Evolutionary Synthesis of the Turing Machine´s Rules

Bc. Lukáš KOUŘIL

Disertační práce

Abstract:

Tato dizertační práce se věnuje možnostem využití umělé inteligence pro programování Turingova stroje. Nosným tématem je využití Diferenciální evoluce a Samo-organizujícího se migrujícího algoritmu jako vybraných metod umělé inteligence pro syntézu pravidel přechodové funkce Turingova stroje. Pravidla Turingova stroje představují program, na jehož základě Turingův stroj pracuje. Jejich návrh lze tedy považovat za formu programování tohoto stroje.Dizertační práce sestáva ze čtyř částí, které lze charakterizovat následovně. První část představuje úvod do konečných automatů, mezi které patří i Turingův stroj. Tato část je nezbytná pro pochopení mechanismů, na jejichž základě tento typ strojů pracuje. Velmi důležitá je charakterizace stroje na základě jeho formálního popisu, který je v dalších částech dizertační práce využit jako základ pro formulaci problému syntézy pravidel. Tato první část rovněž seznamuje s vybranými algoritmy umělé inteligence, tedy s Diferenciální evolucí a Samo-organizujícím se migrujícím algoritmem. Toto seznámení hraje důležitou roli pro vhodné nastavení parametrů těchto algoritmů při syntéze pravidel.Druhá část dizertační práce představuje dva navržené přístupy k syntéze (nebo také optimalizaci) pravidel Turingova stroje. Těmito přístupy jsou "klasická optimalizace" a "optimalizace po částech". Oba tyto přístupy se zásadně liší jeden od druhého. Zároveň každý z těchto přístupů má své výhody i zápory, které zároveň určují i jejich využití. V této druhé části jsou oba tyto přístupy podrobně popsány.Ve třetí části dizertační práci jsou uvedeny tři vybrané elementární problémy. Jde o unární součet, problém dělitelnosti bez zbytku celým číslem a problematika detekce prvočísla. Tyto problémy jsou využity jako vzorové úlohy pro Turingův stroj, jehož pravidla chceme zjistit pomocí navržených přistupů. Toho je následně využito pro analýzu závislosti procesu optimalizace pravidel na různém nastavení Diferenciální evoluce a Samo-organizujícího se migrujícího algoritmu. Tato analýza je zcela zásadní nejen pro tuto část dizertační práce, ale především pro následující.Poslední, čtvrtá, část dizertační práce představuje praktické využití navržených přístupů k programování Turingova stroje pomocí umělé inteligence. Za reálnou problematiku bylo zvoleno zpracování proteinů pomocí Turingova stroje. Proteiny jsou v tomto případě míněny primární proteinové struktury. Evoluční syntéza pravidel Turingova stroje je demonstrována na celkem dvanácti vybraných primárních proteinových strukturách, lišících se svou délkou. Tato problematika, jak je popsáno dále v textu, je natolik komplexní, že ji lze považovat jako dostatečný způsob ověření správné činnost přístupů k evoluční syntéze pravidel Turingova stroje, jimiž se tato dizertační práce zabývá.

Abstract:

This doctoral thesis is concerned with possibilities of artificial intelligence utilization for Turing machine programming. The main topic regards using Differential Evolution and Self-Organizing Migrating Algorithm as selected methods of artificial intelligence for Turing machine transition function's rules synthesis. The rules of Turing machine represent a form of program on its basis Turing machine works. Rules designing can be considered as a way of this machine programming. The doctoral thesis consists of four parts which can be characterized as follows. The first part represents an introduction to the finite automata because Turing machines are classified as them. This part is necessary for understanding backgrounds of these machines. Highly important is a characterization of the machine on the basis of formal description. This is used as a base for rules synthesis problematics formulation in the next parts of the doctoral thesis. This first part also introduces selected algorithms of artificial intelligence. These are Differential Evolution and Self-Organizing Migrating Algorithm. The introduction to these algorithms is a key for settings of suitable parameters of selected algorithms while rules synthesis. The second part of the doctoral thesis presents two proposed approaches to Turing machine's rules synthesis (or optimization). These approaches are "classical optimization" and "per-partes optimization". Both approaches differ from each other. Each approach has also advantages and disadvantages which herewith assess their utilization. Both of mentioned approaches are closely described in this second part. In the third part of the doctoral thesis three selected elementary problems are introduced. These are unary addition, divisibility (exact divison) problem and primality (prime number detection) problematics. The problems are used as example tasks for Turing machine which rules we want to estimate by proposed approaches. It is utilized for analysis of rules optimization process dependence on custom settings of Differential Evolution and Self-Organizing Migrating Algorithm. This analysis is entirely fundamental not only for this part of the doctoral thesis but for the next part especially. The last, fourth, part of the doctoral thesis represents a practical utilization of proposed approaches to programming Turing machine by artificial intelligence. As real problematics protein processing by Turing machine was chosen. Proteins are regarded as primary protein structures in this case. Evolutionary synthesis of Turing machine's rules is demonstrated from total of a twelve selected primary protein structures differing in length. As described later in the text, this problematics is so far complex that can be considered as a sufficient way of proper work proof of proposed approaches to evolutionary synthesis of Turing machine's rules as main topic of the doctoral thesis.

Keywords

Turingův stroj, pravidla přechodové funkce, umělá inteligence, Diferenciální evoluce, Samo-organizující se migrující algoritmus

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 30. 8. 2012

Zveřejnit od: 30. 8. 2012

Obhajoba závěrečné práce

• Obhajoba proběhla 11. 10. 2012

Univerzita Tomáše Bati ve Zlíně

Fakulta aplikované informatiky

Doktorský studijní program / obor:
Inženýrská informatika / Inženýrská informatika