广义遗传算法.pdfVIP

，， 第 17卷 第 63期 大 自 然 探 索 Vo1．17．S No．63 1998芷 第 l期 EXPI．0RAT10N 0FNATURE No 1，1998 2 广义遗传算法 董 聪 (清华大学，北京 100084) 摘 要 升经典遗传算法的理论基础和操作程序进入 了翠入的剖析，纠正了其中的几项原则性错 误 ，通过引入一些新的概念和算予，建立了系统的遗传算法理论和相应的算法结构，并将其定义为 广义遗传算击。 关键词 经典遗传算法，广义遗传算法，模 式定理，主群，配群 算法 error，BP)能够有效地解决多臆层网络的学习问题， 1 引 言 从而否定了 IvlJnsky关于多层 网络可能不存在有效 本世纪60年代中期，作为广义人工智能(Artifi． 的学习算法的断言。这些工作促成了人工神经网络 cidIntettigence，AI)的一个重要分支，北美和欧洲的 研究热潮的再度兴起_3J。人工神经网络研究的巨 一 大成就给人们一种启示：研究智能的最好方式是向 些科学家开始探索用模拟生物和人类进化的方式 人类 自身学习。在几十亿年的进化过程中，生物体 求解复杂优化问题 ，这类仿生算法 目前统称为模拟 形成了一种优化 自身结构以适应环境变化的内在机 进化优化方法 (OptimizationMethodbvS~mu]ation 制。人工神经网络对 A】的主要贡献是解决了智能 Evotution)” J，其代表性工作是 Holland提出的遗传 系统如何从环境中进行学习的问题，而遗传算法的 算法(Ge~etlcA1耐 dⅡn，GA)，Fogd提出的进化规化 新一代支持者似乎想揭示这一学习过程在基因层次 (EvotutionPrqgrarm~ing，EP)和R h即 g提出的进 上究竟是如何实现的。关于随机优化算法可 解决 化策略 (EvotutionStrategy，ES)。比较而言，遗传算 非线性系统的全局最优化问题，自适应方法可以解 法的理论体系和算法结构鞍为完善并被人们广泛认 决机器学习问题，并行算法具有极高的计算效率 的 同。在 80年代中期 前。模拟进化优化方法并未受 信念。加上遗传算法同时具备结构上的并行性、计算 到普遍的重视，除了当时的计算机硬件环境满足不 原理上的随机性和 自适应性。使得遗传算法的研究 了要求之外，另外一个一直被人们忽税的重要原因 和应用迅速 成为国际学术 界和工程界关注的热 在于算法本身存在一些缺 陷L3J。1982年，Hopfidd 点 叫J。与此同时。々人感到不解的是，遗传算法的 引入 Lyapunov函数，使反馈型人工神经网络 (Artifi— 理论体系并没有因此而完整地建立起来。由于缺乏 cidNeura