18、进化计算与神经进化：原理、方法与应用

进化计算与神经进化：原理、方法与应用

1. 进化计算基础

进化计算是模拟生物进化过程的计算方法，主要包括全局搜索和局部搜索。全局搜索的变异算子列表为 [ChangeF] ，它能将个体当前使用的三角函数替换为三角函数列表中的新函数。由于不同三角函数本质差异大，不同三角函数生成的代理或图形也截然不同。

局部搜索使用变异算子 [Perterb_Value] ，对基因型 [A, B, C, D, E] 中的一个值添加随机值，观察新表型（图形）是否更接近目标图形。局部搜索通过调整函数值来探索局部解空间，在确定最终适应度得分前，能充分探索所使用三角函数的每个局部空间。全局搜索改变三角函数会大幅改变表型，而对A、B、C、D或E变量的变异和扰动则会对同一表型进行微调。

2. 模因计算的意义

标准进化算法有时会产生看似完美的基因型，但部分参数需调整才能使表型发挥优势。若基因型的参数值不合适，就会得到低适应度得分并被淘汰。实际上，解空间中可能存在高适应度位置，但进化算法生成的解可能位于适应度“山峰”底部。此时，每个解进行局部搜索和自我优化，能更好地发挥其全局参数的潜力。

以两足行走为例，若基因型决定了双腿形态，但大脑中负责平衡的部分仍适用于四足系统，表型将无法保持平衡，从而获得低适应度得分并从种群中消失。要使两足系统正常工作，进化需同时赋予其合适的平衡神经控制器，这一概率远低于先确定一个因素，再调整另一个因素。模因算法将全局搜索和局部搜索分离，让种群中每个个体的基因型有机会展现最佳适应度。

在神经网络系统的进化中，可通过变异算子修改神经网络拓扑结构