進(jìn)化計算導(dǎo)論

A.E.+Eiben

在計算機科學(xué)領(lǐng)域，進(jìn)化計算（Evolutionary Computation）歸屬于人工智能，進(jìn)一步說是智能計算中涉及到組合優(yōu)化問題的一個子域。其算法是受生物進(jìn)化過程中“優(yōu)勝劣汰”的自然選擇機制和遺傳信息的傳遞規(guī)律的影響，通過程序迭代模擬這一過程，把要解決的問題看作環(huán)境，在一些可能的解組成的種群中，通過自然演化尋求最優(yōu)解。進(jìn)化算法正是借用以上生物進(jìn)化的規(guī)律，通過繁殖、競爭、再繁殖、再競爭，實現(xiàn)優(yōu)勝劣汰，一步步逼近復(fù)雜工程技術(shù)問題的最優(yōu)解。進(jìn)化算法有著極為廣泛的應(yīng)用，在模式識別、圖像處理、人工智能、經(jīng)濟管理、機械工程、電氣工程、通訊、生物學(xué)等眾多領(lǐng)域都獲得了較為成功的應(yīng)用。本書是一部進(jìn)化算法理論方面的綜述性書籍。

本書共分三大部分，17章：第一部分 基礎(chǔ)知識，包含第1-6章：1.介紹如今需要解決的幾個難題，包括建模、優(yōu)化和仿真問題、搜索問題、NP問題等；2.進(jìn)化計算的起源：包括簡要的歷史概述與生物學(xué)啟示；3.進(jìn)化算法是什么：介紹概述性的定義，及其關(guān)鍵的組成部分；4.表示、突變與重組：亦即算法的必備知識，包括二進(jìn)制、整數(shù)、排列和樹的表示方法；5.通過人口管理的實例說明進(jìn)化算法；6.包括遺傳算法、差分算法、粒子群算法等流行的進(jìn)化算法。

第二部分 方法論，包含第7-9章：7.算法參數(shù)和參數(shù)整定的方法介紹；8.參數(shù)控制：通過參數(shù)變化的具體實例，結(jié)合相關(guān)評價函數(shù)，給出了參數(shù)整定的效果說明；9.介紹了進(jìn)化算法在當(dāng)今世界應(yīng)用的實例。

第三部分 高級方法，包含第10-17章：10.與Memetic算法的結(jié)合；11.非平穩(wěn)和噪聲函數(shù)優(yōu)化：包括不同來源不確定性的影響，方法介紹及實例應(yīng)用；12.多目標(biāo)進(jìn)化算法的介紹，最后給出了在分布式協(xié)同車間時間表的優(yōu)化實例；13.約束處理算法理論；14.交互式進(jìn)化算法：包括其特點、歷史方法介紹等，最后給出了用戶偏好的自動獲取作為實例；15.共同進(jìn)化系統(tǒng)；16.理論：包括馬爾可夫連鎖分析、統(tǒng)計力學(xué)方法、還原方法、黑盒剖析等算法支持的相關(guān)理論；17.進(jìn)化機器人：包括離線和在線進(jìn)化的機器人介紹、算法引入及未來的展望。

作者A.E. Eiben在1991年取得計算機科學(xué)的博士學(xué)位，是歐洲開展進(jìn)化計算研究的先驅(qū)者之一，在相關(guān)研究的重要事件和出版物的指導(dǎo)委員會和計劃委員會中起著關(guān)鍵的作用。他的主要研究領(lǐng)域是多親重組（multiparent recombination）， 約束滿足（constraint satisfaction）和自校準(zhǔn)進(jìn)化算法（self-calibrating evolutionary algorithms），他現(xiàn)在正在研究具身智能（embodied intelligence）和進(jìn)化機器人等更廣泛的方面。

本書結(jié)構(gòu)編排十分合理，三大部分內(nèi)容循序漸進(jìn)，逐漸深入。最后一章進(jìn)行了有關(guān)進(jìn)化機器人的討論，角度新穎，令人興奮。本書適合于人工智能與計算智能領(lǐng)域本科生和研究生課程，并為從事與仿生設(shè)計和優(yōu)化的從業(yè)人員和研究人員提供自主學(xué)習(xí)的素材。

李亞寧，博士研究生

（中國科學(xué)院自動化研究所）