人工智能第五章课件.ppt

中南大学 智能系统与智能软件研究所 进化计算（Evolutionary Computation, EC）包括： 遗传算法(genetic algorithms，GA) 进化策略(evolution strategies) 进化编程(evolutionary programming) 遗传编程(genetic programming) 进化计算（Evolutionary Computation,EC）包括： 遗传算法(genetic algorithms，GA) 进化策略(evolution strategies) 进化编程(evolutionary programming) 遗传编程(genetic programming) 5.1 遗传算法 遗传算法是模仿生物遗传学和自然选择机理，通过人工方式所构造的一类优化有哪些信誉好的足球投注网站算法，是对生物进化过程进行的一种数学仿真，是进化计算的最重要的形式。 5.1 遗传算法 自然界所提供的答案是经过漫长的自适应——遗传过程获得的结果。 5.1.1 遗传算法的基本机理 霍兰德的遗传算法通常称为简单遗传算法（Simple Genetic Algorithm , SGA）。现以此作为讨论主要对象，加上适应的改进，来分析遗传算法的结构和机理。 5.1.1 遗传算法的基本机理 5.1.1 遗传算法的基本机理 5.1.1 遗传算法的基本机理 5.1.1 遗传算法的基本机理 5.1.1 遗传算法的基本机理 5.1.1 遗传算法的基本机理 5.1.1 遗传算法的基本机理 编码与解码 5.1.1 遗传算法的基本机理 遗传操作（Genetic Operator）：遗传操作是指作用于种群而产生新的种群的操作。 5.1.1 遗传算法的基本机理 遗传操作 选择操作也叫复制（reproduction）操作，根据个体的适应度函数值所度量的优劣程度决定它在下一代是被淘汰还是被遗传。 5.1.2 遗传算法的求解步骤 遗传算法的主要特点 遗传算法流程图 (1) 初始化群体; 一般遗传算法的主要步骤如下： (1) 随机产生一个由确定长度的特征字符串组成的 初始群体。 遗传算法的实现 遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应的有哪些信誉好的足球投注网站方法。 5.2 进化策略 进化策略(Evolution Strategies，ES)是一类模仿自然进化原理以求解参数优化问题的算法。 5.2.1 进化策略的算法模型 寻求与函数极值关联的实n维矢量x。 随机选择父矢量的初始群体。（双亲向量的初始群体） 父矢量xi, i=1,…,p产生子代矢量xi。（子孙向量的创建） 对误差 (i=1,…,p)排序以选择和决定保持哪些矢量。 继续产生新的试验数据以及选择最小误差矢量。该过程将继续到找到符合条件的答案或者所有的计算已经全部完成为止。 5.2.2 进化策略和遗传算法的区别 进化策略和遗传算法有着很强的相似性，它们都是一类模仿自然进化原理的算法。 5.3 进化编程 进化编程(Evolutionary Programming，EP)，又称为进化规划（Evolutionary Planning），是由福格尔（Fogel）在1962年提出的一种模仿人类智能的方法。 5.3.1 进化编程的机理与表示 进化编程的过程，可理解为从所有可能的计算机程序形成的空间中，有哪些信誉好的足球投注网站具有高的适应度的计算机程序个体。在进化程序设计中，几百或几千个计算机程序参与遗传进化。 5.3.2 进化编程的步骤 进化编程分为三个步骤： 产生初始群体。它由关于问题(计算机程序)的函数随机组合而成。 图 进化编程的基本过程 5.4 人工生命 自然界是生命之源。自然生命千千万万，千姿百态，千差万别，巧夺天工，奇妙无穷。 5.4.1 人工生命研究的起源和发展 人类长期以来一直力图用科学技术方法模拟自然界，包括人脑本身。1943年麦卡络奇和皮茨提出了M－P神经学网络模型。 5.4.2 人工生命的定义和研究意义 人工生命是一项抽象地提取控制生物现象的基本动态原理，并且通过物理媒介（如计算机）来模拟生命系统动态发展过程的研究工作。 人工生命系统 1987年兰德提出的人工生命定义为：“人工生命是研究能够演示出自然生命系统特征行为的人造系统”。 自然生命的共同特征和现象 自繁殖、自进化、自寻优 自成长、自学习、自组织 自稳定、自适应、自协调 物质构造 能量转换 信息处理 研究人工生命的意义 人工生命是自然生命的模拟、延伸与扩展，其研究开发有重大的科学意义和广泛的应用价值。 5.4.3 人工生命的研究内容和方法 人工生命的研究内容 人工生命的研究内容大致可分为两类： 构成生物体的内部系统，