Ｍａｙ，２００７第２０卷第３期重庆教育学院学报Ｖｏｌ．２０Ｎｏ．３２００７年５月ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＣｏｌｌｅｇｅｏｆＥｄｕｃａｔｉｏｎ收稿日期：２００６－１１－１８作者简介：吴立春（１９８０－），女，重庆奉节人，重庆教育学院物业管理系，助教，主要从事计算机方面教学和科研工作。

１引言演化计算采用简单的编码技术来表示各种复杂的结构，并通过对一组编码表示进行简单的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向。

由于它采用种群（即一组表示）的方式组织搜索，这使得它可以同时搜索解空间内的多个区域。

而且用种群组织搜索的方式使得演化算法持别适合大规模并行。

在赋予演化计算自组织、自适应、自学习等特征的同时，优胜劣汰的自然选择和简单的遗传操作使演化计算具有不受其搜索空间限制性条件（如可微、连续、单峰等）的约束及不需要其它辅助信息（如导数）的特点。

这些崭新的特点使得演化算法不仅能获得较高的效率而且具有简单、易于操作和通用的特性，而这些特性正是演化计算越来越受到人们青睐的主要原因之一。

２演化计算的分支演化计算最初具有三大分支：遗传算法（ＧｅｎｅｔｉｃＡ１ｇｏｒｉｔｈｍｓ，简称ＧＡ）、演化规划（ｅｖｏｌｕｔｉｏｎａｒｙｐｒｏｇｒａｍｍｉｎｇ，简称ＥＰ）和演化策略（ｅｖｏｌｕｔｉｏｎｓｔｒａｔｅｇｙ，简称ＥＳ）。

２０世纪９０年代初，在遗传算法的基础上又发展了一个分支：遗传程序设计（ｇｅｎｅｔｉｃＰｒｏｇｒａｍｍｉｎｇ，简称ＧＰ）。

虽然这几个分支在算法实现方面具有一些细微的差别，但它们具有一个共同的特点，即都是借助生物演化的思想和原理来解决实际问题。

２．１遗传算法把计算机科学与进化论结合起来的尝试开始于２０世纪５０年代末，但由于缺乏一种通用的编码方案，使得人们只能依赖变异而不是交配来产生新的基因结构，故而收效甚微。

到２０世纪６０年代中期，美国Ｍｉｃｈｉｇａｎ大学的ＪｏｈｎＨｏｌ－ｌａｎｄ在Ａ．Ｓ．Ｆｒａｓｅｒ和Ｈ．Ｊ．Ｂｒｅｍｅｒｍａｎｎ等人工作的基础上提出了位串编码技术，这种编码既适合于变异又适合交配操作，并且他强调将交配作为主要的遗传操作。

随后，Ｊ．Ｈｏｌｌａｎｄ将该算法用于自然和人工系统的自适应行为的研究之中，并于１９７５年出版其开创性的著作《ＡｄａｐｔａｔｉｏｎｉｎＮａｔｕｒａｌａｎｄＡｒｔｉｆｉｃｉａｌＳｙｓｔｅｍｓ》。

后来Ｊ．Ｈｏｌｌａｎｄ与他的学生们将该算法加以推广并应用到优化及机器学习等问题之中，而且正式定名为遗传算法。

遗传算法的通用编码技术及简单有效的遗传操作为其广泛的应用和成功奠定了基础。

２．２演化策略在２０世纪６０年代初，当时在柏林工业大学的Ｉ．Ｒｅｃｈｅｎｂｅｒｇ和Ｈ．Ｐ．Ｓｃｈｗｆｅｌ等在进行风洞实验时，由于在设计中描述物体形状的参数难以用传统的方法进行优化，从而他们利用生物变异的思想来随机地改变参数值并获得了较好的结果。

随后，他们便对这种方法进行了深入的研究和发展，形成了演化计算的另一个分支———演化策略。

２．３演化规划演化规划（ｅｖｏｌｕｔｉｏｎａｒｙｐｒｏｇｒａｍｍｉｎｇ）的方法最初是由ＬＪ．Ｆｏｇｅｌ等在２０世纪６０年代提出的。

他们在人工智能的研究中发现，智能行为即是要具有能预测其所处环境的状态，并按照给定的目标作出适演化计算技术研究现状与发展趋势吴立春（重庆教育学院物业管理系，重庆４０００６７）摘要：演化计算是近年发展起来的一种重要的非线性算法，以其自组织、自适应、自学习的特征而受到广泛的关注和应用。

