Из мухи -- слона

[Rulla]

Для Сергей Аронский


Я рассматриваю вариант случайной мутации букв в 4 буквенном слове.
Это просто другая модель, не знаю как там у воид. 33^4 это не вероятность, а количество всех возможных вариантов

Это не правильная модель. Ибо вы рассматриваете вероятност одновременной "мутации" 4 букв. Но нам не нужно перебирать такое количество вариантов.

Если ген состоит из всего 100 кодонов
то

См выше.

[void]

Сергей Аронский

Что неверно в оценке количества вариантов/год в этом примере

Есть такой раздел математики: генетические алгоритмы. Разгрызают не только 10^67, но и 10^387. За 2 дня.

[Ольгерт]

Но нам не нужно перебирать такое количество вариантов.

Скажите это природе!

[Злобин Дмитрий]

Сергей Аронский
Есть такой раздел математики: генетические алгоритмы. Разгрызают не только 10^67, но и 10^387. За 2 дня.

теоретически может и "разгрызаются" .....

[void]

теоретически может и "разгрызаются"...

этот пример (10^387) взят из реальной жизни: нужно было разработать двигатель для самолета; было 3 варианта:
1. обычное проектирование
2. экспертная система
3. генетические алгоритмы
количество параметров было таково, что общее число вариантов и составляло 10^387.
перебирать их один за другим, конечно, никакого времени не хватило бы. обычное проектирование оценили в 5 лет и 2 млрд. долларов.
поэтому ребятам дали попробовать ГА -- так вот, ГА дали результат лучший, чем предложенный ЭС (следует уточнить, правда, что ГА не гарантируют наилучшего решения, но дают достаточно "хорошие" решения).
какое это имеет отношение к сабжу? намек: генетические алгоритмы.

В кодоне только часть типлетов имеют значние. А в каждом триплете - две немые зоны имеются.

объясните, пожалуйста.

[Злобин Дмитрий]

объясните, пожалуйста.[/QUOTE]Немыми зонами генома называются такие его участки ,где замена одной аминокислоты на другую не приводит к сбою в ген.информативности генома. В цепочке ДНК и РНК имеются целые участки ,нередко довольно крупные , удаление ,или перемещение которых ,тоже на приводят к искажкнию ген. инфы. Такие участки иоже принято называть немыми.

[void]

Немыми зонами генома называются такие его участки ,где замена одной аминокислоты на другую не приводит к сбою в ген.информативности генома. В цепочке ДНК и РНК имеются целые участки ,нередко довольно крупные , удаление ,или перемещение которых ,тоже на приводят к искажкнию ген. инфы. Такие участки иоже принято называть немыми.

а, так Вы о геноме. а то я никак не мог понять -- что это за немые зоны в триплете и как это в кодоне(==триплет) только часть триплетов имеет значение.

[void]

Кстати, по поводу junk DNA.
Если это действительно мусор, то как креационисты объясняют его наличие? Для эволюционистов тут нет проблем, даже наооброт, присутствие мусора ожидаемо.
А вот при сценарии сотворения?
1. Это действительно мусор. Нехорошо как-то, неаакуратно.
2. Это зашифрованное послание -- ну, типа, библейского кода. Например:
"таки отключайте сотовые хотя бы по субботам"
или:
"ребята, не забывайте, что атман есть брахман"
или даже:
"Крокозябр и Великий Чебур -- братья навек"

[Сергей Аронский]

void

/Есть такой раздел математики: генетические алгоритмы. Разгрызают не только 10^67, но и 10^387. За 2 дня./

Вот вы говорите, генетические алгоритмы доказали СТЭ.
Но, ведь они возникли совсем недавно, неужели раньше СТЭ была не
доказанной?
Зачем же доказывать еще раз?
Или раньше она победила полностью, а потом окончательно?
Нашли переходную форму, открыли гомеотические гены, разработаны
генетические алгоритмы ура, СТЭ доказана !
Получается сами дарвинисты внутренне неуверенны в СТЭ.

