演化计算

《计算智能》黄竞伟 等

计算智能导论

计算智能，提高电脑解决人脑任务的能力，以电脑的计算智能来帮助人类解决大脑要解决的智能问题。虽然目前电脑尚不具有上述标准的智能，但是通过模拟生物和自然智能来求解复杂问题在众多自然科学和应用领域已经获得了令人瞩目的成功，这些成功导致了计算智能的单身。计算智能研究的是通过模拟生物和自然只能来求解复杂问题的方法和技术。目前，计算智能研究领域正在蓬勃发展，已经成为人工智能领域的一个重要研究方向。
四个典型代表：演化计算，群体智能算法，人工神经网络和Fuzzy计算。这些方法都起源于对生物和自然系统的模拟。演化计算模拟自然进化，群体智能算法模拟生物群体的社会行为，人工神经网络模拟生物的神经系统，而Fuzzy系统起源于生物体育环境相互作用的研究。

四个典型代表

• 演化计算，群体智能算法，人工神经网络，和Fuzzy计算。
• 这些方法都起源于对生物和自然系统的模拟。演化计算模拟自然进化，群体智能算法模拟生物群体的社会行为，人工神经网络模拟生物的神经系统，而Fuzzy系统起源于生物体育环境相互作用的研究。

演化计算

• 采用躯体搜索技术以及优胜劣汰的自然选择来指导学习和确定搜索方向，具有自组织，自适应，自学习等特点。
• 演化计算的主要分支：遗传算法（GAs），遗传程序设计（genetic programming），演化策略（evolutionary strategy）和演化规划（evolutionary programming）。
• 演化计算导引
  生物进化是一个种群经过漫长时间所发生的积累变化，可以看成是一个优化过程，优化的结果是产生能够很好地适应环境的生物体。演化计算就是模拟生物进化发展起来的一类通用问题求解方法。
  在求解问题的过程中，保持一个个体的种群，每个个体表示问题的一个可能解。个体适应环境的程度用一个适应函数判断，没个个体按照适应函数来度量该个体作为问题解的好坏程度，而度量值称为该个体的适应值，适应值越大，个体越好。基于个体的适应值，某些较好的个体被选择，通过重组，变异等遗传算子的作用，产生一些新的个体，这些个体与种群中原来的个体竞争，形成下一代种群，继续这一过程，直到终止条件。个体的适应值度量可以是简单的计算一个适应函数，也可以是一个复杂的模拟过程。一般来说，适应值达的个体被选择的概率较大。。从出事种群p（0）开始，演化算法通过选择，重组，变异，存活选择等过程得到后代种群，然后再对后代种群重复上述过程，直到某种终止条件满足。当算法结束后，将所得到的适应值最大个个体作为问题的解。
• 构成
  个体编码；适应函数；父体选择策略；变化算子；存活选择策略；参数设置；种群的初始化；终止准则。
• 个体编码
  演化计算设计第一步是对问题的可能解进行编码，起目的是为了能够有效地执行遗传操作，演化算法不是直接作用在问题的解空间上，而是交替地作用在编码空间和解空间上。在编码空间中对个体进行遗传操作，而在解空间中对问题的解进行评估和选择。编码是一个从问题的解空间到编码空间的映射。对编码空间中的一个元素，解空间中至多有一个元素映射到它。一种好的编码使我们能够设计出高效的遗传算子。烟花算法的有效性和复杂性在很大程度上依赖于所用的编码机制。