摘要
进化算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法，主要包括遗传算法（ｇｅｎｅｒｉｃａｌｇｏｒｉｔｈｍｓ，简记为ＧＡｓ）、进化规划（ｅｖｏｌｕｔｉｏｎａｒｙｐｒｏｇｒａｍｍｉｎｇ，简记为ＥＰ）和进化策略（ｅｖｏｌｕｔｉｏｎａｒｙｓｔｒａｔｅｇｉｅｓ，简记为ＥＳｓ），它们可以用来解决优化和机器学习等问题．进化算法的两个主要特点是群体搜索策略及群体中个体之间的信息交换．进化算法不依赖于梯度信息，因此它们的应用范围十分广泛，尤其适于处理传统搜索方法解决不了的复杂问题和非线性问题．本文首先介绍了进化算法的基本思想；然后对三种典型算法进行了比较，讨论了目前进化算法的研究内容和方向，并针对遗传算法给出了三种并行实现模式；最后，论述了进化算法中有争议的基本问题，并指出将来进一步研究的方向．
Evolutionary Algorithms (EAs) , such as generic algorithms (GAs),evolution strategies (ES's), evolutionary programming (EP) and evolution programs (EPs) ) are a class of stochastic search algorithms which can be applied to both combinatorial and numerical optimization problems. This article first introduces the basic ideas of EAs, and then discusses some advanced variations of the basic algorithms. Some typical applications of EAs are also presented. Finally, a survey of the state-of-the-art of EA research is given and future research directions are pointed out.
出处
《计算机学报》
EI
CSCD
北大核心
1995年第9期694-706,共13页
Chinese Journal of Computers
基金
国家攀登计划认知科学(神经网络)重大关键项目
澳大利亚研究基金会基金
关键词
进化算法
遗传算法
数值优化
机器学习
Evolutionary algorithms, generic algorithms , numerical optimization,machine learning.
