2018-3-14（论文-优化问题的智能算法及其哲学内涵）笔记二（智能算法与人类智能以及遗传算法与生物进化对比）

随机优化技术：

20世纪60年代人们开始尝试在计算机上模仿生物进进化过程而发展处随机优化技术，解决传统的优化算法难以解决的复杂问题。我们将学习自然界各类生物进化的特点，创造和构建的求解优化问题的方法称为智能算法。

问题：既然每个生物在进化的时候，都有自己特定的一种进化的算法，那是不是说每种生物的算法，就是整个自然所有种群优化问题的一个局部的最优解？？

比较生物进化           以及 遗传算法

遗传算法中有三个基本的算子：繁殖，交叉，变异

繁殖：就是从一个种群中选择适应值高的个体放入交配池中一次产生新的种群。 ----------随影“物竞天择，适者生存”

交叉：就是分别将两个个体的机芯中心组合成新的一代的操作，使上一代的优良特性能够遗传给下一代，并产生新的特性

变异：就是随机的对一个基因的更改从而产生新的个体（产生的新的个体，不一定会是优胜的）

智能算法与人类智能

（1）智能算法和人类智能之间是相互规定，相互作用，相互促进的。人类智能是智能算法的基础，是理解以及阐述智能算法的基石。智能算法的产生进一步的规定了人类智能（是说阐明认了智能是什么样子的吗？？）

（2）人工智能的发展促进着人类智能的深入研究。比如在智能算法兴起之前，人么你会一直以为人类智能就是一些较为严格的逻辑思维。但是若是简单的按照墨迹思维这种思想的话，认了就没有办法解释为什么三个月大的婴儿可以认出自己的母亲，而计算机即使运算极快，无法做到。所以说人类智能不仅仅是一些简单的逻辑思维

（3）人类自身智能的研究有助于更优秀的智能算法的产生

为什么说建立在各种人工智能学习上的智能计算优化方法，是无法取代人类智能的（当然到2018年为止，这个是存在巨大的争议的，本文是对该篇论文的一些想法的笔记）

（1）智能算法解决任何问题都必须是将问题形式化（也就是可以建立一定的模型？），但是在显示世界中，绝大数问题是复杂的是不能简单的形式化的

（2）智能算法形式化的问题是可以计算的，也就是可以构造成一定的算法，但是世界那么复杂，任何问题都可以算法化吗？？？

（3）计算复杂度的问题。智能算法在计算任何问题的时候都有一定的复杂度，随着约束变量或条件的增加，也就使得复杂度呈指数级增长。当问题的规模达到一定的程度，智能算法也会无能为力。比如典型的NP问题TSP，当城市的数目为50的时候，大约可以构成10的64次方个回路，若是采用动态规划的问题则可以减少到10的27次方，但仍很大

不知道目前计算机发展的速度的话10的17次方个回路中选择最优解可行不？