How the world was MADE: parametrisation of evolved agent-based models for backstory generation

Our paper “How the world was MADE: parametrisation of evolved agent-based models for backstory generation” has been accepted in Evostar 2015 conference. This paper continues our previous work published at ALIFE. You can also download the MADE framework source and binaries to test it for your own. Also, read the draft in our repository on GitHub.

The abstract:

Generating fiction environments for a multi-agent system optimized by genetic algorithms (with some specific requirements related to the desirable plots), presents two main problems: first it is impossible to know in advance the optimal value for the particular designed fitness function, and at the same time, it creates a vast search space for the parameters that it needs. The purpose of this paper is to define a methodology to find the best parameter values for both, the evolutionary algorithm, and the own fictional world configuration. This design includes running, to completion, a world simulation represented as a chromosome, and assigning a fitness to it, thus composing a very complex fitness landscape.

In order to optimize the resources allocated to evolution and to have some guarantees that the final result will be close to the optimum, we systematically analyse a set of possible values of the most relevant parameters, obtaining a set of generic rules. These rules, when applied to the plot requisites, and thus, to the fitness function, will lead to a reduced range of parameter values that will help the storyteller to create optimal worlds with a reduced computation budget.

PETRA: Predicción del Estado del Tráfico usando un sistema de monitorización de bajo coste

Código: SPIP2014-1437
Programa financiador: Ayudas a la I+D+i en materia de tráfico, movilidad y seguridad vial.
Entidad financiadora: Dirección General de Tráfico. Ministerio del Interior.
Responsable: Pablo García Sánchez (pablogarciaATugr.es)
Fecha inicio: 18/11/2014
Fecha fin: 14/10/2015
Web: Proyecto Petra

Resumen

El objetivo de este proyecto es crear un sistema que permita ofrecer información completa y en tiempo real del tráfico en un área metropolitana, predecir en diferentes marcos temporales el mismo y ofrecer esa información como datos abiertos para su consumo por parte de aplicaciones creadas por la administración o los usuarios. El objetivo de este sistema es mejorar la información de tráfico disponible al usuario de las carreteras, fusionando distintas fuentes de datos, para predecir y prevenir atascos y otros tipos de incidencias utilizando técnicas de Big Data, mejorando la fluidez de los desplazamientos.

Actualmente existen diferentes medios que permiten conocer, en tiempo real, el estado de ciertos tramos de las carreteras, como por ejemplo las cámaras de seguridad, o los aforadores. En un proyecto anterior de esta convocatoria (SINECA, Nº Exp 0100DGT21285) introdujimos un dispositivo de bajo coste que permitía conocer este estado en tiempo real y además identificar cuándo un vehículo pasa por dos sitios diferentes.

En este proyecto se desplegaron una serie de dispositivos en distintas zonas urbanas e interurbanas, que recogían información de los dispositivos móviles (mediante Bluetooth) para realizar seguimiento de los vehículos que pasaban cerca de esos nodos, almacenando su identificador y una marca de tiempo. Los resultados de ese prototipo fueron una serie de mediciones (tales como paso de vehículos por días, horas, y velocidades medias) en un área limitada que demostraron la viabilidad de la propuesta.

Una vez comprobada la viabilidad del tipo de enfoque propuesto por ese proyecto, se puede usar como base para obtener datos nuevos que puedan compararse y ser analizados con otros medios de obtención de datos, y realizar análisis de predicción sobre ellos. En esta nueva propuesta se plantea partir de los resultados del anterior proyecto, añadiendo información complementaria, añadiendo más nodos y otras fuentes de información, como Google Traffic o los aforadores oficiales de la DGT. Con los datos obtenidos se realizarán predicciones del estado futuro del tráfico de forma más precisa, utilizando métodos dentro de la rama del Soft Computing y de Data Mining. Se plantea un estudio sobre distintos métodos de predicción disponibles en la literatura, como por ejemplo ARIMA, Croston, Theta, Spline, L-Co-R, LR y SVM-MLP entre otros.

El análisis de los datos proporcionará información relativa a predicción de atascos, uso de las carreteras, velocidades medias o información geolocalizada sobre el estado de las carreteras. Así mismo, se propone la extensión de los sistemas de difusión de los datos obtenidos usando servicios web, creando una serie de datos de acceso público para que futuros investigadores puedan realizar sus análisis, facilitando así el Open Data.

