机器学习与人工智能：进化计算

我们人类是如何学习的？我们如何理解知识的？同样信息在我们大脑中如何处理的？我们的文字和语言有什么规律？我们看到的物体如何判断的？我们对事物的关系如何理解的？我们的世界是什么样子的？为什么可以用模型去拟合呢？那计算机又是如何进行学习的呢？同样计算机可不可以模拟世界？

观众老爷上期有提到不确定性是物种多样化的起因，万物的基本组成单位构成了许多的化学元素，元素又通过不确定性和相互作用力构成了众多的物质，物质又构成了更复杂的物种和生命！这种复杂而有不确定的关系也是现如今物理学，化学和生物学等科学最前沿领域！

▌基因密码

生命千奇百怪，但却有着惊人相似的规律，生命的最本质特性是由基因决定的：基因决定生物的样貌，体格大小，习性等生命特征。而且通过对自然的探索得出一个存在争议的话题：我们人类生活在一个超级计算机当中！我们所看到的，探索的都是超级计算机模拟出来的！我们只是超级计算机里的一个小程序！我们所生活的环境都是虚构的！我们是被另外一个物种模拟圈养着的！

观众老爷是不是细思极恐呢？小编是不相信这种猜测的！我思故我在！如果存在这种超级计算机！那我们有可能是游戏玩家，并且遗忘了我们的进入游戏之前的事情！那进入这个世界的意义是什么？我们又不能像打游戏一样获得我们所需要的超级能力和获得物品！这世界没魔法，没异能！进入这样枯燥的世界，估计没人喜欢吧！模拟这种世界，也没太多意义！

基因有着一定的规律，物种的繁衍基因是关键的一环，基因的突变和遗传是为了更好的适应自然的环境！那我们如何模拟这些规律呢？同样这些规律在哪些方面有优势呢？

▌进化计算

进化计算可以根据环境调整种群的适应能力，下面我们进行算法主要步骤介绍：

步骤1：有一基因序列固定长度为M的种群，用以表示相关事物的状态或者内容索引，其选择染色体数量为N，交叉概率为Pc，突变率为Pm，定义迭代次数S。（一般基因序列是随机初始化的，这里假设交叉概率是0.2，突变概率是0.002，交叉概率和突变概率是0-1之间的小数，迭代次数S是50—1000的常数）；

步骤2：定义适应函数评价种群中个体适应性，适应函数是繁殖过程选择配对染色体的基础；

步骤3：初始化基因序列，随机产生数量为N的种群：X1，X2，X3，X4，……，Xn；

步骤4：计算个体的适应性：F（X1），F（X2），F（X3），F（X4）……，F（Xn）；

步骤5：选择一对基因序列，这对基因序列一般是适应性比较高的；

步骤6：以交叉概率Pc交换选中的染色体，产生新的后代；以突变概率Pm，随机改变子代的基因；

步骤7：将后代染色体放入新种群；

步骤8：重复步骤5，6，7，直至新种群数量等于初始种群数量为N；

步骤9：用新种群取代父代种群；

步骤10：重复上述过程，直至满足迭代次数S！

进化计算模仿的就是自然界生物的进化过程，通过随机抽取、适应评价、交互以及突变来改变内部的状态，直至得到最优解。