【正文】 科學(xué)家們普遍認(rèn)為，多莉的誕生標(biāo)志著生物技術(shù)新時(shí)代來(lái)臨。 一方面計(jì)算機(jī)病毒具有生命的特征，另一方面生命又具有算法（程序）的特征。雖然在計(jì)算機(jī)及其網(wǎng)絡(luò)外計(jì)算機(jī)病毒不可能獨(dú)立存在，但這并不等于就能把它們劃出生命物體的范疇。這主要表現(xiàn)在： ，都具有一種 寄生性 。 根據(jù)科恩于 1983年給計(jì)算機(jī)病毒下的定義： 計(jì)算機(jī)病毒 是一種程序。自然界的生物病毒有很多種，總共 1000多種，是自然界普遍存在的一種生命現(xiàn)象。 通過(guò)計(jì)算機(jī)屏幕，以及三維動(dòng)畫(huà)，虛擬現(xiàn)實(shí)的軟件方法或采用光機(jī)電一體化的硬件裝臵來(lái)演示和體現(xiàn)人工生命。 人工生命 ?通過(guò)計(jì)算機(jī)或其它機(jī)器對(duì)類似生命的行為進(jìn)行綜合研究，以便對(duì)傳統(tǒng)生物科學(xué)起互補(bǔ)作用。 ?20世紀(jì) 70年代以來(lái)， 康拉德 （ Conrad）等提出不斷完善的 “ 人工世界 ” 模型。進(jìn)化策略和進(jìn)化編程確定地把某些個(gè)體排除在被選擇（復(fù)制）之外，而標(biāo)準(zhǔn)遺傳算法一般都對(duì)每個(gè)個(gè)體指定一個(gè)非零的選擇概率。 通過(guò)遺傳隨機(jī)重組兩個(gè)現(xiàn)有的程序 , 創(chuàng)造出新的計(jì)算機(jī)程序個(gè)體 。 在進(jìn)化程序設(shè)計(jì)中 ， 幾百或幾千個(gè)計(jì)算機(jī)程序參與遺傳進(jìn)化 。 (3) 進(jìn)化策略和遺傳算法的 復(fù)制參數(shù) 不同，遺傳算法的復(fù)制參數(shù) (交叉和變異的可能性 ) 在進(jìn)化過(guò)程中保持恒定，而進(jìn)化策略時(shí)時(shí)改變它們。 ? 繼續(xù)產(chǎn)生新的試驗(yàn)數(shù)據(jù)以及選擇最小誤差矢量 。 ? MATLAB通用遺傳算法工具箱 GAOT使用群體搜索技術(shù)，將種群代表一組問(wèn)題的解，通過(guò)對(duì)當(dāng)前種群施加選擇、交叉和變異等一系列遺傳操作，從而得到新的一代種群，并逐步使種群進(jìn)化到包含近似最優(yōu)解狀態(tài) 。 11000， 11011， 11001， 10011 （ 8）重復(fù)上述操作。 基本遺傳操作 單點(diǎn)交叉 單點(diǎn)交叉也稱簡(jiǎn)單交叉， 它是先在兩個(gè)父代個(gè)體的編碼串中隨機(jī)設(shè)定一個(gè)交叉點(diǎn)，然后對(duì)這兩個(gè)父代個(gè)體交叉點(diǎn)前面或后面部分的基因進(jìn)行交換，并生成子代中的兩個(gè)新的個(gè)體。 交叉點(diǎn)位臵的選取是隨機(jī)的（單點(diǎn)交叉） 0110 1 01100 11 000 11 011 1100 0 11001 10 011 10 000 假設(shè)采用 輪盤式選擇 個(gè)體， 四個(gè)個(gè)體 依次選中次數(shù)為 1， 2，0， 1。 (6) 若沒(méi)有滿足某種停止條件 ， 則轉(zhuǎn)第 (2)步 ， 否則進(jìn)入下一步 。 ?變異操作 的簡(jiǎn)單方式是改變數(shù)碼串的某個(gè)位臵上的數(shù)碼。 哈夫曼（ Huffman）編碼 ? Huffman編碼 一般可將數(shù)據(jù)壓縮 20%至 90%， 其壓縮效率取決于被壓縮數(shù)據(jù)的 特征。 染色體 （ Chromos） ：由多個(gè)基因組成，表示一個(gè)個(gè)體。 遺傳算法直接以適應(yīng)度作為搜索信息， 無(wú)需導(dǎo)數(shù)等其它輔助信息。現(xiàn)以此作為討論主要對(duì)象，加上適應(yīng)的改進(jìn)，來(lái)分析遺傳算法的結(jié)構(gòu)和機(jī)理。 ?近年來(lái)，遺傳算法作為一種有效的工具，已廣泛地 應(yīng)用于最優(yōu)化問(wèn)題求解 之中。新生命于 2023年 4月誕生，昵稱 “Synthia”(合成體 )，這種微生物由藍(lán)色細(xì)胞組成，能夠生長(zhǎng)、繁殖，細(xì)胞分裂了逾 10億次，產(chǎn)生一代又一代的人造生命。 ?進(jìn)化計(jì)算 （ Evolutionary Computation, EC） 包括： ? 遺傳算法 (geic algorithms， GA) ? 進(jìn)化策略 (evolution strategies) ? 進(jìn)化編程 (evolutionary programming) ? 遺傳編程 (geic programming) ?