Page 205 - 电气控制技术与管理

第五章 智能制造技术

2.遗传编程
遗传编程（Genetic Programming）的思想是Stanford大学的John Henry
Holland在1992年出版专著《自然系统和人工系统中的适应》中提出的。自计算

机出现以来，计算机科学的一个重要目标即是让计算机自动进行程序设计，即只
要明确地告诉计算机要解决的问题，而不需要告诉它如何去做，遗传编程便是该
领域的一种尝试。它采用遗传算法的基本思想，但使用一种更为灵活的表示方
式——分层结构来表示解空间。这些分层结构的叶节点是问题的原始变量，中间

节点则是组合这些原始变量的函数，这样的每一个分层结构对应问题的一个解，
也可以理解为求解该问题的一个计算机程序。遗传编程即是使用一些遗传操作动
态的改变这些结构以获得解决该问题的一个计算机程序。
3.进化策略

1964年，由德国柏林工业大学的Ingo Reichenberg等提出。在求解流体动力
学柔性弯曲管的形状优化问题时，用传统的方法很难优化设计中描述物体形状的
参数，而利用生物变异的思想来随机地改变参数值获得了较好的结果。随后，他
们便对这一方法进行了深入的研究，形成了进化计算的另一个分支——进化策略

（Evolution Strategies，ES）。
进化策略与遗传算法的不同之处在于：进化策略直接在解空间上进行操作，
强调进化过程中从父体到后代行为的自适应性和多样性，强调进化过程中搜索步
长的自适应性调节。主要用于求解数值优化问题；而遗传算法是将原问题的解空

间映射到位串空间之中，然后再施行遗传操作，它强调个体基因结构的变化对其
适应度的影响。
4.进化编程
进化编程是（Evolutionary Programming，EP）由美国Lawrence J.Fogel等在

20世纪60年代提出。他们在研究人工智能时发现，智能行为要具有能预测其所处
环境的状态，并且具有按照给定的目标作出适当的响应的能力。在研究中，他们
将模拟环境描述成是由有限字符集中符号组成的序列。
进化计算有着极为广泛的应用，在模式识别、图像处理、人工智能、经济管

理、机械工程、电气工程、通信、生物学等众多领域都获得了较为成功的应用。
如利用进化算法研究小生境理论和生物物种的形成、通信网络的优化设计、超大
规模集成电路的布线、飞机外形的设计和人类行为规范进化过程的模拟。

·193·