|
Recenze: Umělá inteligence v problémech globální optimalizace
ZELINKA, I.: Umělá inteligence v problémech globální optimalizace. Praha, BEN – technická literatura, 2002, ISBN 80-7300-069-5, 192 stran formátu B5, brožované, náklad neuveden, doporučená cena 299 Kč.
Evoluční výpočetní techniky (EVT) se, stejně jako mnoho jiných metod umělé inteligence (UI), nejčastěji používají pro hledání v určitém vymezeném tzv. prohledávacím prostoru. „Malé“ prohledávací prostory lze prozkoumat úplným prohledáním, rozsáhlé prostory je nutné prohledávat heuristickými či znalostmi řízenými metodami UI. Algoritmy EVT patří dnes mezi moderní metody optimalizace systémů. A to zdaleka již ne pouze technických, ale i systémů biologických, ekonomických atd.
Autor recenzované knihy si klade za cíl populární formou seznámit čtenáře zejména se dvěma novými algoritmy evolučního charakteru, umožňujícími efektivně a jednoduše nalézt globální extrém. Tomu je podřízena struktura knihy, rozdělené do třinácti dílčích kapitol včetně předmluvy (kap. 1), rejstříku (kap. 12) a odkazů na literaturu (kap. 13).
V kapitole 2 je uveden stručný přehled problematiky optimalizačních algoritmů, a to zejména EVT. Jednotlivé evoluční metody EVT se liší tím, který cíl preferují. Dílčí přístupy jsou v knize seřazeny od metod směřujících k lokálnímu řešení po metody prohledávající celý prostor řešení, jako jsou např.: „horolezecký“ algoritmus, „tabu search“, simulované žíhání, evoluční strategie, genetické algoritmy. Kapitola 3 se opět stručně zabývá problémy optimalizace a výkladem „účelové funkce“. V kapitole 4 se diskutuje význam některých pojmů, které se v terminologii evolučních algoritmů a optimalizace vyskytují. Omezení a ošetření krizových stavů jsou náplní kapitoly 5. Jádro práce tvoří kapitola 6 s názvem SOMA (zkratka pro SamoOrganizující se Migrační Algoritmus neboli Self-Organizing Migrating Algorithm, jehož je autor knihy původcem) a kapitola 7 Diferenciální evoluce, kde jsou popisovány zmíněné dva pro knihu stěžejní algoritmy EVT. Uživatelský popis ovládání programů SOMA a diferenciální evoluce je náplní kapitoly 8. V kapitole 9, Galerie testovacích funkcí, jsou uvedeny výchozí funkce použité pro vlastní testování. Nejrozsáhlejší je následující kapitola 10 Ukázkové studie, demonstrující implementace navržených metod a jejich výsledky. Velmi podnětné jsou např. výsledky studie Fraktální vidění pomocí neuronových sítí. V kapitole 11, pojmenované Závěr nebo začátek?, jsou shrnuty celkové výsledky výzkumu.
Podle popisu uvedeného v knize se zdá být SOMA účelnou modifikací známé metody diferenciální evoluce (DE), jejíž popis je např. na http://www.icsi.berkeley.edu/~storn/code.html (DE je v současné době obecně považována za pravděpodobně nejlepší evoluční algoritmus pro globální optimalizaci, jehož hlavními výhodami jsou extrémní jednoduchost, velká robustnost, resp. univerzálnost, velká efektivnost a malá závislost na řídicích parametrech – pozn. recenzenta.)
Další informace o algoritmu SOMA lze nalézt na internetových stránkách Dr. Ivana Zelinky na http://www.ft.utb.cz/people/zelinka/soma.
V úvodu recenze byl algoritmus SOMA klasifikován jako evoluční. Se znalostí jeho činnosti na něj však lze pohlížet i jako na další z algoritmů memetických, typických právě používáním nejrůznějších aproximačních algoritmů, technik lokálního vyhledávání, speciálních rekombinačních operátorů apod. Stručně řečeno, memetické algoritmy lze charakterizovat jako strategie soutěže a spolupráce (competitive-cooperative strategy) projevující atributy synergiky. Významným synergickým efektem algoritmu SOMA je právě to, že jedinci se vzájemně ovlivňují, a díky tomu často mění směr pohybu. Jejich celková trajektorie není dána žádným přesným pravidlem, ale jen jejich vzájemnou interakcí.
