演化计算 - 版本历史

Swarma：/* 集智推荐 */

2021-02-19T10:02:06Z

集智推荐

Swarma：/* 课程推荐 */

2021-02-19T09:58:59Z

课程推荐

思无涯咿呀咿呀：/* 相关会议 */

2021-02-17T09:31:23Z

思无涯咿呀咿呀：/* 著名的参与者 */

2021-02-17T09:30:50Z

著名的参与者

思无涯咿呀咿呀：/* 著名的参与者 */

2021-02-17T09:28:35Z

著名的参与者

思无涯咿呀咿呀：/* 著名的参与者 */

2021-02-17T09:27:47Z

著名的参与者

思无涯咿呀咿呀：/* 演化算法和生物学 */

2021-02-17T09:26:49Z

演化算法和生物学

思无涯咿呀咿呀：/* 演化算法 */

2021-02-17T09:25:26Z

演化算法

思无涯咿呀咿呀：/* 历史 */

2021-02-17T09:24:23Z

历史

思无涯咿呀咿呀：/* 历史 */

2021-02-17T09:17:22Z

历史

@@ 第194行： / 第194行： @@
 ===课程推荐===
 ====[https://campus.swarma.org/course/1004 演化与适应：从存在到演化]====
 课程简介：本课程中主要由北京师范大学李红刚教授为大家讲授[https://campus.swarma.org/course/1004 系统科学与社会经济]，本节是其中的一小节，主要将介绍关于系统的动力学与复杂系统的演化。

@@ 第194行： / 第194行： @@
 ===课程推荐===
-====[https://campus.swarma.org/mobile/course/609?share_id=yde8i6xehurq9rtyhttps://campus.swarma.org/mobile/course/609?share_id=yde8i6xehurq9rty 颠覆式创新与AI发展前沿追踪]====
+====[https://campus.swarma.org/course/1004 演化与适应：从存在到演化]====
-课程简介：本课程主要介绍了当前人工智能在社会领域的应用及优化，包括人工智能在智能零售、机器人、图片超分辨率、机器翻译，以及复杂网络领域的应用。除此之外还介绍了在新时代中，中国创新的的崛起。
+课程简介：本课程中主要由北京师范大学李红刚教授为大家讲授[https://campus.swarma.org/course/1004 系统科学与社会经济]，本节是其中的一小节，主要将介绍关于系统的动力学与复杂系统的演化。

@@ 第121行： / 第121行： @@
 演化计算领域的主要会议包括
-* [[Association for Computing Machinery|ACM]] [[Genetic and Evolutionary Computation Conference]] (GECCO) 计算机协会  遗传与进化计算会议
+*  Association for Computing Machinery|ACM]]  Genetic and Evolutionary Computation Conference (GECCO) 计算机协会  遗传与进化计算会议
-* [[IEEE Congress on Evolutionary Computation]] (CEC) IEEE演化计算大会
+*  IEEE Congress on Evolutionary Computation]] (CEC) IEEE演化计算大会
-* [[EvoStar]], which comprises four conferences: EuroGP, EvoApplications, EvoCOP and EvoMUSART EvoStar，包括四个会议：EuroGP、EvoApplications、EvoCOP和EvoMUSART，
+*  EvoStar, which comprises four conferences: EuroGP, EvoApplications, EvoCOP and EvoMUSART EvoStar，包括四个会议：EuroGP、EvoApplications、EvoCOP和EvoMUSART，
 * Parallel Problem Solving from Nature (PPSN)  自然并行问题解决
 == 更多 ==

@@ 第95行： / 第95行： @@
 活跃的研究人员名单自然是动态的，并非详尽无遗，关于这个社区的学术社交网络分析于2007年发表。<ref>{{cite arXiv |author=J.J. Merelo and C. Cotta |title=Who is the best connected EC researcher? Centrality analysis of the complex network of authors in evolutionary computation |year=2007 |eprint=0708.2021|class=cs.CY }}</ref>
-* [[Kalyanmoy Deb]]
+*  Kalyanmoy Deb
-* [[Kenneth A De Jong]]
+*  Kenneth A De Jong
-* [[Peter J. Fleming]]
+*  Peter J. Fleming
-* [[David B. Fogel]]
+*  David B. Fogel
-* [[Stephanie Forrest]]
+*  Stephanie Forrest
-* [[David E. Goldberg]]
+*  David E. Goldberg
-* [[约翰·霍兰德 John H Holland]]
+*  [[约翰·霍兰德 John H Holland]]
-* [[Theo Jansen]]
+*  Theo Jansen
-* [[John Koza]]
+*  John Koza
-* [[Zbigniew Michalewicz]]
+*  Zbigniew Michalewicz
-* [[Melanie Mitchell]]
+*  [[梅拉妮·米歇尔 Melanie Mitchell]]
-* [[Peter Nordin]]
+*  Peter Nordin
-* [[Riccardo Poli]]
+*  Riccardo Poli
-* [[Ingo Rechenberg]]
+*  Ingo Rechenberg
-* [[Hans-Paul Schwefel]]
+*  Hans-Paul Schwefel
 == 相关会议 ==