Ни за два дня ни за триллион лет 10^100 вариантов не перебрать.
Значит, генетические алгоритмы не перебирают все варианты.
Исходя из идей СТЭ составлены генетические алгоритмы и решаются задачи.
И исходя из этого вы считаете, что значит и задачи эволюции так же могут решаться.
Но, это не так.
Вот я скажу, простым перебором шла эволюция, вы составите программу и она
будет решать некоторые задачи. Но, разве можно сделать вывод что она может решать
любые задачи?
ГА работает в очень ограниченном круге задач.
Область применения генетических алгоритмов остается ограниченной решением задач параметрической оптимизации, и через эти алгоритмы не реализуется синтез новых структур, состоящих из разнородных элементов и связей между ними

http://www.neuropower.de/rus/books/001/zip/gl6.zip

«
Именно отбор наилучших объектов является ключевой эвристикой всех эволюционных методов, позволяющих зачастую уменьшить время поиска решения на несколько порядков по сравнению со случайным поиском. Если попытаться выразить эту эвристику на естественном языке, то получим: сложно получить самое лучшее решение, модифицируя плохое. Скорее всего, оно получится из нескольких лучших на данный момент.
»

«
Рассмотрим теперь построение алгоритмов оптимизации структуры и параметров. «

«
Здесь примером могли бы служить N колес с буквами А и В на ободе, где буквы А занимали бы k-ю долю окружности, а В остальную ее часть. Все колеса приводят во вращение и дают им остановиться; остановка колеса на букве А считается "успехом". Сравним три способа сложения этих частных успехов в Большой Успех, который будем считать достигнутым только тогда, когда все колеса остановятся на букве А.
Случай 1. Приводятся во вращение все N колес; если все они дадут букву А, регистрируется Успех и пробы заканчиваются; в других случаях колеса снова приводятся во вращение и так далее, пока все А не появятся сразу. В этом случае потребуется в среднем (1/k)**N проб.
Случай 2. Вращается 1-е колесо; если оно остановится на А, оно остается в этом положении; в противном случае его вращают снова. Когда оно, наконец, остановится на А, таким же образом вращают 2-е колесо и т. д. Так поступают до тех пор, пока все N колес не остановятся на секторе А. Здесь в среднем потребуется N/k проб.
Случай 3. Приводятся во вращение все N колес; те, которые покажут А, остаются в этом положении, а те, которые покажут В, вращаются снова. При дальнейших появлениях А соответствующие колеса также остаются в покое. Среднее число проб равно среднему числу проб в самой длинной серии из N серий проб с одним колесом и может быть найдено из распределения длин таких серий; оно будет несколько больше 1/k.
Случайный поиск служит полным аналогом 1-го случая. Многие из остальных алгоритмы занимают промежуточное положение между первым и вторым случаем (случайный поиск в подпространствах, генетический алгоритм и т. д.). Очевидно, что человек как правило решает свои проблемы независимо друг от друга, что соответствует третьему случаю.
Таким образом, перспективные алгоритмы должны предусматривать возможность разделения целей на подцели, которые не зависят друг от друга.
»


«
«
Интересно также отметить общие стороны ГА и алгоритма случайного поиска в подпространствах. Оба эти алгоритма при поиске оптимума изменяют не все возможные переменные, а только часть их. Это, казалось бы мелкое усовершенствование, ведет к поразительным результатам эти алгоритмы в среднем дают трудоемкость нахождения решения на порядок ниже, чем метод сопряженных градиентов и на два порядка ниже, чем метод случайного поиска по всему пространству переменных. Другими словами, эти алгоритмы используют одно из свойств нашего мира независимость различных подсистем объектов.

«


Очевидно что такие алгоритмы не применимы для создании любого сложного объекта,
Который есть СИСТЕМА.
А система не сводиться к простой СУММЕ элементов.
ГА решает же аддитивные задачи, которые сводятся к простой сумме.

Если на любом колесе «А», то хорошо, на двух еще лучше и т.д.
Тогда возможен независимый параллельный перебор с последующим объединением
, рекомбинацией разных частей.
Но, даже в тех задач которые решает ГА, не всегда получается
«

. Данный недостаток следует из основной эвристики можно "уничтожить" предка самого лучшего решения, если сделать селекцию слишком "жесткой" (не зря ведь биологам давно известно, что если осталось меньше десятка особей исчезающего вида, то этот вид сам по себе исчезнет из-за вырождения).

«

Т.е. если, например решение из-за какого-то элемента оказывается хуже и отбрасывается,
но, если бы этот элемент оставить и менять остальные, то через некоторое время,
был бы найден лучший вариант.

Организм это сложнейшая система, а отнюдь не простая сумма элементов.
Последствия случайных мутаций для высокоорганизованных иерархических систем
полностью деструктивные.
Это повсеместно наблюдаемо на практики и в экспериментах, в том числе и на ЭВМ.


