1. 文化進(jìn)化理論

　　威爾遜認(rèn)為，從性質(zhì)上來講，文化進(jìn)化總是以拉馬克主義為特征的，即文化進(jìn)化依賴于獲得性狀的傳遞，相對來說速度比較快；而基因進(jìn)化是達(dá)爾文主義式的，依賴于經(jīng)過幾個世代的基因頻率的改變，因而是緩慢的。威爾遜將可供選擇的行為劃分為分離的單位，稱以文化基因。文化基因的傳遞可以是純粹遺傳的，也可以是純文化的，此外，還可以通過基因──文化的方式傳遞，它同時兼有兩者的某些特點：一方面，文化的發(fā)展在某種程度上要受到基因的制約和指導(dǎo)；另一方面，文化發(fā)明的壓力又影響著基因的生存，且最終改變著遺傳紐帶的強度和韌力。人類的文化基因就是以這種方式傳遞的。（注：拉馬克主義 Lamarckism 生物進(jìn)化學(xué)說之一，為法國博物學(xué)家拉馬克所創(chuàng)立。 認(rèn)為生物在新環(huán)境的直接影響下，習(xí)性改變，某些經(jīng)常使用的器官發(fā)達(dá)增大，不經(jīng)常使用的器官則逐漸退化（用進(jìn)廢退），并認(rèn)為這樣獲得的后天性狀可傳給后代，使生物逐漸演變，且認(rèn)為適應(yīng)是生物進(jìn)化的主要過程。）

2.文化基因算法的思想

?

Pablo Moscato認(rèn)為,在遺傳算法（GA）中,變異操作可以看作是含有一定噪聲的爬山搜索,實際上模擬遺傳編碼和自然選擇的過程不應(yīng)包含變異操作,因為在文化進(jìn)化的過程中,在眾多的隨機變化步驟中得到一個正確的可提高整體性能的一步進(jìn)展是非常困難的,只有此領(lǐng)域的擁有足夠的專業(yè)知識的精通者們,才有可能創(chuàng)造新的進(jìn)展,但是這樣的事情發(fā)生的頻率是很低的。 因此,文化基因的傳播過程應(yīng)是嚴(yán)格復(fù)制的,若要發(fā)生變異,那么每一步的變異都需要有大量的專業(yè)知識支撐,而所有的變異都應(yīng)帶來進(jìn)展而不是混亂,這就是為什么我們觀察到的文化進(jìn)化速度要比生物進(jìn)化速度快得多的原因。 對應(yīng)于模擬生物進(jìn)化過程的遺傳算法,Moscato提出了模擬文化進(jìn)化過程的文化基因算法,文化基因算法用局部啟發(fā)式搜索來模擬由大量專業(yè)知識支撐的變異過程,因此說,文化基因算法是一種基于種群的全局搜索和基于個體的局部啟發(fā)式搜索的結(jié)合體。

?

文化基因算法的這種全局搜索和局部搜索的結(jié)合機制使其搜索效率在某些問題領(lǐng)域比傳統(tǒng)遺傳算法快幾個數(shù)量級,可應(yīng)用于廣泛的問題領(lǐng)域并得到滿意的結(jié)果。 很多人將文化基因算法看作混合遺傳算法、 遺傳局部搜索或是拉馬克式進(jìn)化算法,實際上,文化基因算法提出的是一種框架、 是一個概念,在這個框架下,采用不同的搜索策略可以構(gòu)成不同的文化基因算法,如全局搜索策略可以采用遺傳算法、 進(jìn)化策略、 進(jìn)化規(guī)劃等,局部搜索策略可以采用爬山搜索、模擬退火、貪婪算法、禁忌搜索、導(dǎo)引式局部搜索等。

?

在遺傳算法中,我們通常對個體（Individual） 進(jìn)行選擇、 交叉、 變異操作,通過對一代一代個體的適應(yīng)性進(jìn)化得到問題的最優(yōu)解。 在文化基因算法中,用了智能體 （agent,實際上agent在此譯為“代表”更加恰當(dāng)）的概念,遺傳操作的對象并不是種群空間中的普通個體,而是各局部區(qū)域推選出的優(yōu)秀代表,遺傳操作的結(jié)果是選出那些適應(yīng)性強的優(yōu)秀代表,同時也產(chǎn)生一些交叉作用后新的個體,這些新個體可能屬于一些新的區(qū)域,在下一代的局部搜索中它們會被附近的優(yōu)秀個體取代,然后再進(jìn)行進(jìn)一步的全局進(jìn)化。 這種局部與全局的混合搜索機制顯然要比單純在普通個體間搜索的進(jìn)化效率高得多。

3.文化基因算法的實現(xiàn)

　　Pablo Moscato提出了一種基于競爭式作為文化基因算法的一個例子：對于一個給定的優(yōu)化問題，可以先確定一定數(shù)量的初始個體，這些個體的狀態(tài)可以是隨機的，也可以根據(jù)某個啟發(fā)式機制來確定，隨后對每個個體都進(jìn)行局部搜索，通過局部搜索提高個體適應(yīng)度使種群達(dá)到一定的預(yù)備狀后，就可以進(jìn)行個體與個體之間的相互操作，這種相互作用可以是相互競爭，也可以是相互協(xié)作。相互競爭的操作類似于遺傳算法中的個體選擇過程，相互協(xié)作行為可以理解為遺傳算法中的交叉機制或者其他產(chǎn)生新個體的方法，也可以更概括性的理解為信息的交換過程。局部搜索、競爭、協(xié)作操作都是循環(huán)進(jìn)行的，知道滿足終止條件。

?

?

參考文獻(xiàn)：?劉漫丹。文化基因算法(Memetic Algorithm)研究進(jìn)展[J]. 控制理論與應(yīng)用。《自動化技術(shù)與應(yīng)用》2007 年第 26 卷 第 11 期

?

?

轉(zhuǎn)載于:https://www.cnblogs.com/tiny-player/p/3360330.html

總結(jié)

以上是生活随笔為你收集整理的Memetic Algorithm(文化基因算法)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。