Signalweg
- Implementierung musterbasierter Evolutionsstrategien in MATLAB
- Verknüpfung von Musterinformationen mit Parameterwerten
- Transformation zwischen kontinuierlichen Mustern und diskreten Spektren
Auszug aus dem Buch
Konzept einer musterunterstützten Optimierungsstrategie.
Die Mechanismen der Selektion in herkömmlichen Optimierungsstrategien zielen ausschließlich auf den Phänotyp des Artefakten. Funktion und Gestalt des artifiziellen Systems werden zur Ermittlung der Systemqualität evaluiert. Gegenstand der Variation sind die beschreibenden Parameter des zu untersuchenden Systems.
Für Optimierungsstrategien, die ein Modell innerer Selektion nach dem Vorbild der Entwicklungsprozesse lebendiger Organismen simulieren, erscheint es vorteilhaft, das Rahmenschema der biologischen Evolution als Bestandteil der Strategie zu übernehmen und gleichzeitig eine Modellvorstellung zu erarbeiten, deren Zentrum eine hierarchisch staffelbare, innere Informationsverarbeitung darstellt. Der hier vorgestellte Lösungsansatz ist im Sinne einer, auf der Basis artifizieller Muster arbeitende, algorithmische Plattform für klassische Evolutionsstrategien konzipiert, auf der Wachstums- und Differenzierungsszenarien stattfinden, eine Konsolidierung von Informationen über die Entwicklungsvergangenheit möglich ist und Mechanismen innerer Selektion eine Konditionierung des Gesamtsystems simuliert werden können.
Das Motiv für eine derartige algorithmische Plattform ist die Fähigkeit von (biologischen) Mustern, aus einem „einfachen“ Anfangssignal und unter Verwendung (globaler) Information „komplexe Endzustände“ zu entwickeln. Hierzu wurden in der Vergangenheit Algorithmen entwickelt (Genesetransformation), die Muster verarbeitende Prozesse der biologischen Embriomalgenese simulieren [Die05][Die06]. Es kann gezeigt werden, dass die Charakteristiken der Genesetransformation unter Selektionsdruck adaptieren und somit dieses Modell geeignet erscheint, Grundlage für Optimierungsstrategien mit „innerer Selektion“ zu sein [Die07].
Zusammenfassung der Kapitel
Biologische Optimierung: Das Kapitel beschreibt den komplexen Entwicklungsprozess biologischer Lebewesen als hochdimensionales Szenario und fordert die Nutzbarmachung dieser Biosystemanalyse für die Ingenieurwissenschaften.
Artifizielle Optimierung: Hier werden Evolutionäre Algorithmen als Methode zur Konditionierung künstlicher Systeme vorgestellt, die das Vokabular der natürlichen Evolution auf mathematische Optimierungsaufgaben übertragen.
Der biologische Gestaltaufbau: Das Kapitel analysiert den Prozess der Genexpression und morphogenetische Rückkopplungsprozesse, die der biologischen Struktur- und Musterbildung zugrunde liegen.
Konzept einer musterunterstützten Optimierungsstrategie: Es wird eine algorithmische Plattform vorgeschlagen, die eine hierarchische innere Informationsverarbeitung nutzt, um Wachstums- und Differenzierungsszenarien zu simulieren.
Biologische Transduktion: Dieser Abschnitt überträgt das Konzept biologischer Signalwege, insbesondere des Hedgehog-Signalwegs, auf die Modellierung technischer Systeme.
Konzept einer artifiziellen Signaltransduktion: Das Kapitel erläutert die mathematische Abbildung von Mustern mittels Fouriertransformation, um den Übergang von endogenen Mustern zur Parameterwelt der Objektvariablen zu ermöglichen.
Schlüsselwörter
Biologische Signaltransduktion, Evolutionsstrategien, Artifizielle Optimierung, Musterverarbeitung, Morphogenese, Genesetransformation, Systementwicklung, MATLAB-Implementierung, Innere Selektion, Hedgehog-Signalweg, Fouriertransformation, Biosystemanalyse, Strukturaufbau, Evolutionäre Algorithmen, Parameteroptimierung.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt die Übertragung biologischer Prinzipien, speziell der Signaltransduktion und Musterbildung, auf die Verbesserung klassischer Optimierungsstrategien in den Ingenieurwissenschaften.
Welche zentralen Themenfelder werden abgedeckt?
Zu den zentralen Themen gehören die natürliche Evolution als Optimierungsmodell, der biologische Gestaltaufbau durch morphogenetische Gradienten sowie die technische Umsetzung dieser Prozesse durch evolutionäre Algorithmen.
Was ist das primäre Ziel der Untersuchung?
Das primäre Ziel ist die Entwicklung einer algorithmischen Plattform, die durch eine interne Informationsverarbeitung komplexe Systemstrukturen effizienter optimieren kann als rein auf äußere Phänotypen ausgerichtete Ansätze.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt einen bionischen Ansatz, indem sie biologische Modelle (wie den Hedgehog-Signalweg) mathematisch formalisiert und in Form von Evolutionären Algorithmen sowie Signalverarbeitungsmethoden (Fouriertransformation) in MATLAB implementiert.
Welche Aspekte werden im Hauptteil vertieft behandelt?
Der Hauptteil konzentriert sich auf das Evolutionsschema, die mechanistische Analogie zwischen biologischer Ontogenese und technischer Parametereinstellung sowie die Realisierung einer „inneren Selektion“.
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Die Arbeit wird maßgeblich durch Begriffe wie musterbasierte Optimierung, Transduktionskern, innere Repräsentation und Genesetransformation definiert.
Inwiefern spielt der Hedgehog-Signalweg eine Rolle für das Modell?
Der Hedgehog-Signalweg dient als biologisches Vorbild, da er zeigt, wie räumlich verteilte Signale in diskrete Differenzierungsereignisse übersetzt werden, was die Grundlage für die hier vorgeschlagene artifizielle Transduktion bildet.
Wie wird der Übergang von Mustern zu Parametern im Algorithmus gelöst?
Der Übergang erfolgt durch eine Fouriertransformation, bei der das Muster als Superposition von Sinus- und Cosinus-Formen dargestellt wird, wodurch die Transformationskoeffizienten als steuerbare Parameter fungieren.
Warum ist die Implementierung einer „inneren Selektion“ vorteilhaft?
Die „innere Selektion“ erlaubt eine Konditionierung des Gesamtsystems noch vor der äußeren Evaluation, was die Fähigkeit des Systems erhöht, aus einfachen Anfangssignalen komplexe und qualitativ hochwertige Endzustände zu entwickeln.
- Quote paper
- Dipl.-Ing. Michael Dienst (Author), 2009, Algorithmen zur Musterverarbeitung in Optimierungsstrategien nach dem Vorbild der biologischen Signaltransduktion , Munich, GRIN Verlag, https://www.grin.com/document/139591
