基因结构的稳定性保证了生物物种的稳定性-read.doc

第一章 概 述 计算方法→→智能计算→→遗传算法 美国Michigan大学J.Holland教授1975年提出，其特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息。 来源：孟德尔的遗传学说和达尔文的进化学说。“物竟天择、适者生存、优胜劣汰” 1．1 从生物进化到进化计算 自然界生物进化的特点：由简单到复杂，由低级到高级，进化的动力使“自然选择，适者生存”。 遗传物质是细胞核中染色体上的有效基因，其中包含了大量的遗传信息。基因是决定生物特征的最基本的物质单元，基因在染色体上以一定的顺序和结构排列，每个基因有特殊的位置并控制生物的某些特性。不同的基因组合产生的个体对环境的适应性不一样，通过基因杂交和突变可以产生对环境适应性强的后代。经过优胜劣汰的自然选择，适应值高的基因结构就得以保存下来。生物的进化本质体现在染色体的改变核改进上，生物体自身形态的改变是染色体结构变化的表现形式。 染色体→→DNA→→基因→→交叉、复制→→新个体 基因组合的特异性决定了生物体的多样性，基因结构的稳定性保证了生物物种的稳定性，而基因的杂交和变异使生物进化成为可能。 生物进化过程的发生需要四个基本条件： 存在由多个生物个体组成的种群； 生物个体之间存在着差异，或群体具有多样性； 生物能够自我繁殖； 不同个体具有不同的环境生存能力，具有优良基因结构的个体繁殖能力强，反之则弱。 生物群体的进化机制包括三种基本形式： 自然选择：控制生物群体行为的发展方向，能够适应环境变化的生物个体具有更高的生存能力，似的它们在中群中的数量不段增加，同时该生物个体所具有的染色体性状特征在自然选择中得以保留。 杂交 突变：突变是一种不可逆过程，具有突发性、间断性和不可预测性，对于保证群体的多样性具有不可替代的作用。 另外，生物进化是一个开放的过程，自然界对进化中的生物群体提供及时的反馈信息，或称为外界对生物的评价。评价反映了生物的生存价值和机会。 大多数高级生物体是以自然选择和有性繁殖这两种基本过程实现进化发展的。 自然界的生物进化是一个不断循环的过程。在这一过程中，生物群体也就不断地完善和发展。可见，生物进化过程本质上是一种优化过程，在计算科学上具有直接的借鉴意义。 尽管到目前为止，进化计算的发展不过20余年，但其思想可以追溯到20世纪50年代。一般认为进化计算（Evolutionary Computation,EC）包括三个组成部分： 由美国密歇根大学John H. Holland教授提出的遗传算法 由美国科学家Lawrence J. Fogel等人提出的进化规划（Evolutionary Programming, EP）； 由德国科学家Ingo Rechenberg和Hans-Paul Schwefel提出的进化策略（Evolutionary Strategies, ES）。 他们用不同的进化控制模式模拟了生物进化过程，从而形成了三种具有普遍影响的模拟进化的优化计算方法。这三种方法也统称为进化算法（Evolutionary Algorithms, EA or EAs）。 进化算法是一种基于自然选择和遗传变异等生物进化机制的全局性概率搜索算法。与其他启发式搜索方法一样，进化算法在形式上也是一种迭代方法。他从选定的初始解出发，通过不断迭代逐步改进当前解，直至最后搜索到最优解或满意解。在进化计算中，迭代计算过程采用了模拟生物体的进化机制，从一组解（群体）出发，采用类似自然选择和有性繁殖的方式，在继承原有优良基因的基础上，生成具有更好性能的下一代解的群体。 A Simple Evolutionary Algorithm Generate the initial population P(0) at random, and set i=0; Repeat !) Evaluate the fitness of each individual in P(i); 2) Select parents from P(i) based on their fitness in P(i); 3) Generate offspring from the parents using crossover and mutation to form P(i+1); 4) I=I+1; 3. Until halting criteria is satisfied. 优化问题采用进化计算求解的一般过程包括以下步骤： 随机给定一组初始解； 评价当前这组解的性能； 根据评价结果，从当前解中选择一定数量的解作为基因操作的对象； 对所选择的解进行基因操作（交叉、变异），得到一组新解； 返回2），对该组新解进行评价； 若当前解满足要求或进化过程达到一定的代数，计算结束，否则转到3）继续进行。