19、进化计算的原理与应用

进化计算的原理与应用

1. 矩形振荡问题的物种可视化与进化

在矩形振荡问题系统中，一次样本运行的物种可视化呈现出特定的进化特征。某一突变使适应度稍有下降，在第10代时，激活过程d→k和k→h同时发生两次开关突变，得到了一种最终结构，它是开关振荡器的衍生结构。有趣的是，新结构经历了巨大的适应度下降（降至12.2585），尽管它产生的振荡更接近矩形振荡，但振幅和周期的不匹配导致了较高的均方误差（MSE）。不过，得益于物种形成机制，该结构得以保留在种群中并被优化，最终成为适应度为668.1365的最优解。

在这个特定运行中，物种形成过程可通过可视化图查看，图中从左到右展示了各代，每一代的物种垂直排列，物种的高度与其在该代的种群数量成正比。可以清晰看到，开关振荡器物种早期种群数量较少，后来逐渐占据主导地位；而长Oligator物种始终表现良好，在种群中占据稳定比例。此外，大多数初始物种在第10代前就消失了，这表明简单结构不适合解决这个复杂问题。

2. ERNe的应用

2.1 解决XOR问题

考虑使用ERNe进行简单的布尔实验，首先合成一个解决XOR问题的反应网络，该问题常用于测试神经网络。任务涉及两位输入向量（00、11、01、10）产生一位输出（0、0、1、1）。为解决此任务，需要两个合适的节点作为输入，一个节点作为输出。运行网络时，输入节点浓度对于二进制0为0 [nM]，对于二进制1为25 [nM]，然后训练网络，使输出节点浓度在反应稳定后接近目标输出值。

具体操作步骤如下：
1. 设定ERNe参数，如下表所示：
| 参数 | 值 |
| — | — |
| 种群大小 | 10