Рассмотрим вашу программу «получение из мухи слона».

Конечно это не прогрессивная эволюция, так как слово «муха» «слон» отличаются
понятийно, только для человека. И «муха» и «слон» одинаковые по сложности объекты.

Но, тем не менее.

В вашем словаре около 1000 слов, а всего вариантов где-то больше миллиона, значит
вероятность получения слова, при случайной мутации примерно 1/1000.
Это, в общем случае не вдаваясь, какие слова.

У вас полностью аддитивная модель.

Вы перебираете последовательно по каждой букве в слове, сравнивая со словарем.
Что приведет, гарантировано к успеху только в том случае если есть слова отличающееся
только на одну букву.
У вас как раз такие слова и есть в словаре.

Каждому слову словаря присваивается оценка
Если ни одной буквы не совпадает со словом «слон »то 1
Если 1 буква совпадает то 2
Если 2 буквы совпадает то 4
Если 3 буквы совпадает то 8
Если 4 буквы совпадает то 16

Получается «слон» жизнеспособнее «мухи».

Т.е. чем букв больше совпадающих ,тем больше оценка, независимо от положения, от структуры слова.

В соответствии с этой оценкой производится размножении слова, и затем случайная выборка.
Но, так как чем больше оценка тем, больше этого слова в массиве, тем более вероятно выборка именно его.

Слова с двумя буквами лучше чем без одной и с одной. Но , это не всегда так не при любых словах.
Возможно следующие поколения слова с меньшим числом букв, дадут быстрее «слон».
У вас специально такой словарь , что бы работала аддитивная модель.

Так же вы отсекаете в рекурсивном алгоритме вариант, который уже был, рассматривался.
Но, на каком основании?
Вариант жизнеспособный, что с того, что он уже рассматривается в другой популяции,
уже рассмотрен .Разве у природы есть цель?
Если есть, то это уже не природа СТЭ.

Таким образом
разгрызание «не только 10^67, но и 10^387. За 2 дня.» возможно только для задач,
которые не ставят целью, создать что-то новое, не системы, а только в параметрических
задачах, когда уже вся основа создана человеком.

Е. В. Балдин
«Генетические алгоритмы: возможности и ограничения»

http://www.viniti.ru/cgi-bin/nti/nti.pl?action=show&year=2_2000&issue=8&magnify=100&page=33

"

Если мы хотим сделать ГА эффективнее случайного поиска, следует отказаться от универсальных подходов на всех этапах. Специальные методы, использующие знания о задаче, требуют в каждом случае анализа содержания решаемой проблемы. По этой причине надежды на возможность использования ГА в слабоформализованных и мало изученных задачах вряд ли оправданы. Эффективность ГА повышается в результате применения тех же знаний, что необходимы в детерминированных алгоритмах.

Налицо противоречие: ГА не удается использовать в качестве чисто формального
метода, поскольку перед этим требуется выполнить ряд содержательных (неформальных) шагов, без которых ГА работает как случайный поиск.
Результат которого, к тому же невозможно оценить.

Иными словами, вся необходимая для решения информация уже должна иметься
К моменту работы алгоритма, вследствие чего отпадает необходимость в привлечении вероятностных методов»
"
Начало

http://www.viniti.ru/cgi-bin/nti/nti.pl?action=show&year=2_2000&issue=8&magnify=100&page=19

"


Итак, при проектировании сложных систем использовать генетические алгоритмы, нельзя и не используют.
Любой организм сложная система, полный перебор невозможен, вывод СТЭ ложна.

[Злобин Дмитрий]

К Сергею Аронскому : Я призываю Вас ПРЕКРАТИТЬ дальнейшие публикации на биологические темы ! Здесь ЭТО НИКОМУ НЕ НУЖНО !Наоборот ,БЕЗГРАМОНЫЕ БОЛТУНЫ только и ждут повода блеснуть своим полемическим талантом. НИКТО не рассматривает научных аргументов по существу ;задача одна :ЗАБОЛТАТЬ ,ЗАПУТАТЬ ,создать ВИДИМОСТЬ "победы" ,т.е ПЕРЕСПОРИТЬ. Для хорошо натасканного спорщика это легко разрешимая задача. В результате ,у читателя создается превратное впечатление об "убедительности" дарвинизма. Этим и пользуются ж***ки ОТ НАУКИ ,для разрушения религиозного мировоззрения ,и ,прочих ,столь же ОМЕРЗИТЕЛЬНЫХ ЦЕЛЕЙ. Стоит ли потакать ДАРВИНИРУЮЩИМ мерзавцам ,ищущим ДЕШОВОГО САМОУТВЕРЖДЕНИЯ за чужой счет ? За счет науки. Хватит. Пусть лучше этот раздел заглохнет, чем служить источником лженаучных заблуждений и непотребной лжи. С Уважением Дмитрий.

