第九讲 遗传算法.pptVIP

各模块的功能的功能分别是： -引导模块：将病毒引入内存并使其后面的两个模块处于激活状态。 -感染模块：在感染条件满足时把病毒感染到的所攻击的对象上。 -表现（破快）模块：在病毒发作条件（表现、破坏条件）满足时，实施对系统的干扰和破坏活动。 注：并不是所有的计算机病毒都由这3大功能模块组成，有的病毒可能没有引导模块，如“维也纳”病毒（首次在维也纳发现而命名），有的可能没有 破坏模块，如“巴基斯坦”病毒（是世界上惟一的给出病毒制造者姓名和地址的 病毒，其目的是跟踪软件的非法用户） ，而有的病毒在3个模块之间可能没有明显的界限。 3.计算机进程 计算机进程类似于计算机病毒，把进程当作生命体，可在时空中繁殖，从环境中汲取信息，修改所在的环境。该进程与物质媒体交互作用以支持这些物质媒体（如处理器、内存等）。进程具有生命的特征，可以在内存某个地方之外活着，等待适当的条件重新出现以恢复它们的活动状态。 4. 细胞自动机 细胞自动机(CA)是另一种对结构递归应用简单规则组的例子。在细胞自动机中，被改变的结构是整个有限自动机格阵。在这种情况下，局部规则组是传递函数，在格阵中的每个自动机是同构的。所考虑修改的局部上下文是当时邻近的自动机的状态。 自动机的传递函数构造一种简单的、离散的空间/时间范围的局部物理成分。要修改的范围里采用局部物理成分对其结构的“细胞”重复修改。这样，尽管物理结构本身每次并不发展，但是状态在变化。 元胞自动机—产生和发展. 四个阶段: 1940s 诞生：Von Neumann 自我复制机. 1960-70s起步：JH.Conway 生命游戏. 1980s 理论研究：S.Wolfram CA分类. 1980-90s 应用：HPP-FHP格子气自动机. C.Langton N.Packard 人工生命 5. 人工核苷酸 1960年索尔·施皮格尔（Sol Spiegelhe）和他的同事结合当时已知的分子的最小集合，允许在一个试管中进行核糖核酸（RNA）的自复制，产生核苷酸前体、无机分子，能源，复制酶以及来自αβ细菌噬菌体的RNA雏形。经过一系列的转移，RNA分子数目快速增长，同时分子本身便小，并达到最小尺寸。这些复制和进化的RNA分子是同原是人工生命形式相类似的。 认字生物学的新发展已经变得更加有趣，可以促使人工分子的进化。RAN的酶化学和复制能力允许单个RNA分子进化。 　（2）对个体s=（c1, c2, …, cn, cn+1）进行编码。但对于这样的个体如何编码却不是一件直截了当的事情。因为如果编码不当，就会在实施交叉或变异操作时出现非法城市序列即无效解。 例如，对于5个城市的TSP，我们用符号A、B、C、D、E代表相应的城市，用这5个符号的序列表示可能解即染色体。 然后进行遗传操作。设 s1=（A, C, B, E, D, A），s2=（A, E, D, C, B, A） 实施常规的交叉或变异操作，如交换后三位，得 s1’=（A,C,B,C,B,A）， s2’=（A,E,D,E,D,A） 或者将染色体s1第二位的C变为E，得 s1’’=（A, E, B, E, D, A） 可以看出，上面得到的s1’， s2’和s1’’都是非法的城市序列。 为此，对TSP必须设计合适的染色体和相应的遗传运算。 事实上，人们针对TSP提出了许多编码方法和相应的特殊化了的交叉、变异操作，如顺序编码或整数编码、随机键编码、部分映射交叉、顺序交叉、循环交叉、位置交叉、反转变异、移位变异、互换变异等等。从而巧妙地用遗传算法解决了TSP。 遗传算法的特点与优势 　　◆遗传算法的主要特点  　　——遗传算法一般是直接在解空间搜索, 而不像图搜索那样一般是在问题空间搜索, 最后才找到解。 　　——遗传算法的搜索随机地始于搜索空间的一个点集, 而不像图搜索那样固定地始于搜索空间的初始节点或终止节点, 所以遗传算法是一种随机搜索算法。 ——遗传算法总是在寻找优解, 而不像图搜索那样并非总是要求优解, 而一般是设法尽快找到解, 所以遗传算法又是一种优化搜索算法。 ——遗传算法的搜索过程是从空间的一个点集(种群)到另一个点集(种群)的搜索,而不像图搜索那样一般是从空间的一个点到另一个点地搜索。 因而它实际是一种并行搜索, 适合大规模并行计算,而且这种种群到种群的搜索有能力跳出局部最优解。 　　——遗传算法的适应性强, 除需知适应度函数外, 几乎不需要其他的先