进化策略+进化规划共44页

Evolutionary Computation： An interview Back and Schwefel
• We present an overview of the most important representatives of algorithms gleaned from natural evolution, so-called evolutionary algorithms. Evolution strategies, evolutionary programming, and genetic algorithms are summarized, with special emphasis on the principle of strategy parameter self-adaptation utilized by the first two algorithms to learn their own strategy parameters such as mutation variances and covariances. Some experimental results are presented which demonstrate the working principle and robustness of the self-adaptation methods used in evolution strategies and evolutionary programming. General principles of evolutionary algorithms are discussed, and we identify certain properties of natural evolution which might help to improve the problem solving capabilities of evolutionary algorithms even further.

15.10 进化策略
15.11 进化规划
2019/10/14
史忠植 高级人工智能
2
15.1 概述
进化计算是通过模拟自然界中生物进化 机制进行搜索的一种算法。
2019/10/14
史忠植 高级人工智能
3
发展历史
进化计算的研究起源于20世纪50年代。
1965年，Holland首次提出了人工遗传操作 的重要性，并把这些应用于自然系统和人 工系统中。
型(Muhlenbein 1989)。
2019/10/14
史忠植 高级人工智能
11
进化系统理论的形式模型
进化的主要过程
遗传操作符 后生环境 选择环境
g
p
2019/10/14
史忠植 高级人工智能
12
进化系统理论的形式模型
基因型 G S { 空 g(a间 1,..an .)： ,a ,i A i} 表型 P空 S {p (间 p 1 ,.p .m .： ),p ,i I} R
q(ai,aj) = qi,j qi,j 可以被解释为出生率减去死亡率
2019/10/14
史忠植 高级人工智能
16
门德尔遗传学
假设 p’i,j是下一代表型(ai,aj) 的频度。然后达尔文 选择根据选择方程调整表型的分布:
p'i, j

pi, j
qi, j Q
Q
qi, j pi, j
i, j
2、适应度函数（fitness function，又称为适应值／适值函 数）用来评价一个染色体的好坏。
2019/10/14
史忠植 高级人工智能
29
基本遗传算法的构成要素
3、遗传算子

当把这种算法用于函数优化时，发现它有两个缺点：
(1) 各维取定常的标准差使得程序收敛到最优解的速度很慢； (2) 点到点搜索的脆弱本质使得程序在局部极值附近容易受停
滞的影响（虽然此算法表明可以渐近地收敛到全局最优 点）。
8.2 进化策略
(μ + 1)-ES:
早期的(1十1)-ES，没有体现群体的作用，只是单个个体在进 化，具有明显的局限性。随后，Rechenberg又提出(μ+1)ES，在这种进化策略中，父代有μ个个体(μ＞1)，并且引入 重组(Recombination)算子，使父代个体组合出新的个体。 在执行重组时，从μ个父代个体中用随机的方法任选两个个 体：
8.2 进化策略
在1973年，Rechenburg把该算法的期望收敛速度定义为对 最优点的平均距离与要得到此改善所需要的试验次数之比。
1981年，Schwefel在进化策略中使用多重亲本和子代，这是 Rechenburg早期工作（使用多重亲本，但是仅使用单个子 代）的发展，后来考察了两种方法，分别表示为(μ+λ)-ES 相(μ，λ)-ES。在前者中，μ个亲本制造λ个子代，所有解均 参加生存竞争，选出最好的μ个作为下一代的亲本。在后者 中，只有λ（ λ > μ ）个子代参加生存竞争，在每代中μ个亲 本被完全取代。这就是说，对于每一代，每个解张成的生 命是有限的。增加种群大小，就在固定数目的世代中增加 了优化速率。
进化策略的基本技术
然后将其分量进行随机交换，构成子代新个体的各个分量，从而得 出如下新个体：
(2) 中值重组。这种重组方式也是先随机选择两个父代个体，然后将 父代个体各分量的平均值作为子代新个体的分量，构成的新个体 为：
这时，新个体的各个分量兼容两个父代个体信息，而在离散重组中 则只含有某一个父代个体的因子。

