大家都知道植物和動物的進化
(資料圖片僅供參考)
但你知道
工程師也可以利用這種自然過程
來發明東西嗎？
動物和植物在艱難復雜的環境中
需要不斷進化來適應
正所謂物競天擇，適者生存
圖源：攝圖網
長期以來，生物學家一直在研究進化是如何運作的，而數學家和計算機科學家與生物學家合作，創建了可以改進設計的計算機程序，來幫助工程師發明東西——這被稱為進化優化算法，它們可以用來設計更快的飛機、更堅固的橋梁，甚至更好的游戲。
到底什么是進化？
進化是我們用來描述植物和動物在很長一段時間內如何變化的詞。
比如，一個孩子會有點像他的父母。也許孩子和母親有一樣的頭發顏色，和父親一樣高。這種相似性在代際之間的傳遞被稱為遺傳。
孩子和父母之間也會有細微的差異，可能是更大的鼻子或者更好的視力。這些差異被稱為突變。
圖源：攝圖網
在自然界中，微小的突變可能意味著動植物的生與死之間的差異。例如，如果兩匹斑馬正在逃離一只正在尋找午餐的獅子，那么跑得最快的將是逃脫并幸存下來的那只。幸存的斑馬將能夠生下后代，可能會繼承父母的奔跑速度?？焖侔唏R寶寶也更有可能生存并自己生孩子，因此隨著時間的推移，斑馬種群將成為快速奔跑者。這個過程就是自然選擇。
物種進化是為了在他們的環境中生存，這是遺傳、突變和自然選擇的結合。
生物以驚人的方式進化，做著不可思議的事情——從可以改變顏色以躲避捕食者的飛蛾到可以通過皮膚喝水的蜥蜴。
那么，我們能否利用這些來自大自然的想法來創造發明？
進化優化算法
關于這個問題，有幾位計算機科學家提出了進化優化算法的想法。
在1950年到1960年之間，進化優化算法可用于各種事情，例如設計飛機，在視頻游戲中構建關卡，甚至創作藝術。
現在，讓我們想象我們正在嘗試設計一座橋：
首先，我們需要設定一個目標。例如我們希望橋梁盡可能多地承受重量。一旦確定了目標，我們就可以比較兩種橋梁設計——哪個是能承載最重的那個，哪個就更好。
下一步是創建一些起始橋接設計。這可以用計算機隨機完成，或者我們可以花一些時間自己設計它們。通過在計算機上運行仿真，我們可以預測每個橋梁設計可以承受多少重量。利用這些信息，我們可以根據設計的質量對設計進行排序。
一旦我們知道哪些設計可以承受最大的重量，我們就可以選擇他們作為“父母”——類似于自然界中的情況，還記得嗎？只有最快的斑馬才能生孩子。
當然，橋梁實際上不可能有“孩子”，但科學家可以編寫計算機程序，能夠將兩種好的設計結合起來，產生一個新的“孩子”設計，共享“父母”雙方的特征。
不斷使用繼承和突變生成新的設計，然后對這些新設計進行仿真，確定哪些設計最好，然后重復該過程。所有這些都是由計算機自動完成的。在很長一段時間內，可能是幾周或幾個月，就能找到越來越好的橋梁設計。
進化優化算法的優缺點當我們需要設計新的東西并且不知道從哪里開始時，進化優化算法非常有用。
然而，進化優化算法存在隨機性，這種隨機性導致一些工程師不信任進化優化算法，隨機性還意味著設計人員需要多次運行進化優化算法，以確保他們獲得最佳設計。反復運行進化優化算法可能需要很長時間，甚至比經驗豐富的工程師坐下來自己設計一些東西所需的時間還要長。
圖源：攝圖網
在某些情況下，進化優化算法會掙扎。例如通常要考慮的目標不止一個，添加更多目標意味著進化優化算法需要更長的時間才能找到解決方案。
進化優化算法需要花費數小時來“進化”出好的設計，而工程師只需花費幾秒鐘就能意識到仿真是錯誤的，當這種情況發生時，科學家和工程師需要修復錯誤。因此，雖然進化優化算法是有用的工具，但它們永遠不會取代人類設計師。
參考文獻：
[1]米切爾M，泰勒C. E. 1999 進化計算:概述
[2]霍恩比，格洛布斯，林登，D.羅恩，J. 2006 自動天線設計與進化算法 萊斯頓弗吉尼亞州:美國航空航天研究所
[3]J.文森萊克，S.沃爾頓，B.埃文斯，2021 這是旅程而不是目的地:構建從業者可以信任的遺傳算法
[4]王帥發，鄭金華，胡建杰等．自適應偏好半徑劃分區域的多目標進化方法 ．軟件學報，2017 ，28(10) ：2704－2721）
[5]邱飛岳，吳裕市，邱啟倉，王麗萍 ．基于雙極偏好占優的高維目標進化算法 ．軟件學報，2013 ，24(3) ：476－489)
[6]鞏敦衛，劉益萍，孫曉燕等 ．基于目標分解的高維多目標并 行進化優化方法． 自動化學報，2015 ，41(8) ：1438－1451
END
作者：不是穿9號的四分衛 青島科技大學 機器人及智能制造技術專業研究生
審核專家：陳明威 青島科技大學機電學院
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
