(4.16)--计算机科学前沿之基因编程.doc

计算机科学前沿讲座

——基因编程

一、什么是演化计算

自然界的生物体通过自然选择和自然遗传机制来自组织、自适应地解决问题。受此启发，人们通过模拟自然演化过程来解决某些复杂问题，并进一步发展出计算机科学领域内一个崭新的分支——演化计算。

80年代中期以来，很多国家掀起了研究演化计算的热潮。演化计算是一种通用的问题求解方法，具有自组织、自适应、自学习性和本质并行性等特点，不受搜索空间限制性条件的约束，也不需要其它辅助信息。

因此，演化算法简单、通用、易操作、能获得较高的效率，越来越受到人们的青睐。

1、演化计算的发展过程

大自然是人类灵感的源泉。几百年来，将生物界提供的答案应用于实际问题求解，已被证明是一个成功的方法，并已形成一个专门的科学分支——仿生学(bionics)。

自然界提供的答案是经过漫长的自适应过程(即演化过程)所得的结果。除了演化过程的最终结果，我们也可以利用这一过程本身去解决一些较为复杂的问题。

演化计算正是基于自适应过程(即演化过程)思想而发展起来的一种通用的问题求解方法。

它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和优胜劣汰的自然选择，来指导学习和确定搜索的方向。

由于采用种群(即一组表示)的方式组织搜索，所以它可以同时搜索解空间内的多个区域，而且特别适合大规模并行处理。在赋予演化计算自组织、自适应、自学习等特征的同时，优胜劣汰的自然选择和简单的遗传操作使演化计算具有不受其搜索空间限制性条件(如可微、连续、单峰等)的约束，以及不需要其它辅助信息(如导数)的特点。

这些崭新的特点使演化算法不仅能获得较高的效率，而且具有简单、易操作和通用的特性。

在60-70年代演化计算并未受到普遍重视。一是因为当时这些方法本身还不够成熟；二是由于这些方法需要较大的计算量，而当时的计算机还不够普及，且速度跟不上要求，因而限制了它们的应用；三是当时基于符号处理的人工智能方法正处于顶峰状态，使人们难以认识到其它方法的有效性和适应性。

80年代，人们越来越清楚地意识到传统人工智能方法的局限性，而且随着计算机速度的提高及并行计算机的普及，演化计算对机器速度的要求已不再是制约其发展的因素。演化计算在机器学习、过程控制、经济预测、工程优化等领域取得的成功，已引起了数学、物理学、化学、生物学、计算机科学、社会科学、经济学及工程应用等领域专家的极大兴趣。

80年代中期以来，世界上许多国家都掀起了演化计算的研究热潮。

2、演化计算的主要分支

自从计算机出现以来，生物模拟(也称仿生)便成为计算机科学的一个组成部分。其目的之一是试图建立一种人工模拟环境，在这个环境中使用计算机进行仿真，以便更好地了解人类自己和人类的生存空间；另一个目的则是从研究生物系统出发，探索产生基本认知行为的微观机理，然后设计成具有生物智能的机器或模拟系统，以解决复杂问题。

演化计算最初具有三大分支：

遗传算法(GeneticAlgorithm，GA)、

演化规划(EvolutionaryProgramming，EP)

演化策略(EvolutionStrategy，ES)。

(1)遗传算法

把计算机科学与进化论结合起来的尝试始于50年代末，但由于缺乏一种通用的编码方案，人们只能依赖变异而非交配来产生新的基因结构，故而收效甚微。

到60年代中期，美国Michigan大学的JohnHolland在A.S.Fraser和H.J.Bremermann等人工作的基础上提出了位串编码技术。这种编码既适于变异操作，又适于交配(即杂交)操作，并且强调将交配作为主要的遗传操作。

(2)演化策略

60年代初，柏林工业大学的学生I.Rechenberg和H.P.Schwefel等在进行风洞实验时，由于设计中描述物体形状的参数难以用传统方法进行优化，因而利用生物变异的思想来随机改变参数值，并获得了较好的结果。随后，他们对这种方法进行了深入的研究和发展，形成了演化计算的另一个分支——演化策略。

(3)演化规划

演化规划的方法最初是由L.J.Fogel等在60年代提出的。他们在人工智能的研究中发现，智能行为就是具有预测其所处环境的状态、并按给定目标做出适当响应的能力。在研究中，他们将模拟环境描述成由有限字符集中的符号组成的序列。于是问题转化为，怎样根据当前观察到的符号序列做出响应，以获得最大收益。

3、演化计算的主要特点

演化算法与传统算法有很多不同之处，最主要的特点体现在下述两个方面：

(1)自组织、自适应和自学习性(智能性)

(2)本质并行性

4、演化计算的研究内容及前景

演化计算的研究主要集中在以下几个方面：