【正文】 維爾穆特（ Wilmut）領(lǐng)導的一個科研小組，利用克隆技術(shù)培育出一只小母羊。 由此可見，計算機病毒具有幾乎全部生物學的特征。截止目前，估計世界上已有的計算機病毒達 6000余種，并越來越嚴重地威脅著計算機系統(tǒng)的安全，使得計算機用戶談毒色變、惶恐不安。 人工生命 ? 在 生物體及其群體的外部系統(tǒng) ， 包括環(huán)境適應(yīng)系統(tǒng)和遺傳進化系統(tǒng)等 。 ?人工生命 是生命科學、信息科學和系統(tǒng)科學等 學科交叉研究的產(chǎn)物 ，其研究成果必將促進人工智能的發(fā)展。 進化編程 ? 迭代完成下述子步驟 ， 直至滿足選中標準為止： ? 執(zhí)行群體中的每個程序 ， 根據(jù)它解決問題的能力 ， 給它指定一個 適應(yīng)值 。 ? 進化策略 是一種數(shù)值優(yōu)化的方法，它采用一個具有自適應(yīng)步長和傾角的特定爬山方法。 在經(jīng)過編碼以后， 遺傳算法 幾乎不需要任何與問題有關(guān)的知識， 唯一需要的信息是適應(yīng)值的計算 。 ??? njijfifp1)()(. . . . . . p1 p2 pi r 從統(tǒng)計角度看， 個體的適應(yīng)度值越大 ，其對應(yīng)的扇區(qū)的面積越大，被選中的可能性也越大。 遺傳算法 (2) 計算群體上每個個體的適應(yīng)度值 。其函數(shù)值是遺傳算法實現(xiàn)優(yōu)勝劣汰的主要依據(jù)。 初代種群產(chǎn)生之后， 按照適者生存和優(yōu)勝劣汰的原理，逐代（ generation）演化產(chǎn)生出越來越好的近似解 ，在每一代，根據(jù)問題域中個體的適應(yīng)度（ fitness）大小挑選（ selection）個體，并借助于自然遺傳學的遺傳算子（ geic operators）進行組合交叉（ crossover）和變異（ mutation），產(chǎn)生出代表新的解集的種群。 進化計算是一種模擬自然界生物進化過程與機制進行問題求解的 自組織、自適應(yīng) 的隨機搜索技術(shù)。人 工 智 能 原 理 Artificial Intelligence Principle 信息工程學院 張永梅 第 5章 計算智能 (2) 進化計算 人工生命 第五章 計算智能 (2) 遺傳算法 進化策略 進化編程 人工生命 第五章 計算智能 (2) 作業(yè)： 52， 57， 59 答疑時間及地點 ?答疑時間 ：每周四 6節(jié) ?答疑地點 ：三教 2604 ?電子郵件 ： ?聯(lián)系方式 ： 13810842037 第四章 計算智能 (1) 概述 神經(jīng)計算 模糊計算 ? 計算智能 涉及 神經(jīng)網(wǎng)絡(luò)、模糊邏輯 、 進化計算和人工生命 等領(lǐng)域，它的研究和發(fā)展反映了當代科學技術(shù)多學科交叉與集成的重要發(fā)展趨勢。它將生物進化過程中的 繁殖 （ Reproduction） 變異 （ Mutation） 競爭 （ Competition） 選擇 （ Selection） 引入到了算法中。 這個過程將導致種群像自然進化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個體經(jīng)過解碼（ decoding），可以作為 問題近似最優(yōu)解 。 遺傳算法的基本機理 遺傳算法 遺傳算法的基本概念 ?適應(yīng)度 (fitness) 借鑒生物個體對環(huán)境的適應(yīng)程度 ， 而對問題中的個體對象所設(shè)計的表征其優(yōu)劣的一種測度 ?適應(yīng)度函數(shù) (fitness function) ? 問題中的全體個體與其適應(yīng)度之間的一個對應(yīng)關(guān)系 ? 一般是一個實值函數(shù) ? 該函數(shù)就是遺傳算法中指導搜索的評價函數(shù) 遺傳算法的基本機理 遺傳算法 遺傳算法的基本概念 ?染色體 (chromosome) ?染色體是由若干基因組成的位串 （ 生物學 ） ?