Page 163 - 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

群体搜索策略和群体中个体之间的信息交换是进化算法的两大特点。它们的
优越性主要表现在：首先，进化算法在搜索过程中不容易陷入局部最优，即使在
所定义的适应度函数是不连续的，非规则的或有噪声的情况下，它们也能以很大
的概率找到全局最优解；其次，由于它们固有的并行性，进化算法非常适合于巨

量并行机；再者，进化算法采用自然进化机制来表现复杂的现象，能够快速可靠
地解决非常困难的问题；最后，由于它们容易介入到已有的模型中并且具有可扩
展性，以及易于同别的技术混合等因素，进化算法目前已经在最优化、机器学习
和并行处理等领域得到了越来越广泛的应用。1993 年德国 Dortmound 大学的等

人在一份研究报告中搜集了多篇有关进化算法的应用的科技文献。

三、进化计算的选择机制

进化计算是一种基于生物进化原理的优化算法，在解决复杂问题和寻找最优

解方面具有广泛的应用。进化计算的选择机制是其中的核心步骤，通过对个体适
应度的评估和选择，筛选出更好的个体进入下一代群体，以此不断优化解的质量。
选择机制的基本原理是根据个体的适应度对它们进行排序，适应度越高的个体被
选中的概率越大。这种选择方式模拟了生物进化中的“适者生存”原理，使得在

演化的过程中，更优秀的个体能够更有可能传递其优良基因，进而促进种群的进
化。在进化计算中，有多种选择机制被广泛应用，其中最经典且常用的选择机制
有轮盘赌选择、排名选择和锦标赛选择。轮盘赌选择是一种按照个体适应度大小
进行随机选择的方法。它的主要思想是将所有个体的适应度按比例映射到一个轮

盘上，然后通过随机旋转轮盘来选择个体。适应度越高的个体在轮盘上所占据的
比例越大，被选中的概率也就越高。排名选择是一种按照个体适应度大小进行排
序后选择的方法。它首先将个体按适应度大小进行排序，然后根据排名位置为个
体分配选择概率。适应度越高的个体排名靠前，被选中的概率也就越大。排名选

择相对于轮盘赌选择来说更注重个体的相对适应度，而不是绝对适应度。锦标赛
选择是一种通过随机选择子集中的个体进行对比，选出适应度较高的个体的方法。
它将一定数量的个体随机分组成不同的小组，然后从每个小组中选出适应度最高
的个体进入下一代。锦标赛选择的好处在于可以从不同子集中获取多样的解，并

且相对较弱的个体也有一定机会被选择，避免了过早收敛的问题。除了这些常见
的选择机制外，还有一些改进的方法，如精英选择和自适应选择等。精英选择是

·151·