Algorytmy ewolucyjne w realizacji systemów uczących się

Sztuczna inteligencja jest szeroką i szybko rozwijającą się dziedziną informatyki. Często do budowy inteligentnych systemów uczących się wykorzystywane są mechanizmy, które funkcjonują w naturze od bardzo dawna. Przykładem tutaj mogą być sztuczne sieci neuronowe, wzorowane na budowie i sposobie funkcjonowania ludzkiego mózgu oraz algorytmy genetyczne opierające swoje działanie na teorii ewolucji, sformułowanej w 1859 r. przez Karola Darwina. W ostatnich latach zainteresowanie także zaczęły wzbudzać sztuczne sieci immunologiczne, których główną ideą jest odwzorowanie działania ludzkiego systemu odpornościowego. Takie mechanizmy uczenia się pozwalają na rozwiązywanie złożonych problemów obliczeniowych z zakresu przetwarzania danych, sztucznej inteligencji, klasyfikacji danych wielowymiarowych, optymalizacji funkcji, ekstrakcji wiedzy i innych. Artykuł ten zawiera zastosowanie algorytmów ewolucyjnych w rozwiązywaniu przykładowego problemu.

---

Artificial intelligence is a fast developing discipline of computer science. Frequently, while creating learning systems, we use solutions that have been known to nature for ages. A good example is artificial neural network that is designed to work in a way similar to human brain. Another commonly used idea is genetic algorithm based on Charles Darwin's theory of evolution. Recently artificial immune systems are gaining popularity; their basic idea is to imitate the human immune system. Those learning mechanisms give possibility to solve complex problems of data processing, data mining, data classification, optimization, machine learning, pattern detection, and many more. This paper contains evolutionary algorithm designed to solve a simple machine learning problem.