進化計算 において、人間ベース遺伝的アルゴリズム （HBGA ）とは、人間が進化プロセスに解決策の提案を提供できる遺伝的アルゴリズム である。この目的のために、HBGAは初期化、突然変異、および組換え交叉のための人間インターフェースを備えている。また、選択的評価のためのインターフェースを備えている場合もある。つまり、HBGAは典型的な遺伝的アルゴリズムの操作を人間に委ねているのである。
進化遺伝システムと人間の主体性 進化遺伝学システムの中で、HBGAは遺伝子工学のコンピュータ版と言える（Allan、2005）。この表は、人間の主体性に基づいてシステムを比較したものである。
表の中で明白なパターンの一つは、有機システム（上段）とコンピュータシステム（下段）の区分である。もう一つは、自律システム（上段と下段）と人間と対話するシステム（中段）の垂直方向の対称性である。
右側を見ると、セレクターは システムにおける適応度を決定するエージェントです。どの変異が繁殖し、次世代に貢献するかを決定します。自然集団や遺伝的アルゴリズムでは、これらの決定は自動的に行われますが、一般的なHBGAシステムでは、人間が行います。
革新者は 遺伝子変化の担い手である。革新者は遺伝物質を突然変異させ、組み換えを行い、選択者が作用する変異体を生み出す。ほとんどの有機システムおよびコンピュータシステム（上位および下位）では、革新は自動的に行われ、人間の介入なしに機能する。HBGAでは、革新者は人間である。
HBGAは遺伝子工学とほぼ同様である。どちらのシステムにおいても、発明者と選択者は人間である。主な違いは、扱う遺伝物質にある。電子データかポリヌクレオチド配列か、という点だ。
単純な遺伝的アルゴリズムとの違い 4つの遺伝的演算子（初期化、突然変異、交叉、選択）はすべて、適切なインターフェースを使用して人間に委任することができる（Kosorukoff、2001）。 初期化はアルゴリズムのフェーズではなく、演算子として扱われます。これにより、HBGAは空の個体群から開始できます。初期化、突然変異、および交叉演算子は、イノベーション演算子のグループを構成します。 遺伝子操作の選択は人間にも委ねられる可能性があり、そうすることで人間は特定の操作を特定の瞬間に実行することを強制されなくなる。
機能的特徴 HBGAは、コラボレーションと知識交換のための手法です。人間のユーザーの能力を融合させることで、一種の共生的な人間と機械の知能を生み出します（分散型人工知能 も参照）。 人間のイノベーションは、集団から解決策をサンプリングし、それらを関連付け、さまざまな組み合わせでユーザーに提示することによって促進されます（創造性テクニックを 参照）。 HBGAは、ユーザー個々の好みを取り入れることで、合意形成と意思決定を促進します。 HBGAは、一連の問題を同時に解決する際に、累積学習の 考え方を活用します。これにより、解決策を一般化して複数の問題間で再利用できるため、相乗効果が得られます。また、関心のある新たな問題の特定や、重要度の異なる問題間での公平なリソース配分も容易になります。遺伝的アルゴリズムにおける共通の課題である遺伝的表現の選択は、HBGAでは大幅に簡素化される。なぜなら、アルゴリズムは各解の構造を認識する必要がないからである。特に、HBGAでは自然言語を有効な表現として用いることができる。 母集団の保存とサンプリングは、通常、アルゴリズムによる処理として行われる。 HBGAは通常、複数のエージェントからなるシステム であり、遺伝子操作を複数のエージェント（人間）に委任する。
アプリケーション HBGA手法は、1998年夏にロシアで開始されたFree Knowledge Exchangeプロジェクトの分析に基づき、1999年から2000年にかけて開発されました（Kosorukoff、1999）。共同問題解決を支援するために、人間のイノベーションと評価が活用されました。ユーザーは、次に実行する遺伝子操作を自由に選択することもできました。現在、他のいくつかのプロジェクトでも同じモデルが採用されており、最も有名なのは2005年12月に開始されたYahoo! Answersです。
近年の研究によると、人間によるイノベーション演算子は、効率的な計算による突然変異や交叉を設計するのが難しい場合（例えば、自然言語で解決策を進化させる場合）だけでなく、優れた計算によるイノベーション演算子が容易に利用できる場合（例えば、抽象的な画像や色を進化させる場合）にも有利であることが示唆されている（Cheng and Kosorukoff、2004）。後者の場合、人間によるイノベーションと計算によるイノベーションは互いに補完し合い、協調的な成果を生み出し、ユーザーの自発的な創造性が失われないようにすることで、ユーザーエクスペリエンス全般を向上させることができる。
さらに、人間ベースの遺伝的アルゴリズムは、対話型遺伝的アルゴリズム によって生じる疲労効果に対抗する有効な手段であることが証明されている。[ 1 ]
参考文献 ↑ Kruse, J.; Connor, A. (2015). "複雑な仮想世界を生成するためのマルチエージェント進化システム". EAI Endorsed Transactions on Creative Technologies . 2 (5) 150099. arXiv : 1604.05792 . doi : 10.4108/eai.20-10-2015.150099 . S2CID 12670076 . コソルコフ、アレックス（1999）。自由な知識交換。インターネットアーカイブ コソルコフ、アレックス（2000）。人間に基づく遺伝的アルゴリズム。オンライン Kosorukoff, Alex (2001). 人間ベースの遺伝的アルゴリズム。IEEE International Conference on Systems, Man, and Cybernetics 、SMC-2001、3464-3469。全文 Cheng, Chihyung Derrick および Alex Kosorukoff (2004). 対話型ワンマックス問題により、対話型および人間ベースの遺伝的アルゴリズムの性能を比較できます。遺伝的および進化的計算会議 、GECCO-2004。全文 ミラニ、アルフレド（2004）。オンライン遺伝的アルゴリズム。国際情報理論および応用ジャーナル、 pp. 20–28 Milani, Alfredo および Silvia Suriani (2004)、「ADAN: 進化プログラミングに基づく適応型新聞」、 IEEE/WIC/ACM 国際ウェブインテリジェンス会議 (WI'04)、pp. 779–780、IEEE Press、2004 アラン、マイケル（2005）。単純な組換え設計。SourceForge.net、プロジェクトtextbender、リリース2005.0、ファイル_/description.html。リリースアーカイブ、後のバージョンはオンラインで入手可能。 クルーゼ、ヤン（2015）。仮想世界向け設計アプリケーションにおける対話型進化計算。全文 Kruse, Jan および Connor, Andy (2015). 複雑な仮想世界を生成するためのマルチエージェント進化システム。全文
外部リンク 自由知識交換プロジェクトは、HBGAを用いて自然言語で表現された問題を共同で解決することを目的としています。 ParEvoとは、参加型の進化プロセスを用いて、代替的な未来シナリオを開発する手法である。 