The Parking

Conferencia de Alberto Tonda en la ETSIIT-UGR (20 de enero de 2015)

Dentro de la visita de investigación financiada con el premio al mejor artículo del congreso EvoStar2014 ofrecido por el Programa GENIL (Granada Excellence Network of Innovation Laboratories) asociado al CEI BioTic GRANADA, Alberto Tonda impartirá la conferencia con título “Learning Dynamical Systems with Symbolic Regression” en la ETSIIT-UGR.

Fecha: Martes, 20 de enero de 2015
Hora: 12:30
Lugar: Salón de Grados (ETSIIT)

Title: Learning Dynamical Systems with Symbolic Regression
Author: Alberto Tonda (INRA)

Abstract

Dynamical Systems, composed of Ordinary Differential Equations (ODE), are widely adopted in many fields of science and engineering, to describe phenomena ranging from fluid dynamics to diffusion of heat, from mechanical to biological processes. ODE-based models are usually built by human experts, exploiting both experimental data and theoretical knowledge of the problem at hand.

In this work, we show how to use an established machine learning technique, Symbolic Regression, to automatically derive systems of ODEs starting from data. Preliminary experimental results on the Lotka-Volterra model prove the potential of the approach.

Speaker
Alberto Tonda is a researcher at INRA (the French national institute for agronomy), where he works on semi-supervised modeling of food processes. He completed his PhD in Computer Science at Politecnico di Torino, Italy, in 2010, with a thesis on real-world applications of Evolutionary Computation.

Enviada la versión definitiva del trabajo “Predicción a muy corto plazo de series temporales de volumen de tráfico rodado mediante co-evolución de RNFBR”

Tras realizar las correspondientes modificaciones indicadas por los revisores del congreso MAEB 2015, hemos procedido a enviar la versión definitiva del trabajo, usando para ello la famosa plataforma EasyChair.
Cabe recordar que MAEB’2015 se celebrará en Mérida-Almendralejo, durante los días 4 al 6 de Febrero de 2015, y estará organizada por el Centro Universitario de Mérida, el cual pertenece a la Universidad de Extremadura.
Toda la info del congreso en: http://www.eweb.unex.es/eweb/maeb2015/

Finally published the proceedings containing our paper about jsEO in EvoStar 2014

During a few days (up to January, 2015), you can download for free one of our contributions to EvoStar 2014:
V.M. Rivas, J.J. Merelo, G. Romero, M.G. Arenas, A. Mora. “An Object-Oriented Library in JavaScript to Build Modular and Flexible Cross-Platform Evolutionary Algorithms”, in Applications of Evolutionary Computation, LNCS(8602), Eds. Anna I. Esparcia-Alcázar et al., pp. 853-862, DOI: 10.1007/978-3-662-45523-4_69, ISBN: 978-3-662-45522-7. 2014.

URL: http://dx.doi.org/10.1007/978-3-662-45523-4_69

Enjoy!

Dealing with noise in evolutionary algorithms

For evolutionary algorithms, noise is something that happens when you cannot get a fitness function to return the same value twice in a row. It is a mainstay of games, but it can be found also in industrial processes and in things like neural nets. We have been working despite it many times usually by doing several evaluations and averaging, but this is not really the best way of dealing with it. Since the shape of noise is not known in advance, in the paper presented at the ECTA 2014 conference we proposed a new method for dealing with it: using statistically sound comparisons, namely Wilcoxon. The paper is entitled “Studying and Tackling Noisy Fitness in Evolutionary Design of Game Characters”, and here’s the abstract.

In most computer games as in life, the outcome of a match is uncertain due to several reasons: the characters or assets appear in different initial positions or the response of the player, even if programmed, is not deterministic; different matches will yield different scores. That is a problem when optimizing a game-playing engine: its fitness will be noisy, and if we use an evolutionary algorithm it will have to deal with it. This is not straightforward since there is an inherent uncertainty in the true value of the fitness of an individual, or rather whether one chromosome is better than another, thus making it preferable for selection. Several methods based on implicit or explicit average or changes in the selection of individuals for the next generation have been proposed in the past, but they involve a substantial redesign of the algorithm and the software used to solve the problem. In this paper we propose new methods based on incremental computation (memory-based) or fitness average or, additionally, using statistical tests to impose a partial order on the population; this partial order is considered to assign a fitness value to every individual which can be used straightforwardly in any selection function. Tests using several hard combinatorial optimization problems show that, despite an increased computation time with respect to the other methods, both memory-based methods have a higher success rate than implicit averaging methods that do not use memory; however, there is not a clear advantage in success rate or algorithmic terms of one method over the other

The presentation uses jmpress.js and, besides, is generated randomly every time it is loaded, by adding some Javascript cleverness to the layout. It’s open source and available in GitHub (check out the gh-pages bramch.