Optimalisatie van complexiteit binnen individuen door co-evolutie

Abstract

Evolutionaire algoritmes (EAs) worden al met succes ingezet voor een breed scala aan problemen. EAs leiden echter niet altijd tot de globaal optimale oplossing doordat ze kunnen stranden in lokale optima. Deze paper beoogt een bijdrage te leveren aan de verbetering van de werking van EAs. Hiertoe is onderzoek verricht naar het verband tussen lokale optima en de complexiteit binnen de in een EA aan evolutie onderhevige individuen. Dit onderzoek is gedaan met als basis het werk van Stuart Kauffman. Kauffman suggereert dat de gemiddelde hoogte van lokale optima in co-evolutionaire ecosystemen hoger ligt wanneer de dynamiek van een ecosysteem op de edge of chaos balanceert, een staat tussen geordendheid en chaos. Verder suggereert hij dat co-evolutie zelf in staat is deze edge of chaos op te zoeken door de complexiteit binnen de individuen in het ecosysteem aan te passen. De genoemde complexiteit komt hierbij voort uit het aantal epistatische interacties tussen de genen van een individu. In deze paper is de suggestie dat co-evolutionaire ecosystemen de edge of chaos opzoeken getest met behulp van een nieuw model. In dit model blijkt dat individuen met een bepaalde initi¨ele complexiteit inderdaad het best presteren. Er blijkt echter ook dat co-evolutie in dit model slechts in beperkte mate in staat is de complexiteit van een populatie te optimaliseren.