Письма
«Эволюция должна иметь направленность»
№18 Физик Алексей Мелких бросает вызов Чарлзу Дарвину
И увидел Бог, что это хорошо
Действительно, чтобы создать гигантский код, содержащий информацию о развитии всего живого, и ввести его в биологические молекулы, нужна огромная энергия. И воля творца. Физик Мелких явно не христианин, иначе он бы отталкивался от библейских объяснений: «ибо Им все живет, движется и существует». А пока Мелких нас предупреждает: «Тот факт, что человек как высокоорганизованное существо, наделенное сознанием, появился не случайно, может кардинальным образом изменить наше мировоззрение». Алексей, но этому в любой воскресной школе учат. Меняют мировоззрение. В.И.
Уральские ученые
Неожиданный подход к изучению ДНК: уральский ученый утверждает, что в этой молекуле записан код, согласно которому развивается все живое на Земле... Ох уж эти уральские ученые! Этот физик не прикидывал вероятность случайного и одномоментного появления в живой природе таксы из волка? Иванов Василий
Удачный опыт
Автор теории знаком с генетическими алгоритмами? Они широко применяются в технике. Проводится компьютерное моделирование популяции «особей», например антенн, с определенными «генами». Для антенн в качестве «генов» могут задаваться такие параметры, как расстояния между элементами антенны, токи в элементах и т.п. Задается целевая функция, определяющая качество «особи», ее «конкурентоспособность» — например, коэффициент усиления антенны. Затем производится «скрещивание», и из полученной новой популяции выбираются наиболее успешные «особи», наименее успешные «умирают». Производится следующее «скрещивание», уже в новой, улучшенной популяции и т.д. Время от времени в популяции проводятся случайные «мутации» — случайным образом меняется какой-либо «ген».
Генетический алгоритм — один из наиболее быстро сходящихся адаптивных алгоритмов, скорость сходимости зависит от числа «особей», чем их больше, тем быстрее сходится алгоритм. В своих выводах автор явно не учитывает систему стимулов генетического отбора, оперирует чисто случайными величинами. Генетические алгоритмы работают даже без «мутаций», хотя без них существует опасность попасть в локальный максимум.
В связи с тем, что в начале 2000‑х вычислительная техника была заметно слабее нынешней, моделировать большие популяции на ней не получалось, и из тех времен осталось много критических отзывов о генетических алгоритмах. На современной технике они работают гораздо лучше. Скажем, упомянутый пример с антеннами — это американское исследование где-то 2007–2010 годов, удачный опыт синтеза антенн. У меня также есть программа с аналогичными функциями, скорость сходимости сопоставима с «жесткими» алгоритмами оптимизации типа градиентного спуска, а на части задач и превосходит ее.