Transcript PowerPoint
Slide 1
گردآورنده :نوید حسینی ایزدی
شماره دانشجویی 9004324 :
استاد مربوطه :آقای دکتر میرزایی
1
پاییز 90
Artificial Life
Slide 2
مقدمه
•
•
•
•
2
در اوایل دهه 1920ایده سیستم های زنده پروتئینی ارائه شد.
انجام آزمایش برای درک چگونگی ایجاد عناصر پایه سیستم زنده
).(amino acid, hydroxy acid
ایجاد amino acidدر نتیجه آزمایشات انجام شده.
کنجکاوی روی سیستم زنده و پیشرفت تکنولوژی راه حل جدیدی
برای شناخت قوانین حاکم بر موجودات زنده به نام زندگی مصنوعی
) (Artificial Lifeایجاد کرد.
Artificial Life
Slide 3
تئوری حالت زنده
• دانشمندان همواره به دنبال یک تعریف علمی برای تشخیص
حالت زنده بوده اند.
• مشکل پیدا کردن حداقل تعداد خصیصه مشترک بین
موجودات زنده می باشد.
• به جای کوچکترین جزء زنده باید دنبال کوچکترین سیستم
زنده بگردیم.
3
Artificial Life
Slide 4
Artificial Lifeچیست؟
• شبیه سازی هر جنبه ای از زندگی با استفاده از برنامه
کامپیوتری ،ربات و یا زیست شیمی.
4
Artificial Life
Slide 5
هدف ALife
• شبیه سازی موجودات زنده در راستای درک بهتر قوانین حاکم
بر زندگی.
• زندگی مصنوعی ممکن است به شبیه سازی و بررسی
خصوصیات یک یا چند فرد از جمعیت و یا کل جمعیت
بپردازد.
5
Artificial Life
Slide 6
شبیه سازی یک یا چند فرد
• هدف بررسی یک یا چند واحد (فرد) و یا بخش خاصی از یک
واحد می باشد.
• برای مثال می توان به پروژه Sim’sدر سال 1994اشاره کرد.
• به عنوان مثال دیگر در سال Barbara Webb 1996و تیم اش
توانستند که یک سری از رفتارهای جیرجیرک را با طراحی و
ساخت رباتی شبیه سازی کنند و از این طریق به چگونگی
انجام رفتارهای جیرجیرک پی ببرند.
6
Artificial Life
Slide 7
هدف پروژه Sim’s
•
•
•
•
7
هدف مطالعه یک تابع برازندگی ثابت و تطبیق جمعیت با آن نبود.
هدف این بودکه به جمعیت اجازه دهند که بخشی از محیط باشد و
افراد جمعیت با همدیگر رو به تکامل پیش روند و سیستم کنترلی
خود را با شکل فیزیکی خود تطبیق دهند و بالعکس.
برای انتخاب بهترین عضو کاندیداها با یکدیگر به رقابت می پردازند.
مثال در یک مورد خاص هدف اعضای جمعیت می تواند به دست
آوردن مکعبی در وسط دنیای مجازی باشد که شبیه ساز تعامل بین
موجودات زنده و فیزیک محیط مجازی را کنترل می کند.
Artificial Life
Slide 8
یک نمونه از فنوتایپ که از روی ژنوتایپ تکامل یافته
یک عضو جمعیت ساخته شده است.
8
Artificial Life
Slide 9
موجودات تکامل یافته که با یکدیگر رقابت می کنند
9
Artificial Life
Slide 10
نتیجه حاصل از پروژه Sim’s
• نتیجه ای که از پروژه Sim’sبه دست آمد این است که اگر
بگذاریم جمعیت خودش ،خودش را با محیط تطبیق دهد نتایج
بسیار جالبی به دست خواهد آمد که با روش های استاندارد
ممکن نیست.
