進化是生物智能進化背后的驅動力。學習是人類文明的原動力，也是當前人工智能蓬勃發展的原動力。如果這兩種神秘力量結合起來，我們會得到什么樣的物種？雖然這方面的嘗試不多，但在過去的一些研究中我們已經可以看到端倪。下面就由小編為您介紹一下進化算法有什么應用。

涂鴉智能

0

2條點評

咨詢產品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

5

合作品牌

45

進化算法有什么應用

       首先， 我們說兩種算法的本質都是在做優化。 在充滿隨機性的世界里， 大部分的自然過程趨勢是熵增，耗散，或者說隨機性的增加。而唯有生物的進化和學習，卻可以抵抗這種趨勢，在隨機中產生有序，產生結構。雖然都在做優化， 它們的優勢和缺點也非常明顯。

      進化算法是建立在基因之上，基因可以被理解為生命在各種條件下的一組行為策略。比如吃什么， 向什么方向移動，膚色的選擇等。 

       這組策略被一套叫DNA的大分子固定， 也就是我們常常說的遺傳編碼 ， 它通過一個復雜的化學反應， 制造RNA和特定的蛋白質，而一切生命現象都是由特定蛋白質實現的， 我們簡單的說就是生命策略， 比如在外界環境出現如何變化時候如何反應。 你可以把DNA的編碼看成一系列的if else語句， 就是在某種條件下， 觸發某個蛋白質， 實現某一個功能。

那么進化算法包含以下要素：

        1，生物通過基因編碼生存策略。 基因即一組可以編碼蛋白質的生物大分子。

        2，單組策略的存在時間有限， 它會以繁殖的形式得到一個和自己一樣的策略， 但是這個過程不是完全精確的， 它會以一定的方式出錯或者說變化， 這恰恰使得下一代的策略可以輕微的偏離上一代。 從而在一段時間里， 形成越來越多的策略，我們叫做基因池。

       3，環境會評估某個策略（DNA） 是不是適合自己， 這個通常由一個叫適應度函數的東西表達。 適應度越高， 基因就是越適應當下環境。這個適應度很像機器學習里的目標函數。

       4，經過一段時間， 適應環境的策略會比不適應的環境的策略得到更多的個體，因為它自身存活的概率更高， 這樣， 最終環境里數量最多的， 是最適應環境的策略。這樣的策略不一定有一個。

       5，環境會變化。當環境變化， 最適宜的策略發生變化， 這個時候最適合的策略也發生變化， 導致新的物種和生態系統的生成。

        6，有的時候不同的基因會發生交叉， 也就是說把兩組策略把各自的一部分給對方， 然后形成新的策略組合。這種重組產生新的基因的速度會比變異快的多， 也就是我們說的交配。以上內容就是小編為您介紹的進化算法有什么應用。