में इस लेख , लेखक का दावा है अकेले नवीनता (स्पष्ट लक्ष्यों के बिना) के द्वारा विकास का मार्गदर्शन भी स्पष्ट लक्ष्यों का उपयोग की तुलना में बेहतर समस्याओं को हल कर सकते हैं। दूसरे शब्दों में, एक आनुवंशिक एल्गोरिथ्म के लिए फिटनेस फ़ंक्शन के रूप में एक नवीनता उपाय का उपयोग करना लक्ष्य-निर्देशित फिटनेस फ़ंक्शन की तुलना में बेहतर काम करता है। वो कैसे संभव है?
जवाबों:
जैसा कि इस एआई एसई प्रश्न के उत्तर में बताया गया है , जीए 'ऑप्टिमाइज़र' के बजाय 'संतोषजनक' होते हैं और खोज स्थान के 'बाहरी' क्षेत्रों का पता लगाने के लिए नहीं होते हैं। इसके बजाय, जनसंख्या ऐसे क्षेत्रों में क्लस्टर करती है जो फिटनेस फ़ंक्शन के अनुसार 'काफी अच्छे' हैं।
इसके विपरीत, मेरा मानना है कि नवीनता एक तरह की गतिशील फिटनेस है, जो पहले खोजे गए क्षेत्रों से आबादी को दूर करने के लिए प्रवृत्त है।
नवीनता की कुछ डोमेन-निर्भर परिभाषा द्वारा, "उपन्यास व्यवहार" के लिए नवीनता खोज का चयन करती है। उदाहरण के लिए, एक भूलभुलैया-सुलझाने वाले डोमेन में नवीनता "मार्ग का अंतर पता लगाया" हो सकता है। आखिरकार, भूलभुलैया के माध्यम से हर संभव मार्ग लेने वाले नेटवर्क मिल जाएंगे, और फिर आप सबसे तेज़ चुन सकते हैं। यह लक्ष्य से दूरी की तरह एक भोले "उद्देश्य" से कहीं बेहतर काम करेगा, जिसके परिणामस्वरूप आसानी से एक स्थानीय ऑप्टिमा हो सकता है जो भूलभुलैया को कभी हल नहीं करता है।
से नवीनता अकेला के लिए खोज के माध्यम से विकास: उद्देश्य को छोड़ (जोर मेरा):
नवीनता खोज में, एक पारंपरिक उद्देश्य समारोह के साथ समग्र प्रगति को मापने के बजाय, विकास व्यवहार नवीनता की माप को रोजगार देता है जिसे एक नवीनता मीट्रिक कहा जाता है। वास्तव में, इस तरह के एक मीट्रिक द्वारा निर्देशित एक खोज स्पष्ट रूप से करती है कि प्राकृतिक विकास निष्क्रिय रूप से क्या करता है, अर्थात धीरे-धीरे संचय करने वाले उपन्यास रूप जो जटिलता की सीढ़ी चढ़ते हैं।
उदाहरण के लिए, बीप्ड लोकोमोटिव डोमेन में, प्रारंभिक प्रयास बस नीचे गिर सकते हैं। नवीनता मीट्रिक केवल एक अलग तरीके से नीचे गिर जाएगा, भले ही यह उद्देश्य व्यवहार के करीब हो या नहीं। इसके विपरीत, एक उद्देश्य फ़ंक्शन स्पष्ट रूप से सबसे दूर गिरने वाले को पुरस्कृत कर सकता है, जो संभवतः चलने के अंतिम उद्देश्य की ओर नहीं ले जाता है और इस प्रकार एक भ्रामक स्थानीय इष्टतम को उदाहरण देता है। इसके विपरीत, नवीनता की तलाश में, उदाहरणों का एक सेट बनाए रखा जाता है जो सबसे अधिक उपन्यास खोजों का प्रतिनिधित्व करता है। आगे की खोज तब इन प्रतिनिधि व्यवहारों से हट जाती है। गिरने के कुछ तरीकों की खोज की जाने के बाद, पुरस्कृत होने का एकमात्र तरीका ऐसा व्यवहार खोजना है जो एकदम से गिर न जाए । इस तरह, व्यवहार जटिलता नीचे से ऊपर उठती है।आखिरकार, कुछ नया करने के लिए, बीपेड को कुछ दूरी तक सफलतापूर्वक चलना होगा, भले ही यह एक उद्देश्य न हो ।