10
Artificial Life
Slide 11
شبیه سازی جمعیت
• برای به دست آوردن نتایج حاصل از تعامل بین افراد جمعیت
بررسی یک یا چند نفر خاص مفید نخواهد بود و فقط زمانی به
نتایج مفیدی می رسیم که کل جمعیت را در نظر بگیریم.
• حرکت مورچه ها.
• خانه سازی زنبورها که به صورت توزیع شده می باشد و هر
زنبور فقط با نگاه کردن به ساختار نیمه تمام خانه آن را تکمیل
می کند.
11
Artificial Life
Slide 12
در زیر ساختارهایی مشابه به خانه زنبور آورده شده که با
شبیه سازی نحوه خانه سازی زنبور به دست آمده
12
Artificial Life
Slide 13
انواع ALife
• ساخت سیستم زنده با استفاده از بلوک های سازنده طبیعی
(موجود زنده ساخته شده از کربن).
• ایجاد سیستم زنده با استفاده از قوانین حاکم بر موجودات زنده
اما بر روی کامپیوتر.
13
Artificial Life
Slide 14
Turing, von Neumannآتاماتا
• پایه هر پیاده سازی از ALifeبر اساس تئوری آتاماتای تورینگ
و وان نیومن می باشد.
• تورینگ ماشین تورینگ عمومی را پیشنهاد کرد که توانایی
شبیه سازی عملکرد هر ماشین تورینگ دیگر را دارا بود.
• وان نیومن با استفاده از ماشین تورینگ عمومی ایده ای در
مورد کامپیوترهایی که توانایی شبیه سازی کامپیوترهای دیگر
را دارند ارائه کرد .این ایده وان نیومن را به سمت فرموله کردن
آتاماتایی (عمومی) هدایت کرد که توانایی ساخت آتاماتای
دیگری را داشته باشد.
14
Artificial Life
Slide 15
ساختار آتاماتای عمومی وان نیومن
• وان نیومن ابتدا لیستی از قطعات پایه مورد نیاز ساخت آتاماتا تهیه
کرد.
• آتاماتای مذکور شامل سه قسمت می باشد:
– آتاماتای : Aکه وظیفه دارد با دریافت توصیف Iیک آتاماتا آن را بسازد.
– آتاماتای : Bکه وظیفه دریافت دستورات Iو کپی کردن آن را دارد.
– مکانیزم کنترل : Cکه هنگامی که به Aتوصیف Iداده می شود Cبه A
دستور ساخت آتاماتای متناظر را می دهد .در ادامه Cبه Bدستور کپی
کردن Iرا می دهد و در نهایت کپی ساخته شده توسط Bدر آتاماتای
جدید تزریق می شود و آتاماتای جدید از قدیم جدا می شود.
• حال اگر به Aتوصیف خودش را بدهیم به یک آتاماتای خود تولید
کننده می رسیم.
15
Artificial Life
Slide 16
معرفی آتاماتای سلولی )(CA
• وان نیومن برای تحقق بخشیدن به آتاماتای عمومی خود،
آتاماتای سلولی را طراحی کرد.
• ویژگی های آتاماتای سلولی :
– از تعدادی سایت یا سلول تشکیل شده.
– هر سلول دارای یک همسایگی به صورت به عالوه می باشد.
– هر سلول در زمان های گسسته به صورت زیر به روز می شود.
) )C(t+1) = f( N(t), E(t), S(t), C(t
16
Artificial Life
Slide 17
ایده اصالح شده CA
• ایده وان نیومن به علت پیچیدگی هرگز عملی نشد.
• بعد از نیومن تالش های دیگری نیز برای اصالح CAانجام شد
اما بی نتیجه بود.
• در نهایت النگتون ایده CAرا اصالح کرد.
– به جای اصرار بر عمومی بودن CAاز نظر ساخت هر آتاماتای دیگر،
(در راستای رسیدن به آتاماتای خود تولید کننده) به عمومیت آن از
نظر محاسباتی بپردازیم.