人類不滿足于模仿生物進(jìn)化行為，希望能夠建立具有自然生命特征的 人造生命 和人造生命系統(tǒng)。 ?人工生命 是人工智能和計(jì)算智能的一個(gè)新的研究熱點(diǎn)。 植入的 DNA 片段包含約 850個(gè)基因，而人類 DNA圖譜上共有約 2萬(wàn)個(gè)基因。 第五章 計(jì)算智能 (2) 遺傳算法 進(jìn)化策略 進(jìn)化編程 人工生命 遺傳算法 ?遺傳算法 是模仿生物遺傳學(xué)和自然選擇機(jī)理，通過(guò)人工方式所構(gòu)造的一類優(yōu)化搜索算法，是對(duì)生物進(jìn)化過(guò)程進(jìn)行的一種數(shù)學(xué)仿真，是進(jìn)化計(jì)算的最重要的形式。 遺傳算法 ?編碼與解碼 ?適應(yīng)度函數(shù) ?遺傳操作 遺傳算法的基本機(jī)理 遺傳算法 基本思想 是從初始種群出發(fā)，采用優(yōu)勝劣汰、適者生存的自然法則選擇個(gè)體，并通過(guò)雜交、變異來(lái)產(chǎn)生新一代種群，如此逐代進(jìn)化，直到滿足目標(biāo)為止。 遺傳算法使用多個(gè)點(diǎn)的搜索信息， 具有隱含并行性。染色體是指對(duì)個(gè)體進(jìn)行編碼后所得到的編碼串。 （ 1） 把信源符號(hào) xi(i=1,2,… ,N)按出現(xiàn)概率的值由小到大的順序排列 ； Huffman編碼步驟 （ 2） 對(duì)兩個(gè)概率最小的符號(hào) 分別分配以 “0”和“1”， 然后把這兩個(gè)概率相加作為一個(gè)新的輔助符號(hào)的概率； （ 3） 將這個(gè)新的輔助符號(hào)與其他符號(hào)一起重新按概率大小順序排列； （ 4） 跳到第 2步 ， 直到出現(xiàn)概率相加為 1為止 ； Huffman編碼步驟 （ 5）用線將符號(hào)連接起來(lái)，從而得到一個(gè)碼樹(shù)，樹(shù)的 N個(gè)端點(diǎn)對(duì)應(yīng) N個(gè)信源符號(hào) ； （ 6）從最后一個(gè)概率為 1的節(jié)點(diǎn)開(kāi)始，沿著到達(dá)信源的每個(gè)符號(hào)，將一路遇到的二進(jìn)制碼 “0”或 “1”順序排列起來(lái)，就是 端點(diǎn)所對(duì)應(yīng)的信源符號(hào)的碼字 。二進(jìn)制編碼表示的簡(jiǎn)單變異操作是將 0與 1互換： 0變異為 1， 1變異為 0。 (7) 輸出 群體中適應(yīng)度值最優(yōu)的染色體 作為問(wèn)題的 滿意解或最優(yōu)解 。 染色體 11001在種群中出現(xiàn)了 2次， 而原染色體 01000則因適應(yīng)值太小而被淘汰 。假設(shè)兩個(gè)父代的個(gè)體串分別是： X=x1 x2 … x k xk+1 … x n Y=y1 y2 … y k yk+1 … y n 隨機(jī)選擇第 k位為交叉點(diǎn)，若采用對(duì)交叉點(diǎn)后面的基因進(jìn)行交換的方法，交叉后生成的兩個(gè)新的個(gè)體是： X’= x1 x2 … x k yk+1 … y n Y’= y1 y2 … y k xk+1 … xn 例 設(shè)有兩個(gè)父代的個(gè)體串 A=0 0 1 1 0 1 和 B=1 1 0 0 1 0 ，若隨機(jī)交叉點(diǎn)為 4，則交叉后生成的兩個(gè)新的個(gè)體是： A’= 0 0 1 1 1 0 B’= 1 1 0 0 0 1 （ 4） 選擇 ：選擇概率 個(gè)體： 01101， 11000， 01000， 10011 適應(yīng)度： 169 576 64 361 選擇概率： 選擇結(jié)果： 01101， 11000， 11000， 10011 ffP ii ?? /1170?? f（ 5） 交叉操作 ：發(fā)生交叉的概率較大， 變異概率很小。 說(shuō)明： GA的終止條件一般人為設(shè)臵； GA只能求次優(yōu)解或滿意解。 第五章 計(jì)算智能 (2) 遺傳算法 進(jìn)化策略 進(jìn)化編程 人工生命 進(jìn)化策略 ?進(jìn)化策略 (Evolution Strategies， ES)是一類模仿自然進(jìn)化原理以 求解參數(shù)優(yōu)化問(wèn)題的算法。該過(guò)程將繼續(xù)到找到符合條件的答案或者所有的計(jì)算已經(jīng)全部完成為止。 隨著技術(shù)的發(fā)展，進(jìn)化策略和遺傳算法以上的差別越來(lái)越不明顯。 進(jìn)化編程 ?進(jìn)化編程由一隨機(jī)產(chǎn)生的計(jì)算機(jī)程序群體開(kāi)始 ，群體中每個(gè)計(jì)算機(jī)程序個(gè)體是用 適應(yīng)度 來(lái)評(píng)價(jià)的 ，該適應(yīng)值