@@ 第103行： / 第103行： @@
 * [[Stephanie Forrest]]
 * [[David E. Goldberg]]
-* [[John Henry Holland]]
+* [[约翰·霍兰德 John H Holland]]
 * [[Theo Jansen]]
 * [[John Koza]]

@@ 第72行： / 第72行： @@
-遗传算法提供了与[[动力系统理论]]相关的生物系统和[[系统生物学]]模型的方法，因为它们可以被用来预测系统的未来状态。这是一种生动的(但也许是误导性的)方式，提醒人们注意生物学发展的有序、控制良好和高度结构化的特征。
+遗传算法提供了与[[动力系统理论]]相关的生物系统和[[系统生物学]]模型的方法，因为它们可以被用来预测系统的未来状态。这是一种生动的（但也许是误导性的）方式，提醒人们注意生物学发展的有序、控制良好和高度结构化的特征。
@@ 第85行： / 第85行： @@
 此外，根据计算理论的概念，生物有机体中的微进程从根本上来说是不完整的和不可判定的 ，这意味着细胞和计算机之间的类比不只仅仅只是一个粗略的比喻。<ref>{{cite journal |author= A. Danchin |title= Bacteria as computers making computers |journal=[[FEMS Microbiol. Rev.]] |volume=33 |issue=1 |pages=3–26 |year=2008 |doi=10.1111/j.1574-6976.2008.00137.x |pmid= 19016882 |ref=harv |pmc=2704931 }}</ref>
-计算的类比也延伸到遗传系统和生物结构之间的关系，这通常被认为是揭示解释[[生命起源]]最紧迫的问题之一。
+计算的类比也延伸到遗传系统和生物结构之间的关系，这通常被认为是解释[[生命起源]]最紧迫的问题之一。
-演化[[元胞自动机|自动机]]是演化图灵机<font color="#ff8000"> 图灵机Turing machines</font>的一种推广。人们引入了这一概念来更精确地研究生物和演化计算的性质。特别是，他们在演化计算的表现力上获得新的成果。这证实了关于自然演化和演化算法及过程不可判定性的初步结果。演化有限自动机是演化自动机中最简单的子类，在终端模式下可以接受给定字母表上的任意语言，包括非递归的可枚举语言(例如，对角化语言)和递归的可枚举但不递归语言(例如，通用图灵机语言)。
+演化[[元胞自动机|自动机]]是演化<font color="#ff8000"> 图灵机 Turing machines</font>的一种推广。人们引入了这一概念来更精确地研究生物和演化计算的性质。特别是，他们在演化计算的表现力上获得新的成果。这证实了关于自然演化和演化算法及过程不可判定性的初步结果。演化有限自动机是演化自动机中最简单的子类，在终端模式下可以接受给定字母表上的任意语言，包括非递归的可枚举语言(例如，对角化语言)和递归的可枚举但不递归语言(例如，通用图灵机语言)。
 == 著名的参与者 ==

@@ 第57行： / 第57行： @@
 *集体智能 Swarm intelligence
-== 演化算法 ==
+== [[演化算法]] ==
@@ 第64行： / 第63行： @@
 在计算智能 computational intelligence 领域，演化算法（EA）（或称进化算法）是演化计算的子集 ，是一种基于群体的元启发式最优化算法。演化算法使用到了各种模拟生物演化机制的操作，比如繁衍、变异、重组、选择等。在群体中每一个个体都是问题的备选解，而<font color="#ff8000">损失函数 cost function（</font>决定了这些个体的生存环境（亦即用于计算个体对于环境的适应度）。演化就是在不断在群体中进行繁衍、变异、重组、选择这些操作进而找出最优解的过程。
 在这个过程中，有两种主要的力量构成了演化系统的基础: 重组（Recombination）、突变（mutation）和交换（crossover）创造了必要的多样性，从而促进了新颖性，而选择带来的优胜劣汰则是一种提高质量的力量。
 这种演化过程的许多方面都是随机的。由于重组和突变而改变的信息片段是随机选择的。另一方面，选择操作可以是确定性的，也可以是随机的。在后一种情况下，适合度较高的个体比适合度较低的个体有更高的机会被选中，但通常即使是适应度较差的个体也有机会成为父本或生存下来。
 == 演化算法和生物学 ==