17
Artificial Life
Slide 18
تعریف رسمی CA
• یک CAیک شبکه از سایت ها می باشد به طوری که :
– هر سایت kمقدار می گیرد.
– مقدار هر سایت در زمان های گسسته به وسیله آتاماتای موجود در
آن به روز می شود که این آتاماتا طبق قانون CAعمل می کند.
– هر سایت دارای یک وضعیت ثابت است.
– هر سایت برای به روز شدن به همسایگی خود نیازمند است.
ai+1
18
Artificial Life
ai
ai-1
Slide 19
CA نحوه به روز رسانی
Artificial Life
19
Slide 20
دسته بندی قوانین CA
• ولفرام قوانین CAرا مورد بررسی قرار داد و آن ها را طبق
رفتارشان در درازمدت به چهار دسته تقسیم کرد.
20
Artificial Life
Slide 21
دسته 1
• قوانین این دسته رفتار نقطه ای محدود از خود نشان می دهند.
یعنی تقریبا از تمامی حاالت شروع به حالت نهایی با مقدار 0
برای تمام سایت ها و یا با مقدار 1برای تمام سایت ها می رود.
21
Artificial Life
Slide 22
دسته 2
• دسته دوم رفتار چرخه ای محدود نشان می دهند .این دسته
الگوهایی پریودیک و الگوهایی که به طور یکنواخت به چپ و
راست شیفت پیدا کرده اند تولید می کند.
22
Artificial Life
Slide 23
دسته 3
• دسته سوم قوانین تقریبا همیشه به وضعیت غیر پریودیک و
آشوبی منجر می شود.
23
Artificial Life
Slide 24
دسته 4
• رفتار این دسته از قوانین بسیار پیچیده است و به نظر می رسد
این قوانین قابلیت خودسازماندهی دارند .نشان داده شده است
که آتاماتایی که از این قوانین استفاده کند قابلیت شبیه سازی
آتاماتاهای دیگر را دارد در حقیقت مانند یک ماشین تورینگ
عمومی عمل می کند.
24
Artificial Life
Slide 25
Artificial Life
25
Slide 26
CAخود تولید کننده
• عالقه به استفاده از CAبه عنوان بستری برای ALifeاز آنجا
سرچشمه می گیرد که گمان می رود CAقابلیت ایجاد آتاماتای
عمومی آن گونه که تورینگ در نظر داشت را دارا می باشد.
• در سال 1986النگتون به بررسی امکان وجود نوعی شیمی
مصنوعی که بر روی مولکول های مصنوعی کار می کند پرداخت.
• النگتون در تحقیق خود از 2D CAبا همسایگی وان نیومن
استفاده کرد به طوری که قانون به روز کننده CAنقش شیمی و
آتاماتا نقش مولکول را دارد.
26
Artificial Life
Slide 27
CAخود تولید کننده
• النگتون سعی کرد دریابد کدام یک از 4دسته قانون بهتر عمل
می کند.
• در این راستا پارامتر λرا تعریف کرد که برابر است با احتمال
این که یک همسایگی با یک قانون مشخص به وضعیتی فعال
برود.
• برای 0.2< λ<0.4رفتار مشاهده شده همان رفتار دسته 4است.
• در ادامه النگتون یک آتاماتای خود تولید کننده که کار A, B, Cرا
انجام می داد طراحی کرد.
27
Artificial Life
Slide 28
ساختار خود تولید کننده در آتاماتای النگتون
• داده های بین دو مرز عدد 2برای ساخت یک کپی جدید از
آتاماتا مورد استفاده قرار می گیرد.
28
Artificial Life
Slide 29
نتیجه کپی شدن آتاماتای النگتون
29
Artificial Life
Slide 30
ویروس ها
• ظهور ویروس های کامپیوتری موجب مورد توجه قرار گرفتن
کدهایی که در حافظه کامپیوتر اجرا می شود به عنوان بستری
برای ALifeگردید.
