- 20世纪50年代和60年代,进化的思想->"人工进化系统"——雏形
- 60年代初期,柏林工业大学 I.Rechenberg和H.P.Schwefel-风洞试验-生物变异的思想来随机改变参数值->分支-进化策略(ES Evolutionary Strategy)
- 60年代L.J.Fogel-进化的思想设计FSM(Finite State Machine)——进化规划(EP Evolutionary Programming)->推广(数据诊断、模式识别和分类及控制系统)->ES推进EP的发展,并用于数值优化/神经网络的训练
- 通用的编码方案少,只能依赖变异而非交叉,算法收敛甚微
Holland认为:GA本质是适应算法,应用最多的是系统最优化
早期-认知系统CS1(Cognitive System 1 借助最优化的方法获取学习规划、遗传算法)->GBML(Genetic-based Machine Learning)为GA思想奠定基础
其学生De Jong-GA适用于最优化问题
Grefenstette-GA软件GENESIS并普及推广
- 1989,Goldberg美国伊利诺大学, “Genetic Algorithms in Search, Optimization and Machine Learning”,影响力最大的专著
- 1992,Michalewicz,“Genetic Algorithms + Data Structures = Evolution Programs”->最优化问题
- 70年代以来,代表性博士论文
De Jong “一类遗传自适应系统的行为分析”(密歇根大学,1975)
T.E.Davis “从模拟退火收敛理论向简单算法的外推”(佛罗里达大学,1991)
- 近年来,不同的遗传基因表达方式,交叉和变异算子,特殊算子的引用,不同的再生和选择(灵感均源于生物进化)-算法簇(EC evolutionary Computation)
- GA->AI,进化计算时人工智能的未来
- EC & 人工神经网络 & 模糊系统理论-新的方向(computational intelligence 计算智能)
- 20世纪80年代中期,GA、EC的蓬勃期
- 进化计算的实现行为(emergent behavior)->进化计算、混沌理论、分形几何(非线性现象 & 复杂系统的新的三大方向)->& 神经网络(认知过程)
- 90年代以后,De Jong “重访基本的假设
- 我国,90年代以来(1997-1999)
- 特点:
并行性(本质)
目标函数
概率转换规则
潜在解
- 学会:ISGA intermational society of genetic algorithms
PPSN parallel problem solving from nature
GECCO genetic and evolutionary computation conference
CEC