本文从演化计算技术的主要分支、特点、发展现状等方面对这种技术进行了综述，并对其发展趋势进行了展望。

关键词：演化计算；非线型算法；人工智能中图分类号：ＴＰ３０１．６文献标识码：Ａ文章编号：１００８－６３９０（２００７）０３－００６１－０３６１・・当响应的能力。

在研究中，他们将模拟环境描述成是由有限字符集中的符号组成的序列。

于是问题便转化为：怎样根据当前观察到的符号序列作出响应以获得最大的收益，这里收益的计算是按照环境中将要出现的下一个符号及预先定义好的效益目标来确定的。

演化规划中常用有限态自动机（ｆｉｎｉｔｅｓｔａｔｅｍａｃｈｉｎｅ，简称ＦＳＭ）来表示这样的策略。

这样，问题便成为：如何设计出一个有效的ＦＳＭ？ＬＪ．Ｆｏｇｅｌ等借用演化的思想对一群ＦＳＭ进行演化以获得较好的ＦＳＭ。

他们将此方法应用到数据诊断、模式识别和分类以及控制系统的设计等问题之中，并取得了较好的结果。

后来，Ｄ．Ｂ．Ｆｏｇｅｌ借助于演化策略方法对演化规划进行了发展，并用到数值优化及神经网络的训练等问题之中。

２．４遗传程序设计自计算机出现以来，计算机科学的一个重要目标即是让计算机自动进行程序设计，即只要明确地告诉计算机要解决的问题，而不需要告诉它如何去做，遗传程序设计（Ｇｅｎｅｔｉｃｐｒｏｇｒａｍｍｉｎｇ）便是在该领域的一种尝试。

它采用遗传算法的基本思想，但使用一种更为灵活的表示方式———分层结构来表示解空间。

这些分层结构的叶结点是问题的原始变量，个间结点则是组合这些原始变量的函数。

它们很类似于ＬＩＳＰ语言中的Ｓ—表达式。

这样的每一个分层结构对应问题的一个解，也可以理解为求解该问题的一个计算机程序。

遗传程序设计即是使用一些遗传操作动态地改变这些结构以获得解决该问题的可行的计算机程序。

遗传程序设计的思想是ｓｔａｎｆｏｒｄ大学的Ｊ．Ｒ．Ｋｏｚａ在２０世纪９０年代初提出的。

３演化计算的特点演化算法与传统的算法具有很多不同之处，但其最主要的特点体现在下述两个方面。

３．１智能性演化计算的智能性包括自组织、自适应和自学习性等。

采用演化计算求解问题时，在确定了编码方案、适应值函数及遗传算子以后，算法将利用演化过程中获得的信息自行组织搜索。

由于基于自然的选择策略为：适者生存、不适应者淘汰，故而适应值大的个体具有较高生存概率。

通常适应值大的个体具有与环境更适应的基因结构，再通过杂交和基因突变等遗传操作就可能产生与环境更适应的后代。

演化算法的这种自组织、自适应特征同时也赋予了它具有能根据环境的变化自动发现环境的特性和规律的能力。

自然选择消除了算法设计过程中的一个最大障碍：即需要事先描述问题的全部特点，并说明针对问题的不同特点算法应采取的措施。

于是，利用演化计算的方法我们可以解决那些结构尚无人能理解的复杂问题。

３．２本质并行性演化计算的本质并行性表现在两个方面：一是演化计算是内在并行的（ｉｎｈｅｒｅｎｔｐａｒａｌｌｅｌｉｓｍ），即演化算法本身非常适合大规模并行。

最简单的并行方式是让几百甚至数千台计算机各自进行独立种群的演化计算，运行过程中甚至不进行任何通信（独立的种群之间若有少量的通信一般会带来更好的结果），等到运算结束时才通信比较，选取最佳个体，这种并行处理方式对并行系统结构也没有什么限制和要求。

可以说，演化计算适合在目前所有的并行机或分布式系统上进行并行处理，而且对其并行效率没有太大的影响。

二是演化计算的内合并行性（ｉｍｐｌｉｃｉｔｐａｒａｌｌｅｌｉｓｍ）。

由于演化计算采用种群的方式组织搜索，从而它可以同时搜索解空间内的多个区域，并相互交流信息，这种搜索方式使得它虽然每次只执行与种群规模成比例的计算，而实质上已进行了大约ｏ（Ｎ３）次有效搜索。

这使得演化计算能以较少的计算获得较大的收益。

４展望随着演化计算研究热潮的兴起，人工智能再次成为人们关注的一个焦点。

有些学者甚至提出演化计算是人工智能的未来。

目前，演化计算与神经网络、模糊系统一起已形成一个新的研究方向———计算智能（ｃｏｍｐｕｔａｔｉｏｎａｌｉｎｔｅｌｌｉｇｅｎｃｅ）。

人工智能已从传统的基于符号处理的符号主义向以神经网络为代表的连接主义和以演化计算为代表的演化主义方向发展。

由于演化计算在机器学习、过程控制、经济预测、工程优化等领域取得的成功，已引起了包括数学、物理学、化学、生物学、计算机科学、社会科学、经济学及工程应用等领域科学家们的极大兴趣。

