南邮自动化人工智能5--计算智能.ppt

* * * * * * * * * * * * * * * * 5.2 进化策略 进化策略(Evolution Strategies，ES)是一类模仿自然进化原理以求解参数优化问题的算法。 它是由雷切伯格（Rechenberg）、施韦费尔（Schwefel）和彼得·比纳特（Peter Bienert）于1964年提出的，并在德国共同建立的。 * 5.2.1 进化策略的算法模型 寻求与函数极值关联的实n维矢量x。 随机选择父矢量的初始种群。 父矢量xi, i=1,…,p产生子代矢量xi。 对误差 (i=1,…,p)排序以选择和决定保持哪些矢量。 继续产生新的试验数据以及选择最小误差矢量。 * 5.2 进化策略 5.2.2 进化策略和遗传算法的区别 进化策略和遗传算法有着很强的相似性，它们都是一类模仿自然进化原理的算法。 两者也存在着区别，其中最基本的区别是它们的研究领域不同。 进化策略是一种数值优化的方法，它采用一个具有自适应步长和倾角的特定爬山方法。 遗传算法从广义上说是一种自适应搜索技术。 * 5.2 进化策略 5.3 进化编程 进化编程(Evolutionary Programming，EP)，又称为进化规划（Evolutionary Planning），是由福格尔（Fogel）在1962年提出的一种模仿人类智能的方法。 进化编程根据正确预测的符号数来度量适应值。通过变异，为父代种群中的每个机器状态产生一个子代。父代和子代中最好的部分被选择生存下来。 它的提出是受自然生物进化机制的启发。 * 5.3.1 进化编程的机理与表示 进化编程的过程，可理解为从所有可能的计算机程序形成的空间中，搜索具有高的适应度的计算机程序个体。 进化编程设计强调种群行为的变化。进化编程系统的表示自然地面向任务级。一旦选定一种适应性表示，就可以定义依赖于该表示的变异操作，在具体的父辈行为上创建后代。 * 5.3 进化编程 5.3.2 进化编程的步骤 进化编程分为三个步骤： 产生出初始种群。 迭代完成下述子步骤，直至满足选种标准为止： 执行种群中的每个程序。 应用变异等操作创造新程序种群。 在后代中适应值最高的计算机程序个体被指定为进化编程的结果。 * 5.3 进化编程 图5.6 进化编程的基本过程 * 变异和创造子代 评估已存在的FSM 用最好的状态机预测和添加符号 选择父代 初始化观测顺序 是 否 初始化种群 5.3 进化编程 是否预测 5.4 人工生命 自然界是生命之源。自然生命千千万万，千姿百态，千差万别，巧夺天工，奇妙无穷。 人工生命（Artificial Life，AL）试图通过人工方法建造具有自然生命特征的人造系统。 人工生命是生命科学、信息科学和系统科学等学科交叉研究的产物，其研究成果必将促进人工智能的发展。 * 5.4.1 人工生命研究的起源和发展 人类长期以来一直力图用科学技术方法模拟自然界，包括人脑本身。1943年麦卡络奇和皮茨提出了M－P神经学网络模型。 人工生命的许多早期研究工作也源于人工智能。 20世纪70年代以来，康拉德（Conrad）等提出不断完善的“人工世界”模型。 80年代 90年代 * 5.4 人工生命 5.4.2 人工生命的定义和研究意义 人工生命是一项抽象地提取控制生物现象的基本动态原理，并且通过物理媒介（如计算机）来模拟生命系统动态发展过程的研究工作。 通俗地讲，人工生命即人造的生命，非自然的生命。然而，要对人工生命做出严格的定义，却需要对问题进行深入研究。 * 5.4 人工生命 人工生命系统 1987年兰德提出的人工生命定义为：“人工生命是研究能够演示出自然生命系统特征行为的人造系统”。 通过计算机或其它机器对类似生命的行为进行综合研究，以便对传统生物科学起互补作用。 兰德在计算机上演示了他们研制的具有生命特征的软件系统，并把这类具有生命现象和特征的人造系统称为人工生命系统。 * 5.4 人工生命 自然生命的共同特征和现象 自繁殖、自进化、自寻优 自成长、自学习、自组织 自稳定、自适应、自协调 物质构造 能量转换 信息处理 * 5.4 人工生命 研究人工生命的意义 人工生命是自然生命的模拟、延伸与扩展，其研究开发有重大的科学意义和广泛的应用价值。 开发基于人工生命的工程技术新方法、新系统、新产品 为自然生命的研究提供新模型、新工具、新环境 延伸人类寿命、减缓衰老、防治疾病 扩展自然生命，人工进化、优生优育 促进生命、信息、系统科学的交叉与发展 * 5.4 人工生命 5.4.3 人工生命的研究内容和方法 1. 人工生命的研究内容 人工生命的研究内容大致可分为两类： (1) 构成生物体的内部系统，包括脑、神经系统、内分泌系统、免疫系统、遗传系统、酶系统、