Symboler och abstrakta system



Relevanta dokument
Genetiska algoritmer

Grundläggande Idéer Algoritmens komponenter Numerisk optimering Genetisk Programmering. Genetiska Algoritmer

Vinjetter TDDC91 Datastrukturer och algoritmer

Totalt finns det alltså 20 individer i denna population. Hälften, dvs 50%, av dem är svarta.

Föreläsning 11, Dimensionering av tidsdiskreta regulatorer

Beräkningsvetenskap introduktion. Beräkningsvetenskap I

Exempel ode45 parametrar Miniprojekt 1 Rapport. Problemlösning. Anastasia Kruchinina. Uppsala Universitet. Januari 2016

Beräkningsvetenskap introduktion. Beräkningsvetenskap I

AGENTBASERAD MODELLERING

Beräkningsvetenskap. Vad är beräkningsvetenskap? Vad är beräkningsvetenskap? Informationsteknologi. Informationsteknologi

Evolution, del 1: Evolution och naturlig selektion. Jessica Abbott Forskare Evolutionär Ekologi

Tekniska beräkningar. Vad är tekn beräkningar? Vad är beräkningsvetenskap? Informationsteknologi. Informationsteknologi

Använda kunskaper i biologi för att granska information, kommunicera och ta ställning i frågor som rör hälsa, naturbruk och ekologisk hållbarhet.

GeneTrader. Ett helautomatiserat tradingsystem

HKGBB0, Artificiell intelligens

Sammanfattning Arv och Evolution

Den evolutionära scenen

TDDC30. Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 11 Jonas Lindgren, Institutionen för Datavetenskap, LiU

Genetiska Algoritmer. 10 mars 2014

Integration av matematik och teknik på ingenjörsutbildningar

PROGRAMMERING. Ämnets syfte. Kurser i ämnet

Förädling och genbevarande två sidor av samma mynt

Pedagogisk planering Bi 1 - Individens genetik

Reglerteknik I: F1. Introduktion. Dave Zachariah. Inst. Informationsteknologi, Avd. Systemteknik

Genetiska Algoritmer

Programmeringsuppgift Game of Life

SKOLFS. beslutade den -- maj 2015.

Lokal pedagogisk planering för arbetsområdet genetik i årskurs 9

Genetiska algoritmer. Henrik Hansson Rapport, CDT212 Mälardalens Högskola

Övningshäfte 2: Induktion och rekursion

729G75: Programmering och algoritmiskt tänkande. Tema 1, föreläsning 1 Jody Foo

Vad man bör tänka på när man har en liten ras? Erling Strandberg, professor vid institutionen för husdjursgenetik, SLU, Uppsala

Regression med Genetiska Algoritmer

Genetik en sammanfattning

REPETITION (OCH LITE NYTT) AV REGLERTEKNIKEN

Kursplanering Objektorienterad programmering

Ordinära differentialekvationer,

Förslag den 25 september Matematik

På en dataskärm går det inte att rita

Sammanfattning av föreläsning 11. Modellbygge & Simulering, TSRT62. Föreläsning 12. Simulering. Föreläsning 12. Numeriska metoder och Simulering

Daniel Schöld Doktorand. Institutionen för Beteendevetenskap och Lärande ( & Institutet för Handikappvetenskap (

Matematisk modellering - Projekt. djurförflyttningar. Viktor Griph Anders Jonsson

Mer om slumpvariabler

POLYNOM OCH POLYNOMEKVATIONER

Ett spel skapat av Albin Wahlstrand

Kognitiv psykologi. Kognition / Tänkande. Tänkande

Teknikundervisning på vetenskaplig grund hur gör man?

använda kunskaper i biologi för att granska information, kommunicera och ta ställning i frågor som rör hälsa, naturbruk och ekologisk hållbarhet,

En samling fårskallar

PROGRAMMERING ÅK 9 INTRODUKTION

Medicinsk genetik del 4: Tolka genetiska släkttavlor (pedigreen) Niklas Dahrén

Genetisk programmering i Othello

Vad är en designprocess?

Klassrumshantering Av: Jonas Hall. Högstadiet. Material: TI-82/83/84

Quine McCluskys algoritm

729G75: Programmering och algoritmiskt tänkande. Tema 1. Föreläsning 1 Jody Foo

F5 Introduktion Anpassning Korstabeller Homogenitet Oberoende Sammanfattning Minitab

Simulera evolutionen Ett spel för att lära ut principerna kring evolutionen med hjälp av olika föremål.

En introduktion till Prestationsorienterat ledarskap

Kursplan Grundläggande matematik

Optimering och simulering: Hur fungerar det och vad är skillnaden?

