Page 151 - 大数据技术及安全研究

第四章 大数据时代演化算法与进化算法的有关分析

第四章 大数据时代演化算法与进化算法的

有关分析

第一节 新时代演化算法的理论及实践发展

一、演化算法概述

（一）概念
“演化算法”（Evolutionary Algorithms）是一个“算法簇”，尽管它有很多

的变化，有不同的遗传基因表达方式，不同的交叉和变异算子，特殊算子的引用，
以及不同的再生和选择方法，但它们产生的灵感都来自大自然的生物进化。与传
统的基于微积分的方法和穷举法等优化算法相比，进化计算是一种成熟的具有高
鲁棒性和广泛适用性的全局优化方法，具有自组织、自适应、自学习的特性，能

够不受问题性质的限制，有效地处理传统优化算法难以解决的复杂问题。演化计
算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。由于它采用种

群（即一组表示）的方式组织搜索，这使得它可以同时搜索解空间内的多个区域。
而且用种群组织搜索的方式使得演化算法特别适合大规模并行。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）的约束及
不需要其他辅助信息（如导数）的特点。这些崭新的特点使得演化算法不仅能获

得较高的效率而且具有简单、易于操作和通用的特性，而这些特性正是演化计算
越来越受到人们青睐的主要原因之一。
（二）分支

1. 遗传算法
把计算机科学与进化论结合起来的尝试开始于 20 世纪 50 年代末，但由于缺

·139·