21、进化计算前沿：案例推理与高级知识结构探索

进化计算前沿：案例推理与高级知识结构探索

1. 案例推理与进化算法结合的思考

在案例推理（CBR）和进化算法（EA）的研究中，有几个关键问题值得深入探讨。不同的检索（Retrieve）、选择（Select）、适应（Adapt）和重组（Reorganize）操作符的组合，会怎样影响问题解决的有效性以及案例库能力的增长呢？每个操作都会以特定方式影响问题解决过程和案例库的后续变化。如果将可能的检索操作集合记为Retrieve ，类似地，选择、适应、评估和重组操作符的集合分别记为Select 、Adapt 、Evaluate 和Reorganize*，研究不同操作符组合下案例库的性能以及其向专业水平的发展情况，将是非常有趣的。实际上，把案例记忆视为进化系统的最大收获，或许在于不孤立地看待每个过程，而是关注它们随时间的累积效应如何使进化案例模型（ECM）朝特定方向发展。

另一个问题是，如何让ECM模拟优化器呢？探索这个问题能让我们了解ECM探索搜索空间的不同方式，也有助于洞察在密集问题分布空间中任务能力是如何增长的。不同的到达方式选择以及不同的重组操作符选择，可能会实现不同的搜索技术。哪些在认知上有效且在计算上有用，这是另一个需要研究的问题。

2. 混合系统概述

已经有大量关于结合案例推理和进化系统的混合系统的研究。这些系统可被描述为松散耦合系统。在松散耦合系统中，案例推理系统在案例库上运行，进行案例检索和增量维护；与之耦合的是在优化空间上运行的进化算法系统。每个系统都在适合自身优势的空间中工作，同时有互补的问题解决器来弥补弱点。我们大致将松散耦合系统分为两类：
- A型系统