Bättre krossmaskiner kan tas fram genom optimering av en given krossprocess utifrån bergmaterialets fragmenteringsuppträdande

Sara Ekvall, doktorand Inst. för immunologi, genetik & patologi Uppsala universitet Handledare: Marie-Louise Bondeson & Göran Annerén

Fördjupningsuppgift 729G43 Linköpings Universitet alelo408. Genetisk börshandel. Att hitta mönster i börsmarknaden med genetiska algoritmer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

formulera och lösa problem med hjälp av matematik samt värdera valda strategier och metoder,

Inledande matematik M+TD

Numeriska metoder för ODE: Teori

ELLÄRA. Denna power point är gjord för att du ska få en inblick i elektricitet. Vad är spänning, ström? Var kommer det ifrån? Varför lyser lampan?

Arbetsområde: Jag får spel

Statistisk mönsterigenkänning

Realism och anti-realism och andra problem

2D Potentialen i en nervcell definieras normalt som skillnaden i spänning mellan dess axon och dendrit.

Digitalitet. Kontinuerlig. Direkt proportionerlig mot källan. Ex. sprittermometer. Elektrisk signal som representerar ljud.

genetiska algoritmer

Alexander Medvedev Rum 2111 Dynamiska system

Pedagogiskt café. Problemlösning

Smart Heat Building. Hur funkar det? En teknisk översikt. Noda Intelligent Systems Noda Smart Heat Building

Pedagogisk planering aritmetik (räkning)

campus.borlänge Förstudie - Beslutsstöd för operativ tågtrafikstyrning

Eulercykel. Kinesiska brevbärarproblemet. Kinesiska brevbärarproblemet: Metod. Kinesiska brevbärarproblemet: Modell. Definition. Definition.

Föreläsning 2 Datastrukturer (DAT037)

Inledande programmering med C# (1DV402) Introduktion till programmering

Introduktionsföreläsning

Övningshäfte 3: Polynom och polynomekvationer

Lokal pedagogisk planering

Bedömning för lärande i matematik

Föreläsning 9 Exempel

Modellering av Dynamiska system Bengt Carlsson Rum 2211

Hur kan man göra omvärlden begriplig?

Föreläsning 9 Exempel. Intervallhalveringsmetoden. Intervallhalveringsmetoden... Intervallhalveringsmetoden...

Generering av L-system fraktaler med Processing.js

Tal till Solomon Feferman

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14

Laboration 2 Mekanik baskurs

Uppgift 1 ( Betyg 3 uppgift )

Astrakan Strategisk Utbildning AB

7, Diskreta strukturer

Problemlösning. Planering av program. Konstruktion. Programmeringsmetaforer. Problemlösning. Programmering = Problemlösning

FRÅttwtKrsTlLL MATTEFILMER. - omikt i skolan. ';j, :d- r..'11*{s"n"-' :Jr. i ri:sslr:,iriitlr

Transkript:

Symboler och abstrakta system Warwick Tucker Matematiska institutionen Uppsala universitet warwick@math.uu.se Warwick Tucker, Matematiska institutionen, Uppsala universitet 1

Vad är ett komplext system? uppbyggt av många liknande, enkla enheter/objekt dessa enheter har välkända egenskaper tillsammans uppstår dock ett mycket komplicerat beteende. Beteenden hos system kan löst indelas i tre klasser: statiskt komplext slumpmässigt Som människor fascineras vi ofta av just det komplexa. Warwick Tucker, Matematiska institutionen, Uppsala universitet 2

Tre olika fokus (på bilen) 1. enhetens beståndsdelar har två hjulpar har en ratt har 4-8 tändstift 2. enhetens egenskaper kan backa/köra framåt kan svänga (hjälpligt) kan variera fart [0-110 km/h] 3. enhetens gruppdynamik kan bilda köer kan kollidera kan propagera information Warwick Tucker, Matematiska institutionen, Uppsala universitet 3

Tre olika fokus Att härleda egenskaper från komponenter handlar om mekanik; (Svårt, men möjligt.) Att härleda beteenden från egenskaper handlar om dynamik; (Oftast omöjligt.) Notera att vi kan byta ut enheten bil mot exempelvis planet, myra, neuron, atom etc. Komplexa system återfinns på alla skalor Liknande prognossvårigheter gäller även helt abstrakta system, trots att vi där har total insyn i fokusnivå 1 och 2. Warwick Tucker, Matematiska institutionen, Uppsala universitet 4

Cellulära automata Diskreta rutor vars beteenden ges av enkla grafiska regler: Startkonfigurationen har en väsentlig påverkan på dynamiken: Med exakt samma uppsättning egenskaper kan både regelbundna och fullständigt slumpmässiga mönster genereras. Warwick Tucker, Matematiska institutionen, Uppsala universitet 5

