进化计算

进化计算是遗传算法、进化策略（英语：Evolution strategy）、进化规划（英语：Evolutionary programming）的统称。进化计算起源于20世纪50年代末，成熟于20世纪80年代，目前主要被应用于控制工程、机器学习、最佳化等领域。

进化计算

上级分类	人工智能

起源

• 1932年，Cannon把自然演化想象为一个学习过程，并将自然演化中的种群维持机制，修改为个体反复随机试验。
• 1950年，图灵认识到机器学习与演化间存在明显关系。
• 1959年，Friedman推测，模仿变异与选择可以设计思想机器，并指出下棋程序可以使用这种方法设计。
• 1960年，Cambell猜想：在导致知识扩张的所有过程中，都要涉及“盲目—变化—选择—幸存”的过程。^[1]

技术

进化计算技术列举如下：

• 进化算法：对于最佳化问题的候选解做演化计算的算法。
• 遗传算法：对于最佳化问题，候选解（称为个体）可抽象表示为染色体，使种群向更好的解进化。
• 遗传编程：从生物演化过程得到灵感的自动化生成和选择计算机程序来完成用户定义的任务的技术。
• 进化策略（英语：Evolution strategy）
• 进化规划（英语：Evolutionary programming）

参考文献

1. 《进化计算》长沙 国防科技大学出版社 2000 王正志, 薄涛著