• گونه ای از ویروس ها خود را با محیط وفق می دهند که این
ویژگی یادآور سیستم زنده می باشد.
• پژوهشگران با مشاهده مضر بودن اجرای ویروس روی cpu
حقیقی برای بررسی رفتار آن ها به فکر طراحی cpuمجازی
افتادند ).(CoreWorld
30
Artificial Life
Slide 31
نحوه کپی شدن یک برنامه به صورت ساده
31
Artificial Life
Slide 32
Rasmussen’s CoreWorld
• CoreWorldیک هسته کامپیوتری شبیه سازی شده است با
فضای آدرس حلقه ای.
• ویژگی ها:
– فضای آدرس شامل مجموعه دستورات (اسمبلی مانند) Redcode
– در هر برنامه برای داشتن خاصیت تطبیقی با محیط دستور MOV
با احتمال مشخصی دچار اشتباه می شود ).(Mutation
– Self-replicationعملی نیست و از شبکه ای از برنامه ها که
یکدیگر را کپی می کنند استفاده می شود.
32
Artificial Life
Slide 33
CoreWorld
دستور
حافظه حلقوی
لیست اجرا
Artificial Life
33
Slide 34
Tierra System
•
•
•
•
•
•
34
طراحی شده توسط .Tom Ray
استفاده از آدرس دهی مبتنی بر الگو و الگوریتم تطبیق الگو بر
گرفته شده از نمونه های طبیعی.
طراحی و استفاده از cpuمجازی.
برنامه های ناقص برنامه های والد را از بین می برند.
برنامه های والد با الگوی متفاوت از برنامه های ناقص ایمن می
مانند.
رفتار Tierraشبیه به رفتار گونه ای ویروس و باکتری است.
Artificial Life
Slide 35
مراجع
• introduction to artificial life
by Christoph Adam
• http://www.cs.ucla.edu/~dt/alife.html
Artificial Life
35
Slide 36
با تشکر
Artificial Life
36
گردآورنده :نوید حسینی ایزدی
شماره دانشجویی 9004324 :
استاد مربوطه :آقای دکتر میرزایی
1
پاییز 90
Artificial Life
Slide 2
مقدمه
•
•
•
•
2
در اوایل دهه 1920ایده سیستم های زنده پروتئینی ارائه شد.
انجام آزمایش برای درک چگونگی ایجاد عناصر پایه سیستم زنده
).(amino acid, hydroxy acid
ایجاد amino acidدر نتیجه آزمایشات انجام شده.
کنجکاوی روی سیستم زنده و پیشرفت تکنولوژی راه حل جدیدی
برای شناخت قوانین حاکم بر موجودات زنده به نام زندگی مصنوعی
) (Artificial Lifeایجاد کرد.
Artificial Life
Slide 3
تئوری حالت زنده
• دانشمندان همواره به دنبال یک تعریف علمی برای تشخیص
حالت زنده بوده اند.
• مشکل پیدا کردن حداقل تعداد خصیصه مشترک بین
موجودات زنده می باشد.
• به جای کوچکترین جزء زنده باید دنبال کوچکترین سیستم
زنده بگردیم.
3
Artificial Life
Slide 4
Artificial Lifeچیست؟
• شبیه سازی هر جنبه ای از زندگی با استفاده از برنامه
کامپیوتری ،ربات و یا زیست شیمی.
4
Artificial Life
Slide 5
هدف ALife
• شبیه سازی موجودات زنده در راستای درک بهتر قوانین حاکم
بر زندگی.
• زندگی مصنوعی ممکن است به شبیه سازی و بررسی
خصوصیات یک یا چند فرد از جمعیت و یا کل جمعیت
بپردازد.
5
Artificial Life
Slide 6
شبیه سازی یک یا چند فرد
• هدف بررسی یک یا چند واحد (فرد) و یا بخش خاصی از یک
واحد می باشد.