@@ 第17行： / 第17行： @@
-使用演化原理来进行<font color="#ff8000">自动化问题求解 automated problem solving</font>起源于20世纪50年代。直到20世纪60年代，才在三个不同的地方形成了对这一观点的三种不同的解释。
+使用演化原理来进行<font color="#ff8000">自动化问题求解 automated problem solving</font>起源于20世纪50年代，但一直到20世纪60年代，才在三个不同的地方形成了对这一观点的三种不同的解释。
-<font color="#ff8000">演化程序设计 ''Evolutionary programming''</font>是由美国的 Lawrence J. Foge提出的，而[[约翰·霍兰德 John H Holland]]称他的方法为[[遗传算法]]。在德国，Ingo Rechenberg 和 Hans-Paul Schwefel 引入了<font color="#ff8000">演化策略 evolution strategies</font>。这些领域分别独立地发展了大约15年。从九十年代早期开始，它们被统一为一种被称为演化计算的技术的不同表示(类似“方言”)。也是在九十年代初期，出现了继一般思想之后的第四种思潮——<font color="#ff8000">遗传程序设计 genetic programming</font>。自20世纪90年代以来，以自然为灵感的算法正在成为演化计算日益重要的一部分。
+<font color="#ff8000">演化程序设计 ''Evolutionary programming''</font>是由美国的 Lawrence J. Foge提出的，而[[约翰·霍兰德 John H Holland]]也提出一种叫做[[遗传算法]]的方法，与此同时在德国，Ingo Rechenberg 和 Hans-Paul Schwefel 引入了<font color="#ff8000">演化策略 evolution strategies</font>。
-这些术语表示演化计算领域，并将演化程序设计、演化策略、遗传算法和遗传程序设计作为子领域。
+这些领域分别独立地发展了大约15年，一直到90年代早期开始，它们被统一用一种被称为演化计算的技术来进行表示(类似“方言”)。也是在90年代初期，出现了继一般思想之后的第四种思潮——<font color="#ff8000">遗传编程 genetic programming</font>。自20世纪90年代以来，以自然为灵感的算法正在成为演化计算日益重要的一部分。
-利用演化算法和人工生命模拟进化始于20世纪60年代 Nils Aall Barricelli的工作，后来被Alex Fraser扩展，他发表了一系列关于人工选择模拟的论文<ref>{{cite journal |author=Fraser AS |title=Monte Carlo analyses of genetic models |journal=Nature |volume=181 |issue=4603 |pages=208–9 |year=1958 |pmid=13504138 |doi=10.1038/181208a0 |ref=harv|bibcode=1958Natur.181..208F }}</ref> 。20世纪60年代和70年代早期，Ingo Rechenberg 使用演化策略解决复杂的工程问题，人工演化因此成为被广泛认可的优化方法。尤其是遗传算法，因为[[约翰·霍兰德_John_H_Holland|约翰·霍兰德]]的著作而变得流行起来<ref>{{cite book |last=Holland |first=John H. |year=1975 |title=Adaptation in Natural and Artificial Systems |publisher=[[University of Michigan Press]] |isbn=978-0-262-58111-0 |url-access=registration |url=https://archive.org/details/adaptationinnatu00holl }}</ref>。学术界兴趣增长的同时，计算机能力的急剧增长使得这种算法可以被实际应用起来，其中包括计算机程序的自动演化。<ref>{{cite book |last=Koza|first=John R. |year=1992 |title=Genetic Programming: On the Programming of Computers by Means of Natural Selection|publisher=[[MIT Press]] |isbn=978-0-262-11170-6}}</ref> 演化算法现在被用来解决多维度问题，且比人类设计者生产的软件更有效，同时还可以优化系统的设计。 <ref>G. C. Onwubolu and  B V Babu, {{cite book|url=https://www.springer.com/in/book/9783540201670|title=New Optimization Techniques in Engineering|accessdate=17 September 2016|isbn=9783540201670|last1=Onwubolu|first1=Godfrey C.|last2=Babu|first2=B. V.|date=2004-01-21}}</ref><ref>{{cite journal |author=Jamshidi M |title=Tools for intelligent control: fuzzy controllers, neural networks and genetic algorithms |journal=[[Philosophical Transactions of the Royal Society A]] |volume=361 |issue=1809 |pages=1781–808 |year=2003 |pmid=12952685 |doi=10.1098/rsta.2003.1225 |ref=harv|bibcode=2003RSPTA.361.1781J }}</ref>
+这些术语表示演化计算领域，并将演化程序设计、演化策略、[[遗传算法]]]和遗传编程作为子领域。
 == 技术 ==