個體對象由若干字符串組成來表示 （ 遺傳算法 ） 個體 染色體 9 1001 （ 2， 5， 6） 010 101 110 ?遺傳算法 (geic algorithm) ? 染色體就是問題中個體的某種字符串形式的編碼表示 ? 染色體以字符串來表示 ? 基因是字符串中的一個個字符 遺傳算法的基本機理 遺傳算法 遺傳算法的基本概念 ?編碼與解碼 ? 將問題結(jié)構(gòu)變換為位串形式編碼表示的過程叫 編碼 ； ? 將位串形式編碼表示變換為原問題結(jié)構(gòu)的過程叫解碼或譯碼 。 (3) 按由個體適應(yīng)度值所決定的某個規(guī)則選擇將進入下一代的個體 。 這種方法有點類似于發(fā)放獎品使用的輪盤，并帶有某種賭博的意思，因此亦被稱為賭輪選擇 。也不需要使用者對問題有很深入的了解和求解技巧，通過選擇、交叉和變異等簡單的操作求解復雜的問題， 是一個比較通用的優(yōu)化算法。 ? 遺傳算法 從廣義上說是一種自適應(yīng)搜索技術(shù)。 ? 應(yīng)用變異等操作創(chuàng)造新程序群體 。 人工生命研究的起源和發(fā)展 ?人類長期以來一直力圖用科學技術(shù)方法模擬自然界，包括人腦本身。 人工生命的科學框架 ?生命現(xiàn)象仿生系統(tǒng) ?生命現(xiàn)象的建模與仿真 ?進化動力學 ?人工生命的計算理論和工具 ?進化機器人 ?進化和學習等的結(jié)合 ?人工生命的應(yīng)用 人工生命 人工生命的研究方法 （ 1） 信息模型法 根據(jù)內(nèi)部和外部系統(tǒng)所表現(xiàn)的生命行為來建造信息模型 。于是人們一致地對計算機病毒采取了消滅與預防的策略和方針。無怪有人說：惱人的計算機病毒幾乎涉及到了所有衡量生命的尺度。 克隆羊多莉 這是世界上第一只用已經(jīng)分化的成熟的體細胞 (乳腺細胞 )克隆出的羊。 人工魚 1997年 2月 27日的英國《自然》雜志報道了一項震驚世界的研究成果： 1996年 7月 5日，英國愛丁堡羅斯林研究所（ Roslin）的伊恩 4. 計算機病毒具有的 潛伏性、隱蔽性、可觸發(fā)性 等也是生物病毒的基本特性。 1987年和 1988年，計算機病毒肆虐歐美， 1989年計算機病毒悄然登陸中華大地。 人工生命 ?開發(fā) 基于人工生命的工程技術(shù)新方法、新系統(tǒng)、新產(chǎn)品 ?為自然生命的研究 提供 新模型、新工具、新環(huán)境 ?延伸 人類壽命、減緩衰老、防治疾病 ?擴展 自然生命，人工進化、優(yōu)生優(yōu)育 ?促進 生命、信息、系統(tǒng)科學的交叉與發(fā)展 人工生命的研究內(nèi)容和方法 人工生命的研究內(nèi)容 人工生命的研究內(nèi)容大致可分為兩類： ? 構(gòu)成生物體的內(nèi)部系統(tǒng) ， 包括腦 、 神經(jīng)系統(tǒng) 、 內(nèi)分泌系統(tǒng) 、 免疫系統(tǒng) 、 遺傳系統(tǒng) 、 酶系統(tǒng) 、 代謝系統(tǒng)等 。 ?人工生命 （ Artificial Life， AL）試圖通過人工方法建造具有自然生命特征的人造系統(tǒng)。 它由關(guān)于問題 (計算機程序 )的函數(shù)隨機組合而成 。 進化策略 ?兩者也存在著區(qū)別，其中最基本的區(qū)別是它們的 研究領(lǐng)域不同 。 若隨機地將個體 01101選入新群體中， 有可能找到最優(yōu)解。選擇時轉(zhuǎn)動輪盤，參考點 r落到扇形 i ，則選擇個體 i 。 遺傳算法 ?對種群中的染色體反復做三種遺傳操作 ?使其朝著 適應(yīng)度增高的方向不斷更新?lián)Q代 ，直至出現(xiàn)了適應(yīng)度滿足目標條件的染色體為止 遺傳算法參數(shù) ?種群規(guī)模 種群的大小，用染色體個數(shù)表示 ?最大換代數(shù) 種群更新?lián)Q代的上限，也是算法終止一個條件 ?交叉率 Pc ?參加交叉運算的染色體個數(shù)占全體染色體總數(shù)的比例 ?取值范圍： ?變異率 Pm ?發(fā)生變異的基因位數(shù)占全體染色體的基因總位數(shù)的比例 ?取值范圍： ?染色體編碼 長度 L