[Rulla]

Для Сергей Аронский.





Ну, хоть, вопрос и не ко мне, сделаю несколько замечаний.



Вот вы говорите, генетические алгоритмы доказали СТЭ.



Поскольку ничего подобного в теме сказано не было


Но, ведь они возникли совсем недавно, неужели раньше СТЭ была не доказанной? Зачем же доказывать еще раз?



Ваш полемический запал растрачен даром.



Исходя из идей СТЭ составлены генетические алгоритмы и решаются задачи.



Вот именно. Генетические алгоритмы - применение того метода, которым пользуется природа, для решения технических задач.


Ни за два дня ни за триллион лет 10^100 вариантов не перебрать. Значит, генетические алгоритмы не перебирают все варианты.



Как и естественный отбор. Только возникающие и только до тех пор, пока один из них не окажется удачным.


Т.е. если, например решение из-за какого-то элемента оказывается хуже и отбрасывается, но, если бы этот элемент оставить и менять остальные, то через некоторое время,
был бы найден лучший вариант.



Да. По этому искусственный отбор эффективнее естественного. Изменение, не дающее в данных условиях преимущества, не закрепится. Но в природе это не проблема. Так как трудно на вскидку представить себе изменение, которое не дало бы хоть какого-то преимущества, хоть в каких-то условиях. Так, к примеру, «перспективная» мутация плавников окажется вредна кистеперой рыбе, живущей в глубоководных впадинах. И будет отсеяна. Но в мелких пересыхающих водоемах она закрепится. Что и произошло.

Организм это сложнейшая система, а отнюдь не простая сумма элементов. Последствия случайных мутаций для высокоорганизованных иерархических систем
полностью деструктивные.



Нет. Последствия мутаций для сложных систем, как правило, деструктивные. Но бывают исключения. Как мы можем видеть на примерах мутационного видообразования, наблюдаемых в наше время.


Это повсеместно наблюдаемо на практики и в экспериментах, в том числе и на ЭВМ.

Как видите, - наблюдаемо совершенно иное.


Рассмотрим вашу программу «получение из мухи слона».
Конечно это не прогрессивная эволюция, так как слово «муха» «слон» отличаются понятийно, только для человека. И «муха» и «слон» одинаковые по сложности объекты.



Для программы, это не проблема. Ее легко можно научить добавлять и убирать буквы, как это происходит при мутациях.


В вашем словаре около 1000 слов, а всего вариантов где-то больше миллиона, значит вероятность получения слова, при случайной мутации примерно 1/1000.



Я уже объяснял вам, что вы ставите вопрос в принципе абсурдно. Эволюция действует совершенно иначе, - ни в коем случае не перебирает комбинации букв во всех перестановках. А меняет по одной букве, и только до тех пор, пока не получится осмысленное слово. Количество вариантов между мухой и слоном 16.5 (половина длины алфавита) умножить на количество промежуточных слов.


У вас полностью аддитивная модель. Вы перебираете последовательно по каждой букве в слове, сравнивая со словарем.



Да. Программа действует подобно естественному отбору.


Что приведет, гарантировано к успеху только в том случае если есть слова отличающееся только на одну букву. У вас как раз такие слова и есть в словаре.



У природы тоже. У нее и букв больше, и слов неограниченное количество. Хоть одна замена, да приведет к результату благоприятному в данных условиях. А нет, так в каких-нибудь других условиях.

Т.е. чем букв больше совпадающих ,тем больше оценка, независимо от положения, от структуры слова.



Вообще, говоря, насколько я помню, хитрость данной головоломки именно в том, что даже одна совпадающая со «слоном» буква появляется очень не сразу. Число совпавших букв ни в коем случае не критерий близости к успеху.

Так же вы отсекаете в рекурсивном алгоритме вариант, который уже был, рассматривался. Но, на каком основании?
Вариант жизнеспособный, что с того, что он уже рассматривается в другой популяции, уже рассмотрен .



