python人工智能包inspyred使用心得-生物启发算法概述

1 生物启发算法概述

生物启发算法从属于计算智能，属于人工智能领域中智能算法研究环节。其设计目的在于模拟动物生存过程，发现优化问题解决途径。通常适用于组合优化问题。目前，生物启发算法已经发展为人工智能领域的重要方向，在解决海量数据处理等问题上，具有高效、稳定等优势。

不同学者根据不同生物的生存过程，抽象出各类仿生方法。具有代表性的包括：模拟鸟类觅食过程的粒子群算法，模拟蚂蚁觅食的蚁群算法，模拟密封采蜜过程的蜜蜂算法等。虽然各算法寻优的思路不同，但从各算法的结构上看，总会包括以下内容：

1. 种群初始化

1. 根据目标函数衡量个体的适应度

1. 设置算法的控制参数

1. 初始化算法监控器*

1. 选择父代个体，根据演化机制，生成子代

1. 衡量子代的适应度

1. 根据适应度生成新的子代

1. 判断结束条件，否则继续循环

inspyred依据上述通用过程，设计了基于生物启发算法的人工智能工具包。该包中得主要类实现了上述步骤，在每一次用户构建人工智能程序的时候，都可以根据需要，将已实现的默认类或已修改的自定义类嵌入所需的步骤，组成解决实际问题的人工智能程序。

简要的概述inspyred的类与上述步骤的对应关系：

• 个体适应度衡量-Evaluator

• 算法结束条件-Terminator

• 算法监控器-Observer

• 个体选择-Selector

• 生成子代-Variator

• 子代取代父代-Replacer

• 精英个体-Archiver

后续通过例子简单了解inspyred构成智能算法的方式。