第26页/共50页
4 计算智能
神经计算
• 人工神经元：是指用人工方法构造单个神经元，它有抑制和兴奋两种工作状态，可以 接受外界刺激，也可以向外界输出自身的状态，用于模拟生物神经元的结构和功能， 是人工神经网络的基本处理单元。
• 人工神经网络的互连结构（或称拓扑结构）是指单个神经元之间的连接模式，它是构 造神经网络的基础。从互连结构的角度，神经网络可分为前馈网络和反馈网络两种主 要类型。
第5页/共50页
1 机器思维
规划
• 规划的概念：是指从某个特定问题状态出发，寻找并建立一个操作序列，直到求得目 标状态为止的一个行动过程的描述。
• 规划的特点：与一般问题求解技术相比，规划更侧重于问题求解过程，并且要解决的 问题一般是真实世界的实际问题，而不是抽象的数学模型。例如，第2章的机器人移盒 子、猴子摘香蕉等问题。
• 理解的语言类型：声音语言、书面语言。
• 主要步骤：语音分析、词法分析、句法分析、 语义分析、语用分析。
第15页/共50页
2 机器感知
自然语言理处理
自然语言理解的意义 • 该研究不仅对智能人机接口有着重要的实际意
义，而且对不确定人工智能的研究也具有重大 的理论价值。 • 有学者指出：人工智能如果不能用自然语言作 为其知识表示基础，建立起不确定人工智能的 理论和方法，人工智能也就永远实现不了跨越 的梦想。
• 智能控制系统：是指那种能够实现某种控制任务， 具有自学习、自适应和自组织功能的智能系统。从 结构上，它由传感器、感知信息处理模块、认知模 块、规划和控制模块、执行器和通信接口模块等主 要部件所组成。
第18页/共50页
3 机器行为
智能控制
• 智能控制的主要应用领域：智 能机器人系统、计算机集成制造系统（CIMS）、复 杂工业过程的控制系统、航空航天控制系统、社会经济管理系统、交通运输系统、 环保及能源系统等。

添加标题
添加标题
添加标题
添加标题
提高竞争力：植物通过进化提高自 身竞争力，如提高光合作用效率、 增强抗病性等。
协同进化：植物与其他生物（如昆 虫、微生物等）协同进化，形成互 利共生的关系。
植物的进化实例
沙漠环境的特点： 干旱、高温、风 沙大
沙漠植物的适应性： 根系发达、叶片退 化、茎干肥厚
沙漠植物的进化策 略：减少水分蒸发、 提高光合作用效率、 适应极端环境
添加标题
添加标题
添加标题
添加标题
水分吸收：森林植物通过根系吸收 水分，适应干旱环境
繁殖策略：森林植物通过种子传播、 根蘖等方式进行繁殖，适应环境变 化
植物生态适应和进化的意义
植物生态适应和 进化策略有助于 维护生物多样性
植物适应环境的 能力可以促进物 种的演化和分化
植物生态适应和进 化策略可以增强生 态系统的稳定性和 抵抗力
植物生态适应和进 化策略可以促进生 态系统的物质循环 和能量流动
植物是地球生态 系统的重要组成 部分，它们通过 光合作用固定二 氧化碳，释放氧 气，维持大气中
的氧气平衡。
植物是食物链的 基础，为动物提 供食物和栖息地， 维持生态系统的
稳定。
植物通过根系 固定土壤，防 止水土流失， 保护生态环境。
植物还能调节气 候，通过蒸腾作 用增加大气湿度， 降低温度，改善
生态环境。
提供氧气：植物 通过光合作用产 生氧气，为人类 提供生存所需的 氧气
食物来源：植物 是人类食物的重 要来源，如粮食、 蔬菜、水果等
药物来源：许多 植物具有药用价 值，可以为人类 提供治疗疾病的 药物
生态平衡：植物 在生态系统中起 着重要的作用， 如保持水土、调 节气候等，对人 类生存和发展具 有重要意义

遗传算法的基本步骤包括编码、选择、交叉和变异等，通过不断迭代，逐渐接近最 优解。
遗传算法具有全局搜索能力强、能够处理多参数和多约束问题等优点，广泛应用于 各种优化问题。
自然选择机制
01
自然选择是生物进化中的核心 机制，通过适者生存的原则， 淘汰不适应环境的个体，保留 适应环境的个体。
02
在进化控制中，自然选择机制 可以模拟现实世界中的竞争和 淘汰过程，通过比较个体的适 应度值来选择优秀的个体。
机器人路径规划
进化控制在机器人路径规划中用于寻找最优路径，提高机器人的 运动效率和工作能力。
人机协作
进化控制在人机协作中用于优化人机交互和协同工作方式，提高 人机系统的效率和稳定性。
04
进化控制的挑战与未来发 展方向
算法改进与优化
遗传算法
改进选择、交叉、变异等遗传操作，提高算法的搜索效率和精度。
03
自然选择机制可以激发个体的 竞争意识，促进种群的进化和 发展。
变异与交叉
01
变异是指个体在遗传过程中发生基因突变的现象，产生新的 基因组合。
02
交叉是指两个或多个个体的基因进行重组，产生新的后代。
03
在进化控制中，变异和交叉可以增加种群的多样性，促进种 群的进化和发展。
进化策略
01
进化策略是一种基于遗传算法的优化算法，通过模拟生物进化 的自然选择和遗传机制来寻找最优解。
自然选择是生物进化中的重要机制，通过适者 生存的原则，使得适应环境的基因得以保留和 传递。
自然选择机制在生物信息学中的应用包括基因组 学、进化生物学、生物多样性等领域。
案例三：进化策略在控制系统设计中的应用
进化策略是一种基于自然进 化原理的优化算法，通过不 断迭代和遗传变异来寻找最