Warwick Tucker, Matematiska institutionen, Uppsala universitet 6

Tre viktiga ingredienser 1. grupper, multiplicitet, parallellism (utsträcker sig i rummet) Komplexa system är ofta högst parallella samlingar av liknande enheter. Parallella system är redundanta och kan således tåla förluster. Dessutom kan olika strategier utprovas samtidigt. 2. iteration, rekursion, återkoppling (utsträcker sig i tiden) Iteration kan svara mot reproduktion för levande objekt. Rekursion ger upphov till självliknande strukturer. Återkoppling ger upphov till utveckling. 3. anpassning, inlärning, evolution Kan ses som en konsekvens av parallellism och iteration i en konkurrenskraftig miljö med ändliga resurser; dåliga strategier/enheter filtreras bort. Warwick Tucker, Matematiska institutionen, Uppsala universitet 7

Tre viktiga ingredienser 1. grupper, multiplicitet, parallellism Många bilar färdas i trafiken. 2. iteration, rekursion, återkoppling Bilresorna upprepas dagligen. 3. anpassning, inlärning, evolution Vägvalet anpassas. Det är värt att notera att, trots att varje bilist enbart arbetar med lokal information, bidrar deras gemensamma agerande via 1 + 2 + 3 till en robust samt global egenskap hos trafiken, nämligen maximal genomströmning. Vi bilister löser dagligen ett svårt, tidsberoende optimeringsproblem. Utan att veta om det. Warwick Tucker, Matematiska institutionen, Uppsala universitet 8

Genetiska algoritmer (GA) Introducerades av John Holland under 1960-talet och baseras på teorin för ärftlighet (Mendel 1822-1884). Simulerar evolutionen hos en population och ger upphov till en klass av approximativa algoritmer. En typisk GA 1. Skapa en initialpopulation 2. Utvärdera alla individers hälsotillstånd 3. Utse en grupp för avel, baserat på individernas hälsa 4. Tillämpa genetiska operatorer på medlemmarna i avelsgruppen 5. Konstruera en ny (lika stor) generation bestående av avkomman 6. Om generationen är tillräckligt frisk slutar vi. Annars återvänder vi till punkt 2 Warwick Tucker, Matematiska institutionen, Uppsala universitet 9

Implementeringen av en GA 1. Kräver en representation (kodning) av individer som beror på det specifika problemet. Varje kromosom utgörs av flera gener från ett särskilt alfabet. 2. Hälsan hos en individ skall mäta hur nära hon är att lösa problemet. 3. Ändra skalan så att populationens totala hälsopoäng blir 1. Dela ett roulettehjul i proportionerliga delar och snurra......individen som kommer upp väljs ut för avel. Upprepa! Warwick Tucker, Matematiska institutionen, Uppsala universitet 10

4. Två genetiska operatorer: korsbefruktning och mutation. Olika kodningar av det genetiska materialet kräver olika genetiska operatorer. 6. Stoppkriterium, t.ex. Flera generationer utan hälsoförbättring. Ett specifikt mål har uppnåtts. Warwick Tucker, Matematiska institutionen, Uppsala universitet 11

Varför använda genetiska algoritmer? Väl anpassade för många beräkningskrävande problem Adaptiva; fortsätter att prestera bra i en föränderlig miljö Kräver begränsad matematisk förståelse av problemet Mycket lämpade för parallellberäkningar. Nackdelar: Prestandan beror på problemkodningen och operatorerna Inga garantier för konvergens (heuristisk metod) Kan vara instabil med avseende på parametrar. Warwick Tucker, Matematiska institutionen, Uppsala universitet 12

Rese-problemet Du önskar att resa inom Europa genom att besöka London, Paris, Rom, Stockholm och Wien. Om du vet biljettpriserna mellan dessa städer, hur hittar du den billigaste resan? Längre resor: städer möjliga resor 5 120 10 362.800 100 10 150 Warwick Tucker, Matematiska institutionen, Uppsala universitet 13

En svensk semesterresa... (24978 orter) Andra tillämpningar Borrning i kretskort (65.000 hål) Reseplanering för lastbilar och pakethämtning Fabrikssömnad av kläder Små förbättringar ger stora vinster. Warwick Tucker, Matematiska institutionen, Uppsala universitet 14

Sammanfattning enkla regler kan ge upphov till komplext beteende (Occams rakblad) dynamiken hos komplexa system är svår att förutse (rolig forskning) komplexa system kan användas som beräkningsmaskiner (nyttig forskning) Warwick Tucker, Matematiska institutionen, Uppsala universitet 15