MAIM: A Novel Island Based Evolutionary Classification Algorithm
Andreas Norstein, Eirik Baug · NORA - Norwegian Open Research Archives · 2019
Immunsystemet er uten tvil et av naturens mest tilpasningsdyktige, distribuerte og selvorganiserende systemer. Det har egenskapen til å kunne gjenkjenne unormalheter, altså noe som avviker fra den vanlige regelen. Når immunprinsipper brukes i algoritmer, løser de effektivt både optimaliserings- og mønstergjenkjenningsproblemer. Imidlertid fyller ikke slike algoritmer noen definert nisje der det er det anses som det beste verktøyet for jobben, ettersom mange av immunsystemets naturlige egenskaper ikke blir tilstrekkelig utnyttet. Derav utnytter dette arbeidet immunforsvarets iboende distribuerte natur for å forbedre klassifikasjonseffektiviteten og nøyaktigheten i sammenligning med et mer tradisjonelt kunstig immunsystem (AIS), samtidig som det beveger seg videre mot en mer definert nisje for AIS-algoritmer. I det følgende arbeidet, foreslås en ny hybrid klassifiseringsalgoritme MAIM, som kombinerer AIS med en øy-modell (IGA). Den foreslåtte algoritmen benytter en distribuert AIS-populasjon med delvis isolerte underpopulasjoner, som kommuniserer gjennom utveksling av genetisk materiale. Dette arbeidet er en grundig undersøkelse av egenskapene til de nevnte teknikkene og hvordan de på kan kombineres for å oppnå de ønskede ytelsesforbedringene. Deretter presenteres og evalueres nøkkelfunksjoner i den foreslåtte modellen MAIM, med tanke på dens bidrag til klassifiseringsnøyaktighet og effektivitet. Videre blir begrensninger av modellen undersøkt, som igjen resulterer i videre revideringer av modellen for ytterligere forbedringer. Til slutt viser MAIM til å ha en svært effektiv arkitektur, som har en generaliseringsevne på nivå med moderne algortimer.