进化计算 进化计算是遗传算法、进化策略、进化规划的统称。进化计算起源于20世纪50年代末,成熟于20世纪80年代,目前主要被应用于工程控制、机器学习、函数优化等领域。 简介 在计算机科学中,进化计算是一系列受生物进化启发的全局优化算法,以及研究这些算法的人工智能和软计算的子领域。在技术方面,这是一系列基于群体演变...
1. 概述 进化计算是计算智能、机器学习和人工智能的一个子领域。它广泛用于优化问题、机器人设计、创建决策树、调整数据分析算法、训练神经网络和调整超参数。进化计算不是使用经典的数值方法，而是利用生物进化的灵感来开发好的解决方案。当没有已知的适应度函数导数时，或者当适应度函数具有许多局部极值时，它们尤其有...
进化计算概述 一、进化计算的生物学基础 进化计算是模拟生物进化理论而形成的一种全局优化自适应概率搜索算法理论，因此系统具有深厚的生物学理论基础，下面将对有关的生物进化理论和遗传学的基本知识进行简单介绍。生命是自然界生物进化的产物，现代生物是在长期进化过程中发展起来的。生命的基本特征包括出生、生长、繁殖...
进化计算是计算智能、机器学习和人工智能的一个子领域。它广泛用于优化问题、机器人设计、创建决策树、调整数据分析算法、训练神经网络和调整超参数。进化计算不是使用经典的数值方法,而是利用生物进化的灵感来开发好的解决方案。当没有已知的适应度函数导数时,或者当适应度函数具有许多局部极值时,它们尤其有用,这些极值...
传统的进化计算有四种类别,他们分别是遗传算法、遗传编程、进化策略与进化规划[1]。在这一部分,我们将着重讨论遗传算法。 遗传算法是从代表问题可能潜在的解集的一个种群开始的,而一个种群则由经过基因编码(一般来说包含实数编码与二进制编码)的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。染色体作为遗...
遗传算法是进化计算的一个分支,是一种模拟自然界生物进化过程的随机搜索算法。遗传算法首先对问题进行描述,将潜在解进行编码,然后用随机数初始化一个种群,种群中的每个个体对应一个编码。最后通过适应度函数来度量个体的适应性,制定一种选择规则(选择函数f(x)),淘汰部分适应度较低的个体,并让优良的个体基因交叉复制...
计算框架 选择主要单倍群:针对每个国家,根据已知的遗传学研究选择几个主要的父系(Y-DNA)和母系(mtDNA)单倍群,考虑其在该国人口中的大致频率。 确定分化时间:查找或估计每个选定单倍群的平均分化时间(通常以万年为单位)。 计算得分: 对每个单倍群,用其分化时间乘以其在该国人群中的频率百分比。 将所有单倍群的得分相加...
进化计算中基于分类的预处理代理模型 问题提出 代理模型的构造较复杂,作者希望构造一个更为简单的廉价(cheap)的代理模型来评估子集的质量。 因此作者提出了一个叫做CPS(classification based preselection)算法。 预选择(preselection) 在进化算法中,预选择是一种分类问题。准确地说,是将子代解作为外部数据集进行二分类,...
与传统的数学优化(多目标转化为单目标)相比引入NSGA算法解决多目标优化问题的原因见进化计算(三)——多目标优化基本概念。 遗传算法是基于种群进行的,所以人们在解决多目标优化问题时很自然的提出可以用遗传算法同时获得一组解,例如Schaffer提出的VEGA(vector evaluated GA)算法。但该算法求解时种群容易很快地收敛在某一...
《Evolutionary Computation》(《进化计算》)是一本由MIT Press Journals出版的工程技术-计算机:理论方法学术刊物,主要刊载工程技术-计算机:理论方法相关领域研究成果与实践,旨在打造一种学术水平高、可读性强、具有全球影响力的学术期刊。本刊已入选SCIE来源期刊。该刊创刊于1993年,出版周期Quarterly。2023年发布的影响因子...