演化计算及其在深空探测应用可行性研究.pdf

2005年1月 中国宇航学会深空探测技术专业委员会第一届学术会议 哈尔滨 演化计算及其在深空探测应用可行性研究 曾三友，颜雪松，康立山 中国地质大学(武汉)演化硬件实验中心 中国地质大学(武汉)计算机系，430074． 摘要：演化计算是模拟自然界生物演化过程产生的随机优化策略与技术．由于它具有稳健性、 通用性等优点和自组织，自适应、自学习等智能特征。最大特点是通过进化去解决问题，即不必 精确地告诉计算机具体怎样去做，而由计算机自动完成，显然这正是解决缺少领域知识的问题所 需要的．这些特性决定演化硬件极有希望应用于深空探测．本文简介了演化计算及演化硬件基本 理论、方法，分析了它应用于深空探测的可行性． 主题词：演化计算；演化硬件；深空探测 1’演化计算简介 近年来，计算机科学与其他学科交叉产生了许多新学科，推动着科学技术向更广阔的领域发展，正在 对人类社会产生深远的影响。社会的发展和需要，特别是对计算速度和人工智能的需要，使得人们期望寻 于高度并行及自组织、自适应、自学习等特征，因而正受到越来越多的关注。 大自然一直是人类解决各种问题时获得灵感的思想源泉，生物进化论揭示了生物长期自然选择的进化 ．发展规律，认为生物进化主要有三个原因：遗传、变异和选择。演化计算就是模拟自然界生物演化过程产 生的一种群体导向随机搜索技术和方法，它的基本原则是优胜劣汰的自然选择法则。演化算法采用简单的 编码技术来表示各种复杂的结构，并通过对一组编码表示进行简单的遗传操作(再生、杂交和变异)和优 胜劣汰的竞争机制来指导对问题空间的搜索。简而言之，演化算法不用了解问题的全部特征，就可以通过 体现进化机制的演化过程完成问题的求解。当今科学技术和工程应用领域具有挑战性的实践问题大都具有 以下特点：高度的计算复杂性、刻画问题特征的条件少。这些特点是使传统方法失效的致命障碍，而演化 算法正好可以克服这些困难。一方面，由于演化算法的进化机制，使得算法具有自组织、自适应、自学习 和“复杂无关性”的特征，能在搜索过程中自动获取和积累有关搜索空间的知识，并利用问题固有的知识 来缩小搜索空间，自适应地控制搜索过程，动态有效地降低问题的复杂度，从而求得原问题的真正最优解 或满意解。另外，由于演化算法对于刻画问题特征的条件要求很少，再加上它效率高、易于操作、简单通 用，从而使得它已经广泛地应用于各种不同的领域中。 1．1演化计算研究现状 演化计算主要包括以下四个分支：遗传算法(Genetic Strategy．ES)和遗传程序设．i,-t'(Genetic Programming．EP)，演化策略(Evolutionary 几个分支在算法实现方面具有一些细微的差别，但它们都是借助生物演化的思想和原理来解决问题。九十 年代以前，各个分支所主张的算法成分和应用领域各有侧重，最近几年，各分支的明显界限正渐渐消除： 算法设计中各自策略的相互借用，具体应用的算法设计中各种算法成分相互嵌套等，同时，研究内容还在 扩大，新近涌现出多目标演化优化、可演化硬件等研究热潮。目前，有数种以演化计算为主题的国际会议 InternationalConferenceon 在世界各地定期召开，包括“IEEE Evolutionary and 会议论文集序列、“GeneticEvolutionaryComputation on Multi．Criterion Conference “Evolutionary Evolvable Hardware(EH)”并出版会议论文集序列。1993年由MIT