2、进化计算与分类算法自动化设计

进化计算与分类算法自动化设计

1. 进化计算概述

进化计算是计算机科学的一个领域，它借鉴自然进化的概念和原理，特别是达尔文的自然选择原则，来设计计算方法。遵循自然选择原则的算法通常被称为进化算法（EAs）。

EAs是通用且灵活的计算方法，可用于多种不同的应用和目的。这里关注的是使用EA为特定计算问题找到最佳解决方案，即自动设计和实现新的规则归纳算法。与EA的其他应用（如模拟复杂生物过程或创建人工生命）不同，此特定目标问题有明确的性能衡量标准，尤其希望自动设计的规则归纳算法在应用于现实世界的分类数据集时具有尽可能高的预测准确性。

从“工程视角”设计EA很重要，即EA应成为解决目标问题的有效方法。这意味着除了借鉴自然选择的抽象概念和灵感外，EA的设计还应结合关于待解决目标问题类型的知识。以飞机设计为例，观察鸟类飞行对飞机设计有启发，人类设计的飞机有受鸟翼启发的人造机翼，但飞机飞行依靠的是数学和物理空气动力学概念和原理，而非像鸟类那样拍打翅膀。

2. 遗传编程（GP）

这里使用的特定类型的EA是遗传编程（GP），其本质是进化计算机程序。EA是广泛的计算问题解决方法，文献中有多种类型的进化算法，当然也有许多其他（非进化）类型的计算问题解决方法。这就引出了一个问题：为什么使用GP而不是其他进化或非进化方法来自动化设计新的规则归纳算法。

GP可被视为自动程序进化的典范方法，因为它是专门为自动创建程序而发明的。与其他类型的进化算法相比，GP专注于创建计算机程序，主要区别如下：
- 表达能力更强 ：GP处理的候选解决方案具有比其他类型进化算法处理的解决方案更强的表达能力。GP不仅可以处