Genetic-algorithms-models-of-lifetime-adaptation

生涯適応のモデル

このチュートリアルでは、これまでに説明したものはすべて、進化のダーウィンのモデルに対応しています。つまり、自然selectionと組換えと突然変異による遺伝的変異です。 自然界では、個人の遺伝子型に含まれる情報のみが次世代に伝達されます。 これが、これまでチュートリアルで行ってきたアプローチです。

ただし、ライフタイム適応の他のモデル- Lamarckian Model および Baldwinian Model も存在します。 どちらのモデルが最良であるかは議論の余地があり、研究者によって得られた結果は、生涯適応の選択が非常に問題特有であることを示していることに注意してください。

多くの場合、ミームアルゴリズムのように、GAをローカル検索とハイブリッド化します。 そのような場合、ローカル検索後に生成された個人に対して何を行うかを決定するために、ラマルクモデルまたはボールドウィンモデルのどちらかを選択することができます。

ラマルクモデル

ラマルキアンモデルは基本的に、個人が生涯で獲得する特性はその子孫に引き継ぐことができると言っています。 フランスの生物学者ジャン・バプティスト・ラマルクにちなんで名付けられました。

にもかかわらず、遺伝子型の情報しか伝達できないことは誰もが知っているので、自然生物学はラマルキズムを完全に無視しています。 ただし、計算の観点から、ラマルクモデルを採用すると、いくつかの問題に対して良い結果が得られることが示されています。

Lamarckianモデルでは、ローカル検索演算子が近傍を調べ（新しい特性を取得）、より良い染色体が見つかった場合、それが子孫になります。

ボールドウィニアンモデル

ボールドウィンモデルは、ジェームズマークボールドウィン（1896）にちなんで名付けられた中間的なアイデアです。 Baldwinモデルでは、染色体は有益な行動を学習する傾向をエンコードできます。 つまり、ラマルクのモデルとは異なり、獲得した形質を次世代に伝達せず、ダーウィンのモデルのように獲得した形質を完全に無視することもありません。

ボールドウィンモデルは、これらの両極端の中間にあり、個人が特定の特性を獲得する傾向が、特性自体ではなくコード化されています。

このボールドウィンモデルでは、ローカル検索演算子が近傍を調べ（新しい特性を取得）、より良い染色体が見つかった場合、改善された適合度を染色体に割り当てるだけで、染色体自体は変更しません。 適応度の変化は、将来の世代に直接渡されなくても、染色体が「形質を獲得する」能力を意味します。