自８０年代中期以来，世界上许多国家都掀起了演化计算的研究热潮。

目前，有数种以演化计算为主题的国际会议在世界各地定期召开。

国际互联网上也有多种相关的ｍａｉｌｉｎｇ１ｉｓｔ，ＵＳＥＮＥＴ上还有专门的新闻组。

而由于演化计算应用范围之广泛，从一些杂志及国际会议论文集中都比较容易看到有关演化计算应用方面的文章。

现在已出版两种专门关于演化计算的新杂志：“ＥｖｏｌｕｔｉｏｎａｒｙＣｏｍｐｕｔａｔｉｏｎ”（由ＭＩＴＰｒｅｓｓ出６２・・版，１９９３年创刊）和“ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＥｖｏ１ｕｔｉｏｎａｒｙＣｏｍｐｕｔａｔｌｏｎ”（ＩＥＥＥ汇刊，１９９７年创刊），而且一些国际性期刊也竞相出版以演化计算为主题的专刊。

甚至新的一轮日本计算机发展规划—ＲＷＣ计划（ＲｅａｌＷｏｒｌｄＣｏｍｐｕｔｉｎｇＰｒｏｇｒａｍ）也把演化计算作为它的主要支撑技术之一，以进行信息的集成、学习及组织等。

另外，某些学者研究了演化计算的自现行为（ｅｍｅｒｇｅｎｔｂｅｈａｖｉｏｒ）后声称，演化计算将与混沌理论和分形几何一道成为人们研究非线性现象和复杂系统的新的三大方法，并将与神经网络一道成为人们研究认知过程的重要工具。

当前，演化计算的研究内容十分广泛，如演化算法的设计与分析、演化计算的理论基础及其在各个领域中的应用等等。

可以预料，随着演化计算理论研究的不断深入和应用领域的不断拓广，演化计算必将取得更大的成功。

参考文献：［１］潘正君，康立山，陈毓屏．演化计算［Ｍ］．北京：清华大学出版社，１９９８．［２］玄光男（日），程润伟．遗传算法与工程设计［Ｍ］．北京：科学出版社，２０００．［３］姚新，陈国良，徐惠敏，刘勇．进化算法研究进展［Ｊ］．计算机学报，１８，（９）：６９４－７０６．［４］乌云高娃．演化计算和遗传算法的研究现状［Ｊ］．福建电脑，２００４，（８）．［责任编辑何永葱］ＴｈｅｓｔａｔｕｓｑｕｏａｎｄｔｒｅｎｄｓｏｆｔｈｅｒｅｓｅａｒｃｈｏｎｅｖｏｌｕｔｉｏｎａｒｙｃｏｍｐｕｔａｔｉｏｎＷＵＬｉ－ｃｈｕｎ（ＤｅｐａｒｔｍｅｎｔｏｆＥｓｔａｔｅＭａｎａｇｅｍｅｎｔ，ＣｈｏｎｇｑｉｎｇＥｄｕｃａｔｉｏｎＣｏｌｌｅｇｅ，Ｃｈｏｎｇｑｉｎｇ４０００６７，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＥｖｏｌｕｔｉｏｎａｒｙＣｏｍｐｕｔａｔｉｏｎｈａｓｄｅｖｅｌｏｐｅｄｉｎｔｏａｎｉｍｐｏｒｔａｎｔｎｏｎｌｉｎｅａｒｃａｌｃｕｌａｔｉｏｎｍｅｔｈｏｄｉｎｒｅｃｅｎｔｙｅａｒｓａｎｄｈａｓｂｅｅｎｐａｉｄｃｌｏｓｅａｔｔｅｎｔｉｏｎｔｏａｎｄａｐｐｌｉｅｄｂｅｃａｕｓｅｏｆｉｔｓｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｅｌｆ－ｏｒｇａｎｉｚａｔｉｏｎ，ａｄａｐｔａｂｉｌｉｔｙａｎｄｓｅｌｆ－ｌｅａｒｎｉｎｇ．Ｔｈｉｓｐａｐｅｒｒｅｖｉｅｗｅｄｔｈｉｓｔｅｃｈｎｏｌｏｇｙｉｎｔｈｅａｓｐｅｃｔｓｏｆｉｔｓｍａｉｎｂｒａｎｃｈｅｓ，ｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｉｔｓｃｕｒｒｅｎｔｄｅｖｅｌｏｐｍｅｎｔａｌｓｉｔｕａｔｉｏｎｓａｎｄｌｏｏｋｅｄｉｎｔｏｔｈｅｆｕｔｕｒｅｏｆｉｔｓｄｅｖｅｌｏｐｍｅｎｔａｌｔｒｅｎｄｓ．Ｋｅｙｗｏｒｄｓ：ｅｖｏｌｕｔｉｏｎａｒｙｃｏｍｐｕｔａｔｉｏｎ；ｎｏｎｌｉｎｅａｒｃａｌｃｕｌａｔｉｏｎ；ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ６３・・。