Page 162 - 大数据技术及安全研究

大数据技术及安全研究
Big Data Technology and Security Research

二、进化算法的起源

进化计算包括遗传算法（Genetic Algorithms）、遗传规划（Genetic Program-
ming）、进化策略（Evolution Strategies）和进化规划（Evolution Programming）
4 种典型方法。第一类方法比较成熟，现已广泛应用，进化策略和进化规划在科

研和实际问题中的应用也越来越广泛。
从 20 世纪 40 年代起，生物模拟就构成了计算科学的一个组成部分，像早期
的自动机理论，就是假设机器是由类似于神经元的基本元素组成的，它向人们展

示了第一个自复制机模型。这些年来诸如机器能否思维、基于规则的专家系统是
否能胜任人类的工作，以及神经网络可否使机器具有看和听的功能等有关生物类
比的问题已成为人工智能关注的焦点。最近生物计算在机器昆虫和种群动态系统

模拟上所取得的成功激励越来越多的人致力于人工生命领域的研究。当今计算机
科学家和分子生物学家已开始携手进行合作研究，并且类比也得到了更为广泛的
应用。

自然界生物体通过自身的演化就能使问题得到完美的解决。这种能力让最好
的计算机程序也相形见绌。计算机科学家为了某个算法可能要耗费数月甚至几年
的努力，而生物体通过进化和自然选择这种非定向机制就达到了这个目的。
近三十年的不断研究和应用已经清楚地表明了模拟自然进化的搜索过程可以

产生非常鲁棒的计算机算法，虽然这些模型还只是自然界生物体的粗糙简化。进
化算法就是基于这种思想发展起来的一类随机搜索技术，它们是模拟由个体组成
的群体的集体学习过程。其中每个个体表示给定问题搜索空间中的一点。进化算

法从任一初始的群体出发，通过随机选择（在某些算法中是确定的）、变异和重
组（在某些算法中被完全省去）过程，使群体进化到搜索空间中越来越好的区域。
选择过程使群体中适应性好的个体比适应性差的个体有更多的复制机会，重组算
子将父辈信息结合在一起并将它们传到子代个体，变异在群体中引入了新的变种。

目前研究的进化算法主要有三种典型的算法：遗传算法、进化规划和进化策
略。这三种算法是彼此独立发展起来的，遗传算法由美国 J. Holand 创建，后由 K.
De Jong、J. Grefenstette、D. Goldberg 和 L. navis 等人进行了改进；进化规划最早

由美国的 L. J. Fogel、A. J. Owens 和 M. J. walsh 提出，最近又由 D. B. Fogel 进行
了完善；进化策略是由德国的 I. Reehenberg 和 H. P. Sehwefel 建立的。

·150·