天才一秒记住【一路小说网】地址：https://www.waynot.net
遗传算法作为以巨大的“解空间”
来解决复杂问题的机制，是由密歇根大学的霍兰德在20世纪70年代研发出来的。
④为了解决“解空间”
的问题，霍兰德研发出了一种“源自某些进化论隐喻的机械学习的行为模式”
⑤。
同其他类型的进化计算方法一致，遗传算法的工作是为给定的问题寻求答案，为了达到此目的，遗传算法采用了一种特殊的基因呈现模式①，最初被产生出来的是类似于人类基因中的染色体式的一群人或一组数据，其中每一个都代表着一种可能的解决方案。
第一代候选方案在它所处的环境中被评估，即对它对于现成问题的适应度进行评估。
在此适应度和所采用的遗传算法的基础上，新一代的个体就产生了。
②遵照“适者生存”
的原则以及基因多样性的原则，新出生的一代都应该包含比先前一代更多的解决问题的办法。
理解遗传算法力量的关键在于明白，它排除了对一个问题可以拥有预先解决办法的必然性，程序设计师只需要确定一个恰当的适应度函数和遗传算法③。
遗传算法，以及其他各种柔性计算技术，对人工智能系统的发展有着极为重要的影响。
人工智能包括许多具体的应用，从人工生命、机器人和认知技术，到数据处理、专家系统和智能代理。
所有不同种类的人工智能系统的一个共同特点是，它们都运行在相似的巨大的解空间之中，而传统的硬性计算方法在该领域表现得非常欠缺，这就难怪柔性计算模式已经被用来解决如此复杂和模糊的难题了。
的确，柔性计算以及类似的算法背后的发展动力都来自发展人工生命系统、生物统计学和其他智能技术的愿望。
这一点在控制论的早期，自生物学与计算机在类似神经网络的范例中进行了持续的互动之后，就已经比较常见了。
①
再反观我们对城市中软件的考察，柔性计算可以在遍布城市的嵌入式系统中寻到踪迹。
智能交通灯、电梯、汽车以及洗衣机都运用模糊逻辑进行编程，许多智能交通系统也是如此②。
基因算法正在帮助运行医疗诊断和检测仪器、数据挖掘技术、信用评分和行为建模系统、交通管理系统和呼叫中心电话选路技术。
基因算法正在被更广泛地应用于人造生命世界，比如，计算机、金融市场模型、弹性生产系统、电信网络，甚至英国的第四频道也用它来协助安排电话和广告。
③拥有自我学习能力的软件也在生物统计学和认知技术领域进行推广（例如，在视觉认知系统中）。
这些技术使得机器和零件开始呈现出一些身体智能的特征。
智能软件开始将新的生命带入日常生活的诸象之中，这并不意味着软件或计算机系统会因此销声匿迹，④而是期望对坚硬的、理性主义的计算能力之“情感反应”
⑤能够帮助软件开始呈现出许多通常与生物的生命相关的特征。
这种新的机械形式在一系列用于识别和作用于人类身体的技术中得到了最好的体现：人脸、声音、笔迹，也许最突出的是心境和情绪。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！