遗传算法在人工生命中的应用

讨论了人工生命仿真模型的建立方法,设计了一个基于遗传算法的人工生命模型及其模拟实现.计算和研究了虚拟环境中生物在进化过程中的演变规律和涌现特征,模拟和解释了一些简单的生态行为和进化规律,这种通过进化的方法进行系统复杂性模拟的思想,对于学习认知进化和群体智能具有一定的参照意义。     

食物链算法及其参数分析

根据人工生命突现集群与环境进行动态作用的特点,同时基于食物链也是生命系统中重要而又广泛存在的现象,通过定义各级人工生命的局部活动规则,提出一种具有食物链形式的人工生命算法,并称之为食物链算法.该算法是一类模拟自然生态系统进化和自然生物信息处理机理来进行优化计算的人工生命算法.阐述了基于人工生命的食物链算法的定义、思想和算法流程;并进一步讨论了食物链算法中的生命代谢能量规则,人工生命活动邻域的变化规则;对算法的关键参数进行了系统的分析研究.根据测试结果,本算法具有很强的类生命特性,比如自治、进化、自适应等,这些特性使得它非常适合于那些类生物系统优化问题的求解,如分销网络系统的选址分配问题.     

使用人工生命模型解决时变优化问题

针对传统的进化算法因群体基因型多样性的丢失,难以跟踪系统极值点状态突变的问题,提出一种使用种群比较规则解决时变优化问题的人工生命模型(TOAL:Time-varying Optimization using Artificial Life).在此模型中,由于不规定全局进化方向,通过个体之间的相互作用反映系统的进化,从而避免了多样性丢失.该方法将人工生命方法应用到时变优化问题上,使用自行提出的种群比较规则,能够在一定程序上解决时变优化问题.通过一个典型例子的模拟实验表明,TOAL算法与传统遗传算法相比,整体性能的平均适应度可从0.86提高到0.96.     

浅谈人工生命与信息理论

随着科学技术的快速发展,人工生命的研究得到了越来越多的关注.研究的目的是探讨人工生命和信息理论的关系.采用类比和统计分析的方法,分析了信息理论应用在通信系统、自然生命系统和人工生命系统中的相似和不同点.指出随着拟自然生命程度的不断提高,信息理论在人工生命与自然生命系统中适用的差距会越来越小,信息理论是研究人工生命系统的基础,人工生命扩展了信息理论的应用领域.     

用java实现鱼群游动模拟系统

利用人工生命技术的特点,根据鱼群游动的规律建立了一种基于向量的数据模型,并利用JAVA算法设计各种运算,从而完成整个鱼群游动模拟系统.此系统的实现验证了人工生命模型所强调的是对底层个体建模,并且这些个体只具有有限的感知能力和遵循简单的行为规则,它们所表现出来的的复杂行为完全是自下而上自发涌现出来的这一特性.     

基于PL系统的形态生成模型

采用人工生命的基本方法,综合考虑了自然环境中阳光和重力对树木形态的影响,结合树木自身的生长基因,提出了一个以ＰＬ系统为基础的树木生长模型．该模型通过改变模拟系统自身的替换规则,使得系统可以随环境因素的变化自动调整所迭代的分枝模型,从而实现自然环境下树木形态的计算机模拟．介绍了模拟系统及计算方法,并给出了模拟结果．     

人工生命方法在微生物学中的应用研究

利用人工生命研究微生物种群特征和规律是人工智能发展的崭新领域。本文通过对人工生命的定义、研究内容、理论基础以及研究方法的介绍,阐述了人工生命研究的重要思想,并提出了对人工微生物建模和仿真的实验方法。从理论和实验两方面论证了利用人工生命方法解决微生物学现存问题的可行性。     

战争系统基于人工生命的综合仿真方法

战争系统是典型的复杂系统,对其的研究必须以复杂性科学理论为指导,而基于人工生命的综合仿真方法为战争问题研究提供了新的思路。基于人工生命的思想,采用Agent的建模仿真方法构建了战争系统人工社会;对如某地区民意、舆论、经济以及国际政治生态等模型的总体思路和功能进行了介绍,并分析了已有的大量人工社会模型;对基于人工生命思想建模的有关问题,如涌现、问题的解以及个体适应性等进行思考和讨论,以期为该领域进一步的研究提供借鉴和帮助。     

具有繁衍和进化能力的人工生命Tierra的分析

综述T.Ray的Tierra为数字生命的代表,具有繁衍和进化能力的人工生命。介绍Tierra的发展、特点、不足、解决方案。     

人工生命

人工生命是一类具有生命特征的系统,是以自适应、自组织为主要特征的一类复杂系统.介绍了人工生命的产生背景、定义、研究内容、研究方法及研究的注意事项、理论基础、研究意义及与人工智能等相关学科的区别.     

认知进化观:认知科学研究范式的新取向

认知科学在其发展过程中经历了几次研究范式的转换，认知进化观的兴起是认知科学各学科多层次整合的表现。在心理学领域，进化心理学采用功能分析的方法分析适应性行为下的心理机制和特征。在人工智能领域，采用进化计算和遗传算法探讨人工生命的适应性行为。在神经科学领域，是对神经网络的自组织机制和神经系统的可塑性进行考察。认知进化观的缺陷是自然主义的计算与进化，忽视了人的历史文化性。认知进化观作为一种新方法论，为智能研究带来了生机。     

自主机器人人工进化方法研究

在介绍人工进化研究状况的基础上 ,着重阐述了进化机器人学的关键问题 :基本概念、进化技术、进化计算和实验研究方法等 ,探索了进化机器人学未来的研究趋势及所面临的挑战 .     

