标签：strong 随机 模拟 效果 就会 方式 产生 一个个 目标
从1953 开始模拟自然界的算法不断出现，比如最先出现模拟退火算法1969年专家系统，1975年遗传算法，1989年禁忌搜索，群算法方面粒子群算法、人工蜂群算法等相继被提出。随着这些算法的发展，近年来自然的计算模式正式成为人工智能研究的重要方法与手段。
生物启发计算：包括一套简约规则和一套结构比较简单的群体，通过迭代的方式来应用这些规则，最终反复应用这些规则后会产生一些复杂的行为，当这些复杂的行为集聚积累后就会产生复杂的效果从而解决复杂的问题。下面介绍一些相关算法。
以人体免疫为例
将实际问题的目标函数和约束条件模拟为抗原，将问题的可行解模拟为抗体，可行解的目标函数代表了抗体与抗原之间的亲和度，优先选择哪些与抗原亲和性好的，而且浓度小的个体进入下一代，以实现对适应度好的个体的促进。使之在进化过程中保持生物多样性，避免进入局部最优，利用记忆单元的作用提高局部搜索的能力，加快计算速度。
以遗传算法为例
首先它的原里是受下面两条规则所启发：
原理图如下
因为它是一个群体的随机搜索，所以首先初始化产生个体的群体，将每一个个体编码称一个染色体实体，对每个编码称染色体的个体进行适应值计算，适应值高的进行选择，进入下一代繁衍，在繁衍过程中摸底上述生物学原理（复制交叉变异），使个体的基因有改变的可能，最后新的种群代替了旧的种群，然后继续选择，如此循环当满足终止条件的时候，选出最优解并进行输出。
群体算法：蚁群算法、鸟群、蜜蜂。个体行为结构简单，但行为具有高度的社会化，所以群体的行为能力远远高于个体的复杂性。、
其他算法：模拟退火算法、量子算法等。
标签：strong 随机 模拟 效果 就会 方式 产生 一个个 目标
原文地址：https://www.cnblogs.com/zhaodongge/p/12397623.html