模糊逻辑在智能控制中应用
01
02
03
工业过程控制
应用于化工、冶金、电力 等工业过程控制中，实现 对温度、压力、流量等参 数的智能控制。
智能家居系统
应用于智能家居系统中， 实现对灯光、窗帘、空调 等设备的智能控制，提高 居住舒适度。
自动驾驶技术
应用于自动驾驶技术中， 实现对车辆行驶轨迹、速 度等参数的智能控制，提 高行驶安全性。
神经网络控制
利用神经网络强大的自 学习和自适应能力，实 现对复杂系统的有效控 制。特点：能够处理非 线性、不确定性和时变 系统，具有强大的逼近
能力和容错性。
专家系统控制
基于专家知识和经验， 构建专家系统实现对复 杂系统的有效控制。特 点：能够处理定性和定 量信息，具有较强的推
理和决策能力。
遗传算法控制
现代控制理论的发展背景
01
随着计算机技术的进步和复杂系统的出现，现代控制理论应运
而生。
现代控制理论的核心思想
02
基于状态空间法和最优化原理，实现对复杂系统的有效控制。
现代控制理论的主要方法
03
包括线性系统理论、最优控制、鲁棒控制等。
智能控制方法分类及特点
第一季度
第二季度
第三季度
第四季度
模糊控制
利用模糊数学理论，将 人的控制经验表示为模 糊规则，实现对复杂系 统的有效控制。特点： 不依赖于精确的数学模 型，具有较强的鲁棒性 和适应性。
模拟退火算法实现过程
包括初始化、设置温度参数、生成新解、计算目标函数差、接受准 则判断、降温过程等步骤。
模拟退火算法特点
具有全局搜索能力强、不易陷入局部最优解等特点，但计算时间较 长。
智能优化算法在智能控制中应用案例

第四章 PSO 在求解聚类问题上的应用 ..................................... 25
4.1 聚类问题的数学描述 ..................................................................... 25 4.2 k-均值算法简介 ............................................................................. 26 4.3 基于粒子群的 k 均值算法的描述 ................................................. 26 4.3.1 算法描述 .............................................................................. 26 4.3.2 编码与适应度选择 .............................................................. 28 4.4 试验结果及分析 ............................................................................. 28
第二章 粒子群算法 ...................................................................... 5
第三章 改进算法及其在函数优化中的应用 .............................. 8
惯性权重 ........................................................................................... 8 约束因子 ........................................................................................... 8 杂交 PSO 算法 ................................................................................... 8 协同 PSO 算法 ................................................................................... 9 增加积分控制项和限制搜索空间 ................................................. 10 用适应度定标方法和重新定义全局极值 ..................................... 12 3.6.1 实验和结果分析 .................................................................. 13 3.7 用模拟退火策略的粒子群方法(PSOwSA) ..................................... 15 3.8 有分工策略的粒子群方法(PSOwDOW) ........................................... 18 3.9 加入后退算法和后期引入变异算子 ............................................. 21 3.10 随机 PSO 算法(SPSO) .................................................................. 22 3.10.1 SPSO 算法的收敛性分析 ................................................... 23 3.10.2 实例计算和结论分析 ........................................................ 24

鹰对策者战斗起来总是全力以赴，除非身受重伤否则决不 退让；如果争斗双方都是鹰对策者，那么其中一方将 最终受到伤害并退让
而鸽对策者则只限于威胁恫吓，对方一旦表现出争斗升级 迹象立刻退让；如果对方也是鸽对策者，那么相互对 峙一定时间后便会有第5一页/共方48自页动退却
鹰鸽对策的赢得矩阵
鹰
鸽
鹰
(V-C)/2
第26页/共48页
作物的生长冗余：理论与实践意 义
➢ A theory is something nobody believes, except the person who made it. An experiment is something everybody believes, except the person who made it. – Albert Einstein
第8页/共48页
上面我们假进定化个稳体定要的么混是合纯对粹策的鹰对策者、
要么是纯粹的鸽对策者。或者说种群在遗传 构成上是多态的。ESS也可以用另一种方式 来达到：种群内每个个体都以一定概率采取
两种对策，而且在每次博弈中所采取的对策
必须是随机确定的。这时种群在遗传构成上 是单态的，但表现型上是两种对策共存
Trivers（19相7互1）利提他出行，为与遗囚传犯上的没困有境亲缘关系 的个体之间也可以进化产生利他行为。这种 相互利他行为的出现是因为利他者付出代价 很小，而收益方得到的收获却很大；这样如 果个体之间能够相互回报，它们都可以从利 他行为中获得较大适合度收益。
问题是，无论是在进化上还是在人类社会里， 怎样有效地防止欺骗对策的侵入？
V
鸽
0
V/2
第6页/共48页
鸽对策肯定 是不稳定的
鹰对策是否 稳定取决于 V和C值的相 对大小，如 果V<C，那 么鸽对策者 将能够侵入 鹰对策种群