• برای مثال می توان به پروژه Sim’sدر سال 1994اشاره کرد.
• به عنوان مثال دیگر در سال Barbara Webb 1996و تیم اش
توانستند که یک سری از رفتارهای جیرجیرک را با طراحی و
ساخت رباتی شبیه سازی کنند و از این طریق به چگونگی
انجام رفتارهای جیرجیرک پی ببرند.
6
Artificial Life
Slide 7
هدف پروژه Sim’s
•
•
•
•
7
هدف مطالعه یک تابع برازندگی ثابت و تطبیق جمعیت با آن نبود.
هدف این بودکه به جمعیت اجازه دهند که بخشی از محیط باشد و
افراد جمعیت با همدیگر رو به تکامل پیش روند و سیستم کنترلی
خود را با شکل فیزیکی خود تطبیق دهند و بالعکس.
برای انتخاب بهترین عضو کاندیداها با یکدیگر به رقابت می پردازند.
مثال در یک مورد خاص هدف اعضای جمعیت می تواند به دست
آوردن مکعبی در وسط دنیای مجازی باشد که شبیه ساز تعامل بین
موجودات زنده و فیزیک محیط مجازی را کنترل می کند.
Artificial Life
Slide 8
یک نمونه از فنوتایپ که از روی ژنوتایپ تکامل یافته
یک عضو جمعیت ساخته شده است.
8
Artificial Life
Slide 9
موجودات تکامل یافته که با یکدیگر رقابت می کنند
9
Artificial Life
Slide 10
نتیجه حاصل از پروژه Sim’s
• نتیجه ای که از پروژه Sim’sبه دست آمد این است که اگر
بگذاریم جمعیت خودش ،خودش را با محیط تطبیق دهد نتایج
بسیار جالبی به دست خواهد آمد که با روش های استاندارد
ممکن نیست.
10
Artificial Life
Slide 11
شبیه سازی جمعیت
• برای به دست آوردن نتایج حاصل از تعامل بین افراد جمعیت
بررسی یک یا چند نفر خاص مفید نخواهد بود و فقط زمانی به
نتایج مفیدی می رسیم که کل جمعیت را در نظر بگیریم.
• حرکت مورچه ها.
• خانه سازی زنبورها که به صورت توزیع شده می باشد و هر
زنبور فقط با نگاه کردن به ساختار نیمه تمام خانه آن را تکمیل
می کند.
11
Artificial Life
Slide 12
در زیر ساختارهایی مشابه به خانه زنبور آورده شده که با
شبیه سازی نحوه خانه سازی زنبور به دست آمده
12
Artificial Life
Slide 13
انواع ALife
• ساخت سیستم زنده با استفاده از بلوک های سازنده طبیعی
(موجود زنده ساخته شده از کربن).
• ایجاد سیستم زنده با استفاده از قوانین حاکم بر موجودات زنده
اما بر روی کامپیوتر.
13
Artificial Life
Slide 14
Turing, von Neumannآتاماتا
• پایه هر پیاده سازی از ALifeبر اساس تئوری آتاماتای تورینگ
و وان نیومن می باشد.
• تورینگ ماشین تورینگ عمومی را پیشنهاد کرد که توانایی
شبیه سازی عملکرد هر ماشین تورینگ دیگر را دارا بود.
• وان نیومن با استفاده از ماشین تورینگ عمومی ایده ای در
مورد کامپیوترهایی که توانایی شبیه سازی کامپیوترهای دیگر
را دارند ارائه کرد .این ایده وان نیومن را به سمت فرموله کردن
آتاماتایی (عمومی) هدایت کرد که توانایی ساخت آتاماتای
دیگری را داشته باشد.
14
Artificial Life
Slide 15
ساختار آتاماتای عمومی وان نیومن
• وان نیومن ابتدا لیستی از قطعات پایه مورد نیاز ساخت آتاماتا تهیه
کرد.