一种训练循环神经网络的演化算法

根据演化算法具有内在的并行性、自组织、自适应和自学习性等优点,进而成功地运用到神经网络中,给出了一种能同时训练循环神经网络结构和参数的演化算法.     

基于量子的免疫进化算法及收敛性

分析和探讨了量子计算的特点及免疫进化机制,并结合免疫系统的动力学模型和免疫细胞在自我进化中的亲和度成熟机理,提出了一种基于量子计算的免疫进化算法。该算法使用量子比特表达染色体,通过免疫克隆、记忆细胞产生和抗体相似性抑制等进化机制可最终找出最优解,它比传统的量子进化算法具有更好的种群多样性、更快的收敛速度和全局寻优能力。在此不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。     

遗传算法中的连锁与变异

通过分析生物对人工选择响应的实验 ,应用遗传及进化理论对遗传算法的连锁与变异中的问题进行了讨论 ,并提出了以增加初始种群有利于进化方向的连锁和采用基因流的方法提高遗传算法的效率及解决早熟收敛问题 .     

进化速率的研究与进化理论的统一

不同进化学说之间的争论大多与进化速率问题有关。在生物组织的不同层次上的进化速率研究得出了截然不同的结论,并导致相关的进化学说之间的互不相容。恒速的、匀速的、随机的分子进化(中性说)与非匀速的、适应的表型进化相矛盾;在自然选择作用下的渐进的适应进化(综合论)难以解释古生物记录所揭示的停滞与跳跃相间的、有时是爆发式的大进化现象。这些矛盾大多源于对进化速率的度量的不同,各层次的进化速率的含义也不同,各学说之间缺乏统一语言。生命史的重大进化事件发生的时间表显示出明显的非匀速特征：绝大多数重大进化事件发生在生命史的早期(40至35亿年前)和晚期(7亿年以近)。前生命的化学进化、生命起源、细胞生命的基本结构和代谢途径、以及生物进化和地球生物圈赖以建立的基础早在生命史开始后的几亿年内就已完成或确立了;复杂的高级生命和生物多样性的产生与重要的结构的进化革新发生在生命史末端的数亿年间。本文将宏进化的这种非匀速现象解释为地球生命与地球环境协进化的结果。当前进化理论的分裂是由生命科学及相关科学的发展所引起的,进化理论也必将随着各学科领域研究的深入而走向统一,走向新的综合。     

Chance and necessity: the evolution of morphological complexity and diversity

The primary foundation for contemplating the possible forms of life elsewhere in the Universe is the evolutionary trends that have marked life on Earth. For its first three billion years, life on Earth was a world of microscopic forms, rarely achieving a size greater than a millimetre or a complexity beyond two or three cell types. But in the past 600 million years, the evolution of much larger and more complex organisms has transformed the biosphere. Despite their disparate forms and physiologies, the evolution and diversification of plants, animals, fungi and other macroforms has followed similar global trends. One of the most important features underlying evolutionary increases in animal and plant size, complexity and diversity has been their modular construction from reiterated parts. Although simple filamentous and spherical forms may evolve wherever cellular life exists, the evolution of motile, modular mega-organisms might not be a universal pattern.     

Haploidy or diploidy: which is better?

Although the evolutionary advantages of sexual reproduction have been extensively discussed, much less attention has been paid to haploid and diploid phases of the sexual life cycle. The relative lengths of these phases differ greatly in various taxa, including as extremes those with one or the other phase reduced to a single cell. Here we consider the efficiency of elimination of deleterious mutations as an evolutionary force and compare the mutation loads under haploid and diploid selection, Ln and L2n. With truncation-like selection, partial dominance, and heterozygous effect of a mutation less than about 1/4 its hemizygous effect, L2n less than Ln; otherwise L2n greater than Ln. The difference becomes important when the genomic deleterious mutation rate exceeds about 1 per genome. This suggests that the mutation rate, degree of dominance and mode of selection can be important in life-cycle evolution.     

群智演化协同计算的研究进展与趋势

群体智能是通过聚集群体智慧协同求解大规模复杂问题的智能方法,其思想最初源于对自然界中社会性生物群体智能行为的模拟。群体生物通过分工合作、相互协调、协同演化,可涌现出整体性的智能行为,完成复杂任务,具有高度的自组织、自适应、自学习能力。受此启发,国内外学者运用数学和计算机工具对群体智能行为进行模拟,从不同角度发展了一系列群体智能涌现与演化的机理和模型。近年来,随着互联网的发展,人类社会基于物联网的群智协同和演化现象进一步拓宽了群智演化计算的范畴,呈现出广阔的应用前景,也对群智演化的理论模型和应用提出了新挑战。2017年,《新一代人工智能发展规划》明确将群体智能列为需重点发展的人工智能理论与技术方向之一。文章将从生物群体、智能体群体和人类社会群体等不同视角,从群智演化协作的模型和机理、群智演化协作的组织结构、群智演化协同决策及群智演化协同计算的应用等角度,总结群智演化计算的主要研究问题,对国内外的最新研究进展进行综述和对比分析,并对该方向未来的发展趋势和主要科学问题进行展望。     

自然之子苔丝的生存之辨

进化论学说是英国著名作家托马斯.哈代的宇宙观和世界观的基础,也是他文艺思想观念形成的基础。在他的创作和艺术构思中,他都自觉不自觉地遵循了进化论的思想,作品中体现了人类社会生存竞争和社会进化的趋向。而《德伯家的苔丝》就是描写威塞克斯人在社会转型期所遭受的悲惨命运,这一点在主人公苔丝坎坷不平的生活历程之中得到了充分的体现。