Page 164 - 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

保留上一代中适应度最好的个体进入下一代的方法，以保证种群中最优解的传递
性。自适应选择则是根据种群的演化状态动态调整选择机制，以适应问题的特点
和优化需求。在实际应用中，选择机制的选择要根据具体问题的特点来确定。不
同的选择机制在处理不同类型的问题时，可能会有差异的效果。因此，研究者在

使用进化计算算法时，需要根据问题的性质和求解的要求来选择合适的选择机制。
总之，进化计算的选择机制起到了筛选和保留优质解的作用，对算法的求解效果
具有重要影响。通过选择适当的选择机制，并结合其他进化计算操作，能够更好
地实现对复杂问题的优化求解。因此，对选择机制的深入研究和优化是进化计算

领域的重要课题，也具有广泛的指导意义。

四、进化计算方法的优化及应用

（一）进化计算概述

进化计算作为一种新的智能优化技术，已广泛用于工程科学中的各个领域，
与传统优化方法相比，进化计算在全局优化、复杂性问题的求解及易用性方面都
显示出其优越性。进化计算发展到今天，出现了许多方法，如遗传算法、进化规
划、粒子群算法、蚁群算法等。在对进化计算的研究中，算法设计一直是研究工

作的重点，这方面的研究，始终围绕两个主题，一是对进化计算应用领域的拓展，
二是提高进化计算的工作效率。前者重点放在设计和发现进化计算的搜索策略上，
使其能解决过去不能解决或不能有效解决的问题，后者则着重改进已有的算法，
使其效率进一步提高。

（二）进化计算的典型算法
目前，进化计算的主要方法有遗传算法（Genetic Algorithms，简称 GA）、遗
传编程（Genetic Programming，简称 GP）、进化策略（Evolution Strategies，简称
ES）和进化编程（Evolutionary Programming，简称 EP），DNA 计算，粒子群算法

（Particle Swarms Optimization，简称 PSO），蚁群算法（Antcolony Optimization，
简称 ACO），膜计算（Membrane Computing）等，虽然上面有些方法与传统进化
计算的定义不完全相同，但都是模拟生物的某项特征或某种行为而设计，都是建
立在群体智能基础上的进化方法。下面对几种典型的进化方法进行简单介绍。

1. 遗传算法（GAS）
该算法是由 Michigan 大学 Holland J. H. 教授，借鉴达尔文的生物进化论和

·152·