• آتاماتای مذکور شامل سه قسمت می باشد:
– آتاماتای : Aکه وظیفه دارد با دریافت توصیف Iیک آتاماتا آن را بسازد.
– آتاماتای : Bکه وظیفه دریافت دستورات Iو کپی کردن آن را دارد.
– مکانیزم کنترل : Cکه هنگامی که به Aتوصیف Iداده می شود Cبه A
دستور ساخت آتاماتای متناظر را می دهد .در ادامه Cبه Bدستور کپی
کردن Iرا می دهد و در نهایت کپی ساخته شده توسط Bدر آتاماتای
جدید تزریق می شود و آتاماتای جدید از قدیم جدا می شود.
• حال اگر به Aتوصیف خودش را بدهیم به یک آتاماتای خود تولید
کننده می رسیم.
15
Artificial Life
Slide 16
معرفی آتاماتای سلولی )(CA
• وان نیومن برای تحقق بخشیدن به آتاماتای عمومی خود،
آتاماتای سلولی را طراحی کرد.
• ویژگی های آتاماتای سلولی :
– از تعدادی سایت یا سلول تشکیل شده.
– هر سلول دارای یک همسایگی به صورت به عالوه می باشد.
– هر سلول در زمان های گسسته به صورت زیر به روز می شود.
) )C(t+1) = f( N(t), E(t), S(t), C(t
16
Artificial Life
Slide 17
ایده اصالح شده CA
• ایده وان نیومن به علت پیچیدگی هرگز عملی نشد.
• بعد از نیومن تالش های دیگری نیز برای اصالح CAانجام شد
اما بی نتیجه بود.
• در نهایت النگتون ایده CAرا اصالح کرد.
– به جای اصرار بر عمومی بودن CAاز نظر ساخت هر آتاماتای دیگر،
(در راستای رسیدن به آتاماتای خود تولید کننده) به عمومیت آن از
نظر محاسباتی بپردازیم.
17
Artificial Life
Slide 18
تعریف رسمی CA
• یک CAیک شبکه از سایت ها می باشد به طوری که :
– هر سایت kمقدار می گیرد.
– مقدار هر سایت در زمان های گسسته به وسیله آتاماتای موجود در
آن به روز می شود که این آتاماتا طبق قانون CAعمل می کند.
– هر سایت دارای یک وضعیت ثابت است.
– هر سایت برای به روز شدن به همسایگی خود نیازمند است.
ai+1
18
Artificial Life
ai
ai-1
Slide 19
CA نحوه به روز رسانی
Artificial Life
19
Slide 20
دسته بندی قوانین CA
• ولفرام قوانین CAرا مورد بررسی قرار داد و آن ها را طبق
رفتارشان در درازمدت به چهار دسته تقسیم کرد.
20
Artificial Life
Slide 21
دسته 1
• قوانین این دسته رفتار نقطه ای محدود از خود نشان می دهند.
یعنی تقریبا از تمامی حاالت شروع به حالت نهایی با مقدار 0
برای تمام سایت ها و یا با مقدار 1برای تمام سایت ها می رود.
21
Artificial Life
Slide 22
دسته 2
• دسته دوم رفتار چرخه ای محدود نشان می دهند .این دسته
الگوهایی پریودیک و الگوهایی که به طور یکنواخت به چپ و
راست شیفت پیدا کرده اند تولید می کند.
22
Artificial Life
Slide 23
دسته 3
• دسته سوم قوانین تقریبا همیشه به وضعیت غیر پریودیک و
آشوبی منجر می شود.
23
Artificial Life
Slide 24
دسته 4
• رفتار این دسته از قوانین بسیار پیچیده است و به نظر می رسد
این قوانین قابلیت خودسازماندهی دارند .نشان داده شده است
که آتاماتایی که از این قوانین استفاده کند قابلیت شبیه سازی
آتاماتاهای دیگر را دارد در حقیقت مانند یک ماشین تورینگ
عمومی عمل می کند.
