進化計算

進化計算是遺傳算法、進化策略（英語：Evolution strategy）、進化規劃（英語：Evolutionary programming）的統稱。進化計算起源於20世紀50年代末，成熟於20世紀80年代，目前主要被應用於控制工程、機器學習、最佳化等領域。

進化計算

上級分類	人工智能
所屬實體	computational intelligence

起源

• 1932年，Cannon把自然演化想象為一個學習過程，並將自然演化中的種群維持機制，修改為個體反覆隨機試驗。
• 1950年，圖靈認識到機器學習與演化間存在明顯關係。
• 1959年，Friedman推測，模仿變異與選擇可以設計思想機器，並指出下棋程序可以使用這種方法設計。
• 1960年，Cambell猜想：在導致知識擴張的所有過程中，都要涉及「盲目—變化—選擇—倖存」的過程。^[1]

技術

進化計算技術列舉如下：

• 進化演算法：對於最佳化問題的候選解做演化計算的演算法。
• 遺傳演算法：對於最佳化問題，候選解（稱為個體）可抽象表示為染色體，使種群向更好的解進化。
• 遺傳編程：從生物演化過程得到靈感的自動化生成和選擇電腦程式來完成用戶定義的任務的技術。
• 進化策略（英語：Evolution strategy）
• 進化規劃（英語：Evolutionary programming）