7、进化计算：挑战与发展方向

进化计算：挑战与发展方向

非随机交配与物种形成

目前，大多数进化算法（EAs）采用随机交配方案，个体的物种或性别无关紧要。但这存在一个问题，就像在真实生物系统中一样，两个不同物种的亲本所产生的后代往往无法存活。随着我们转向更复杂的系统，这些系统试图进化出合作行为，并且可能同时有多个进化过程在进行，非随机交配和物种形成的作用将成为一个重要问题。

针对这些问题，已经提出了一些解决方案，例如拥挤法（1975 年由 De Jong 提出）、共享法（1987 年由 Goldberg 和 Richardson 提出）和标记法（1982 年由 Booker 提出）。然而，这些解决方案往往需要做出相当强的假设，比如物种的数量和/或环境中生态位的分布。对于某些问题，这些假设是合理的，但在很多情况下，这些属性事先是未知的，并且也需要进化（Spears，1994）。

去中心化、高度并行模型

由于进化算法本身具有自然的并行性，近期很多工作都集中在将进化算法在细粒度和粗粒度并行机器上实现。显然，这样的实现有望显著减少进化算法的执行时间。

更有趣的是，对于本文的主题而言，并行机器可以自然地实现一些进化效果，即物种形成、生态位分化和间断平衡。例如，通过强制要求亲本在并行架构的拓扑结构中是邻居，就可以轻松实现非随机交配。物种会在该拓扑结构中以局部邻域的形式出现。处于平衡状态的子种群会因相邻子种群易于实现的迁移模式而被“打断”。

然而，对进化算法的每一次这样的改变都会显著改变其语义和最终行为。我们目前关于传统进化算法的理论比较薄弱，需要加强和扩展，以帮助我们更好地理解和设计这些并行实现。在细粒度邻域模型方面，沿着这些方向已经取得了一些显著进展（例如