24
Artificial Life
Slide 25
Artificial Life
25
Slide 26
CAخود تولید کننده
• عالقه به استفاده از CAبه عنوان بستری برای ALifeاز آنجا
سرچشمه می گیرد که گمان می رود CAقابلیت ایجاد آتاماتای
عمومی آن گونه که تورینگ در نظر داشت را دارا می باشد.
• در سال 1986النگتون به بررسی امکان وجود نوعی شیمی
مصنوعی که بر روی مولکول های مصنوعی کار می کند پرداخت.
• النگتون در تحقیق خود از 2D CAبا همسایگی وان نیومن
استفاده کرد به طوری که قانون به روز کننده CAنقش شیمی و
آتاماتا نقش مولکول را دارد.
26
Artificial Life
Slide 27
CAخود تولید کننده
• النگتون سعی کرد دریابد کدام یک از 4دسته قانون بهتر عمل
می کند.
• در این راستا پارامتر λرا تعریف کرد که برابر است با احتمال
این که یک همسایگی با یک قانون مشخص به وضعیتی فعال
برود.
• برای 0.2< λ<0.4رفتار مشاهده شده همان رفتار دسته 4است.
• در ادامه النگتون یک آتاماتای خود تولید کننده که کار A, B, Cرا
انجام می داد طراحی کرد.
27
Artificial Life
Slide 28
ساختار خود تولید کننده در آتاماتای النگتون
• داده های بین دو مرز عدد 2برای ساخت یک کپی جدید از
آتاماتا مورد استفاده قرار می گیرد.
28
Artificial Life
Slide 29
نتیجه کپی شدن آتاماتای النگتون
29
Artificial Life
Slide 30
ویروس ها
• ظهور ویروس های کامپیوتری موجب مورد توجه قرار گرفتن
کدهایی که در حافظه کامپیوتر اجرا می شود به عنوان بستری
برای ALifeگردید.
• گونه ای از ویروس ها خود را با محیط وفق می دهند که این
ویژگی یادآور سیستم زنده می باشد.
• پژوهشگران با مشاهده مضر بودن اجرای ویروس روی cpu
حقیقی برای بررسی رفتار آن ها به فکر طراحی cpuمجازی
افتادند ).(CoreWorld
30
Artificial Life
Slide 31
نحوه کپی شدن یک برنامه به صورت ساده
31
Artificial Life
Slide 32
Rasmussen’s CoreWorld
• CoreWorldیک هسته کامپیوتری شبیه سازی شده است با
فضای آدرس حلقه ای.
• ویژگی ها:
– فضای آدرس شامل مجموعه دستورات (اسمبلی مانند) Redcode
– در هر برنامه برای داشتن خاصیت تطبیقی با محیط دستور MOV
با احتمال مشخصی دچار اشتباه می شود ).(Mutation
– Self-replicationعملی نیست و از شبکه ای از برنامه ها که
یکدیگر را کپی می کنند استفاده می شود.
32
Artificial Life
Slide 33
CoreWorld
دستور
حافظه حلقوی
لیست اجرا
Artificial Life
33
Slide 34
Tierra System
•
•
•
•
•
•
34
طراحی شده توسط .Tom Ray
استفاده از آدرس دهی مبتنی بر الگو و الگوریتم تطبیق الگو بر
گرفته شده از نمونه های طبیعی.
طراحی و استفاده از cpuمجازی.
برنامه های ناقص برنامه های والد را از بین می برند.
برنامه های والد با الگوی متفاوت از برنامه های ناقص ایمن می
مانند.
رفتار Tierraشبیه به رفتار گونه ای ویروس و باکتری است.
Artificial Life
Slide 35
مراجع
• introduction to artificial life
by Christoph Adam
• http://www.cs.ucla.edu/~dt/alife.html
Artificial Life
35
Slide 36
با تشکر
Artificial Life
36