1、第 5章 进化计算与人工生命5.1 遗传算法 5.2 进化策略 5.3 进化编程 5.4 人工生命5.1 遗传算法目前，人工智能己从传统的基于符号处理的符号主义，向以神经网络为代表的连接主义和以进化计算为代表的进化主义方向发展，遗传算法是进化计算的一个重要分支。 1、生物学中的进化思想 查尔斯 达尔文（ Charles Darwin）用大量的科学事实证明了生物进化过程在总体上表现为：（ 1）从低级到高级，从简单到复杂，从不完善形式到完善形式，从单一适应到多种适应，从低的有序性到高的有序性，以及沿着物种数目日益增多的方向发展进化。（ 2）生物进化的动力和机制在于自然选择，自然选择是用变异作材料，
2、通过生存斗争实现的。凡是具有适应环境的有利变异的个体，在生存斗争中将有更多机会生存和繁殖后代，而适应性较差的个体将被淘汰，因此，生物进化便是 “ 物竞天择，适者生存 ” 的过程。这种进化思想在后来成为遗传算法模拟的对象。 2.生物进化理论生命的基本特征包括生长、繁殖、新陈代谢和遗传与变异。达尔文的自然选择学说包括以下三个方面：（ 1）遗传：亲代把生物信息交给子代，子代按照所得信息而发育、分化，因而子代总是和亲代具有相似的性状。 （ 2）变异：亲代和子代之间以及子代的不同个体之间总有些差异，这种现象，称为变异。（ 3）生存斗争和适者生存：自然选择来自繁殖过剩和生存斗争。这种自然选择过程是一个长期
3、的、缓慢的、连续的过程。2.生物进化理论生命的基本特征包括生长、繁殖、新陈代谢和遗传与变异。达尔文的自然选择学说包括以下三个方面：（ 1）遗传：亲代把生物信息交给子代，子代按照所得信息而发育、分化，因而子代总是和亲代具有相似的性状。 （ 2）变异：亲代和子代之间以及子代的不同个体之间总有些差异，这种现象，称为变异。（ 3）生存斗争和适者生存：自然选择来自繁殖过剩和生存斗争。这种自然选择过程是一个长期的、缓慢的、连续的过程。遗传算法模拟的是怎样的生物进化模型呢？假设对相当于自然界中的一群人的一个种群进行操作：（ 1）选择：是以现实世界中的优胜劣汰现象为背景的；（ 2）重组交叉：相当于人类的结婚和
4、生育；（ 3）变异：与自然界中偶然发生的变异是一致的。由于包含着对模式的操作，遗传算法不断地产生出更加优良的个体，正如人类向前进化一样。所采用的遗传操作都与生物尤其是人类的进化过程相对应。一群人随着时间的推移而不断地进化，并具备越来越多的优良品质。 5.1.1 基本概念 1. 个体 与种群 个体就是模拟生物个体而对问题中的对象（一般就是问题的解）的一种称呼，一个个体也就是搜索空间中的一个点。 种群 (population)就是模拟生物种群而由若干个体组成的群体 , 它一般是整个搜索空间的一个很小的子集。2. 适应度与适应度函数 适应度 (fitness)就是借鉴生物个体对环境的适应程度 ,而对
5、问题中的个体对象所设计的表征其优劣的一种测度。 适应度函数 (fitness function)就是问题中的 全体个体与其适应度之间的一个对应关系。它一般是一个实值函数。该函数就是遗传算法中指导搜索的评价函数。 3. 染色体与基因 染色体（ chromosome）就是 问题中个体的某种字符串形式的编码表示。字符串中的字符也就称为基因 （ gene）。例如：个体 染色体9 - 1001（ 2， 5， 6） - 010 101 1104. 遗传操作 亦称 遗传算 子 (genetic operator)，就是 关于染色体的运算。遗传算法中有三种遗传操作 : 选择 -复制 (selection-reproduction) 交叉 (crossover， 亦称交换、交配或杂交 ) 变异 (mutation， 亦称突变 )