Потому, что он нежизнеспособен в данной. Ведь, отбор идет в направлении приспособления к условиям. Следовательно, каждый последующий вариант предпочтительнее предыдущего, - ибо именно таков (а не по совпадению букв) критерий отбора. Эволюция не имеет «задней передачи».


Разве у природы есть цель?



У реки тоже нет цели. Но обратно в горы она не потечет.


Налицо противоречие: ГА не удается использовать в качестве чисто формального метода, поскольку перед этим требуется выполнить ряд содержательных (неформальных) шагов, без которых ГА работает как случайный поиск.
Результат которого, к тому же невозможно оценить.

Иными словами, вся необходимая для решения информация уже должна иметься к моменту работы алгоритма,



Вот именно. Машина априори не знает какой вариант «лучший». Ей все равно, что «слон», что «слом». Ей нужно задать критерий, - словарь, хотя бы. А у природы критерий отбора есть, - приспособленность. У нее всегда есть в наличие вся необходимая информация к началу работы алгоритма.


Итак, при проектировании сложных систем использовать генетические алгоритмы, нельзя и не используют.
Любой организм сложная система, полный перебор невозможен, вывод СТЭ ложна.



См выше.

[KPbI3]

Сергей Аронский

Ни за два дня ни за триллион лет 10^100 вариантов не перебрать.

Одна бактерия в своей 333 реинкарнации даст нужный нам гугль (гугол). Если конечно все ее потомки найдут пищу и не будут съедены. Примем время жизни бактерии от митоза, до митоза в 2 часа, получим месяц на получение 1 гугля бактерий. Я понимаю, что задача сложней, но размер числа Вам должен понравиться. Креационисты очень любят большие числа, но гугол я впервые у них вижу. Надо бы им еще тысчонку нулей дорисовать, вот глупцы.

[Злобин Дмитрий]

К Сергею Аронскому : Вот Вы и получили очередную порцию разнузданного флуда ,напрочь удаленного от науки . Обезумевшая свора жалких болтунов только и ждет Ваших реальных ,научных публикаций ,чтоб превратить их в обьект осмеяния и ГЕББЕЛЕВСКОЙ ПРОПОГАНДЫ ! Науки ? Псевдонауки ? Нет ! Для лживого утверждения собсвенного сомнительного "превосходства". Для чего не гнушаются самыми грязными полемическими приемами ,постоянно скатываясь до откровенной ЛЖИ !На КОГО Вы тратите свой труд ? Задумайтесь об этом. С Уважением Дмитрий.

[Wokiber]

К Сергею Аронскому : Вот Вы и получили очередную порцию разнузданного флуда ,напрочь удаленного от науки . Обезумевшая свора жалких болтунов только и ждет Ваших реальных ,научных публикаций ,чтоб превратить их в обьект осмеяния и ГЕББЕЛЕВСКОЙ ПРОПОГАНДЫ ! Науки ? Псевдонауки ? Нет ! Для лживого утверждения собсвенного сомнительного "превосходства". Для чего не гнушаются самыми грязными полемическими приемами ,постоянно скатываясь до откровенной ЛЖИ !На КОГО Вы тратите свой труд ? Задумайтесь об этом. С Уважением Дмитрий.

Дмитрий в случайно чорным пиаром не подрабатывали? А зря.

[Злобин Дмитрий]

Дмитрий в случайно чорным пиаром не подрабатывали? А зря.

И это говорите ВЫ !?!? Вы ,человек наговоривший псевдонаучных глупостей ,буквально "на лесять лет без права переписки". Утверждая ,при этом ,свое знакомство с трудами Любищева ! Кто этому поверит ? Ваш ,крайне низкий уровень биологических знаний (что Вы САМИ неоднократно подчеркивали) не позоляет даже близко к Любищеву подходить . Но нет ! Неуемное ЖЕЛАНИЕ СПОРИТЬ понуждат Вас что-то утверждать ,"доказвать" ,настаивать на своем. Где здесь интерес к науке ? Писать ,но не читать. Возражить по любому поводу - вот тот примитивный механизм ,который Вы используете для УСЛАЖДЕНИЯ САМОЛЮБИЯ СВОЕГО ! И сотни специалистов мало будет для разоблачения той чепухи ,которую Вы тшетно пытаетесь выдать за аргументы. Удивительно ,но находятся же простаки ,клюющие на ржавый крючек Вашего словоблудия.