大家都知道植物和動(dòng)物的進(jìn)化

但你知道

工程師也可以利用這種自然過(guò)程

(資料圖片)

來(lái)發(fā)明東西嗎？

動(dòng)物和植物在艱難復(fù)雜的環(huán)境中

需要不斷進(jìn)化來(lái)適應(yīng)

正所謂物競(jìng)天擇，適者生存

圖源：攝圖網(wǎng)

長(zhǎng)期以來(lái)，生物學(xué)家一直在研究進(jìn)化是如何運(yùn)作的，而數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家與生物學(xué)家合作，創(chuàng)建了可以改進(jìn)設(shè)計(jì)的計(jì)算機(jī)程序，來(lái)幫助工程師發(fā)明東西——這被稱為進(jìn)化優(yōu)化算法，它們可以用來(lái)設(shè)計(jì)更快的飛機(jī)、更堅(jiān)固的橋梁，甚至更好的游戲。

到底什么是進(jìn)化？

進(jìn)化是我們用來(lái)描述植物和動(dòng)物在很長(zhǎng)一段時(shí)間內(nèi)如何變化的詞。

比如，一個(gè)孩子會(huì)有點(diǎn)像他的父母。也許孩子和母親有一樣的頭發(fā)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(huì)有細(xì)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(wǎng)

在自然界中，微小的突變可能意味著動(dòng)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(lái)的那只。幸存的斑馬將能夠生下后代，可能會(huì)繼承父母的奔跑速度。快速斑馬寶寶也更有可能生存并自己生孩子，因此隨著時(shí)間的推移，斑馬種群將成為快速奔跑者。這個(gè)過(guò)程就是自然選擇。

物種進(jìn)化是為了在他們的環(huán)境中生存，這是遺傳、突變和自然選擇的結(jié)合。

生物以驚人的方式進(jìn)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(guò)皮膚喝水的蜥蜴。

那么，我們能否利用這些來(lái)自大自然的想法來(lái)創(chuàng)造發(fā)明？

進(jìn)化優(yōu)化算法

關(guān)于這個(gè)問(wèn)題，有幾位計(jì)算機(jī)科學(xué)家提出了進(jìn)化優(yōu)化算法的想法。

在1950年到1960年之間，進(jìn)化優(yōu)化算法可用于各種事情，例如設(shè)計(jì)飛機(jī)，在視頻游戲中構(gòu)建關(guān)卡，甚至創(chuàng)作藝術(shù)。

現(xiàn)在，讓我們想象我們正在嘗試設(shè)計(jì)一座橋：

首先，我們需要設(shè)定一個(gè)目標(biāo)。例如我們希望橋梁盡可能多地承受重量。一旦確定了目標(biāo)，我們就可以比較兩種橋梁設(shè)計(jì)——哪個(gè)是能承載最重的那個(gè)，哪個(gè)就更好。

下一步是創(chuàng)建一些起始橋接設(shè)計(jì)。這可以用計(jì)算機(jī)隨機(jī)完成，或者我們可以花一些時(shí)間自己設(shè)計(jì)它們。通過(guò)在計(jì)算機(jī)上運(yùn)行仿真，我們可以預(yù)測(cè)每個(gè)橋梁設(shè)計(jì)可以承受多少重量。利用這些信息，我們可以根據(jù)設(shè)計(jì)的質(zhì)量對(duì)設(shè)計(jì)進(jìn)行排序。

一旦我們知道哪些設(shè)計(jì)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(dāng)然，橋梁實(shí)際上不可能有“孩子”，但科學(xué)家可以編寫計(jì)算機(jī)程序，能夠?qū)煞N好的設(shè)計(jì)結(jié)合起來(lái)，產(chǎn)生一個(gè)新的“孩子”設(shè)計(jì)，共享“父母”雙方的特征。

不斷使用繼承和突變生成新的設(shè)計(jì)，然后對(duì)這些新設(shè)計(jì)進(jìn)行仿真，確定哪些設(shè)計(jì)最好，然后重復(fù)該過(guò)程。所有這些都是由計(jì)算機(jī)自動(dòng)完成的。在很長(zhǎng)一段時(shí)間內(nèi)，可能是幾周或幾個(gè)月，就能找到越來(lái)越好的橋梁設(shè)計(jì)。

進(jìn)化優(yōu)化算法的優(yōu)缺點(diǎn)當(dāng)我們需要設(shè)計(jì)新的東西并且不知道從哪里開(kāi)始時(shí)，進(jìn)化優(yōu)化算法非常有用。

然而，進(jìn)化優(yōu)化算法存在隨機(jī)性，這種隨機(jī)性導(dǎo)致一些工程師不信任進(jìn)化優(yōu)化算法，隨機(jī)性還意味著設(shè)計(jì)人員需要多次運(yùn)行進(jìn)化優(yōu)化算法，以確保他們獲得最佳設(shè)計(jì)。反復(fù)運(yùn)行進(jìn)化優(yōu)化算法可能需要很長(zhǎng)時(shí)間，甚至比經(jīng)驗(yàn)豐富的工程師坐下來(lái)自己設(shè)計(jì)一些東西所需的時(shí)間還要長(zhǎng)。

圖源：攝圖網(wǎng)

在某些情況下，進(jìn)化優(yōu)化算法會(huì)掙扎。例如通常要考慮的目標(biāo)不止一個(gè)，添加更多目標(biāo)意味著進(jìn)化優(yōu)化算法需要更長(zhǎng)的時(shí)間才能找到解決方案。

進(jìn)化優(yōu)化算法需要花費(fèi)數(shù)小時(shí)來(lái)“進(jìn)化”出好的設(shè)計(jì)，而工程師只需花費(fèi)幾秒鐘就能意識(shí)到仿真是錯(cuò)誤的，當(dāng)這種情況發(fā)生時(shí)，科學(xué)家和工程師需要修復(fù)錯(cuò)誤。因此，雖然進(jìn)化優(yōu)化算法是有用的工具，但它們永遠(yuǎn)不會(huì)取代人類設(shè)計(jì)師。

參考文獻(xiàn)：

[1]米切爾M，泰勒C. E. 1999 進(jìn)化計(jì)算:概述

[2]霍恩比，格洛布斯，林登，D.羅恩，J. 2006 自動(dòng)天線設(shè)計(jì)與進(jìn)化算法 萊斯頓弗吉尼亞州:美國(guó)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(gòu)建從業(yè)者可以信任的遺傳算法

[4]王帥發(fā)，鄭金華，胡建杰等．自適應(yīng)偏好半徑劃分區(qū)域的多目標(biāo)進(jìn)化方法 ．軟件學(xué)報(bào)，2017 ，28(10) ：2704－2721）

[5]邱飛岳，吳裕市，邱啟倉(cāng)，王麗萍 ．基于雙極偏好占優(yōu)的高維目標(biāo)進(jìn)化算法 ．軟件學(xué)報(bào)，2013 ，24(3) ：476－489)

[6]鞏敦衛(wèi)，劉益萍，孫曉燕等 ．基于目標(biāo)分解的高維多目標(biāo)并 行進(jìn)化優(yōu)化方法． 自動(dòng)化學(xué)報(bào)，2015 ，41(8) ：1438－1451

END

作者：不是穿9號(hào)的四分衛(wèi) 青島科技大學(xué) 機(jī)器人及智能制造技術(shù)專業(yè)研究生

審核專家：陳明威 青島科技大學(xué)機(jī)電學(xué)院