Publikace je zaměřena spíše na vysvětlení zmíněných algoritmů evolučního charakteru s důrazem na jejich využití v praxi podané populární formou, než na hluboké teoretické vysvětlení dané problematiky. V této souvislosti je proto poněkud zavádějící nadsazený název celé knihy, pod nímž by bylo možné očekávat podstatně hlubší a kompletnější pojetí. Tady se domnívám, že autor zůstává čtenáři (zejména právě bez matematického vzdělání) něco dlužen. Alespoň přehledové informace o strategiích a přístupech umělé inteligence, jejích aplikacích i perspektivách by byly už zde nanejvýš užitečné a žádoucí. Věřím, že se toho čtenáři dočkají v avizované příští knížce autora.
Celá kniha je přitom napsána poměrně čtivě, srozumitelně a přehledně. Obsahuje mnoho příkladů doložených obrázky. Teoretické i praktické výsledky jsou podpořeny simulacemi, včetně uvedení dostupných kódů v jazyce C. Většina důležitých pojmů a výsledků je dokumentována za pomoci grafů. Kniha o 192 stránkách tak obsahuje již neúnosně mnoho grafických příloh – celkem 119 obrázků a 79 tabulek, v knize formátu B5 prezentovaných v takovém zmenšení, že jsou někdy jen velmi obtížně čitelné. Tím je výrazně zmenšen vnášený informační přínos a tím i kvalita celé publikace. Extrémem je otištění celkem 50 malých obrázků v rozmezí pouhých osmi stran (od s. 108). Většina z nich je navíc překvapivě uvedena pouze s anglickými popisy i legendou. Je to klasický příklad platnosti přísloví „méně je někdy více“. V textu se vyskytuje i několik drobných, spíše však tiskových chyb. Srozumitelnosti knihy také nepřispívá, že v ní nejsou vždy dodržena platná pravidla matematické sazby. V kapitole 13 Použitá a doporučená literatura neodpovídá způsob uvedení zdrojů vždy platným normám. Chybí tak někdy rok vydání, vydavatelství, ISBN apod. Některé z 93 zde uvedených pramenů nejsou v textu dále citovány.
Užitečnost a srozumitelnost celé knihy naopak značně zvyšují samostatná kapitola 13 Odborný rejstřík i přehled a vysvětlení většiny symbolů a výrazů použitých v knize, umístěné hned v úvodu. Technické parametry vydané knihy – kvalita papíru a vlastního tisku – jsou zcela vyhovující. Jako poněkud spornou lze hodnotit kvalitu brožované vazby.
Autor knihu dedikuje těm, kdo mají zájem či potřebu řešit optimalizační problémy bez použití vyšší matematiky. Má být určena začátečníkům, vysokoškolským studentům a učitelům, pracovníkům z praxe, ale i vědeckým pracovníkům. Je však diskutabilní, zda kniha, která místy budí dojem přepracované a doplněné (byť nesporně kvalitní) výzkumné zprávy s mnoha přílohami, očekávané široké spektrum čtenářů plně uspokojí. Spíš se zdá svými nejméně 73 (v textu očíslovanými) rovnicemi a vztahy být pro začátečníky bez hlubšího matematického vzdělání místy přece jen příliš teoretická a z pohledu vědeckých pracovníků naopak „mělká“.
Rozhodně však recenzovaná knížka přinejmenším podá čtenáři srozumitelné vysvětlení dvou zajímavých a původních evolučních algoritmů, umožňujících efektivně a jednoduše nalézt globální extrém.
doc. Ing. Pavel Nahodil, CSc.,
katedra kybernetiky FEL ČVUT v Praze
(nahodil@fel.cvut.cz)
|