7、进化计算：从概念到应用

进化计算：从概念到应用

1. 引言

进化计算是一个多学科研究领域，它基于人工进化范式，采用试错过程来寻求目标。这一领域属于计算机科学，旨在为人工智能领域的诸多挑战提供解决方案，如学习、规划、创造力、机器人运动和感知等。

早在1948年，艾伦·图灵就指出，机器智能与计算机自动解决问题的目标紧密相关，他认为通过自然选择和进化的过程可以实现机器智能。图灵将问题分为“子程序”和“教育过程”两部分，并且指出这两者紧密相连。他还识别出了进化算法的三个主要方面：计算机内编码的结构或遗传物质、通过突变实现的渐进变化，以及由自然选择原则引导的整体过程。尽管图灵没有设想出实体种群，也未识别出性重组的类似概念，但他正确地指出了自然选择概念的目标导向意义，这与适应度的概念相关。

20世纪60年代和70年代，欧洲和美国的几位计算机科学家独立开发了进化系统的概念，将其作为工程问题的优化工具。这些工作发展成了进化计算的四大主要流派：
- 进化策略（ES） ：1964年，英戈·雷兴贝格在进行空气动力学研究时引入了这一概念。它通过对一组实值参数应用随机突变和选择，以发现放置在风洞中的物体的最佳形状。如今，这是一个活跃的数值优化方法研究领域，可解决科学和工程问题，还应用于基于视频的测量系统校准和多尺度特征识别。
- 进化规划（EP） ：1962年，劳伦斯·福格尔开发了这一技术。它由一组有限状态机组成，通过随机突变其状态转移图来进化。最初的问题是使用明确定义的函数作为性能度量，最大化算法的预测行为，以找到一个能在接收符号序列作为输入后产生最佳输出符号的有限状态机。不过，该技术尚未应用于计算机视觉问题。
-