進化算法

來自 站酷網 的圖片

進化算法，或稱「演化算法」 (evolutionary algorithms) 是一個「算法簇」，儘管它有很多的變化，有不同的遺傳基因表達方式，不同的交叉和變異算子，特殊算子的引用，以及不同的再生和選擇方法，但它們產生的靈感都來自於大自然的生物進化。與傳統的基於微積分的方法和窮舉法等優化算法相比，進化計算是一種成熟的具有高魯棒性和廣泛適用性的全局優化方法，具有自組織、自適應、自學習的特性，能夠不受問題性質的限制，有效地處理傳統優化算法難以解決的複雜問題。

起源發展

進化計算包括遺傳算法(Genetic Algorithms)、遺傳規劃（Genetic Programming）、進化策略(Evolution Strategies)和進化規劃(Evolution Programming)4種典型方法。第一類方法比較成熟，現已廣泛應用，進化策略和進化規劃在科研和實際問題中的應用也越來越廣泛。

從二十世紀40年代起，生物模擬就構成了計算科學的一個組成部分，像早期的自動機理論，就是假設機器是由類似於神經元的基本元素組成的，它向人們展示了第一個自複製機模型。這些年來諸如機器能否思維、基於規則的專家系統是否能勝任人類的工作，以及神經網絡可否使機器具有看和聽的功能等有關生物類比的問題已成為人工智能關注的焦點。最近生物計算在機器昆蟲和種群動態系統模擬上所取得的成功激勵越來越多的人們致力於人工生命領域的研究。當今計算機科學家和分子生物學家已開始攜手進行合作研究，並且類比也得到了更為廣泛的應用。

自然界生物體通過自身的演化就能使問題得到完美的解決。這種能力讓最好的計算機程序也相形見拙。計算機科學家為了某個算法可能要耗費數月甚至幾年的努力，而生物體通過進化和自然選擇這種非定向機制就達到了這個目的。

近三十年的不斷的研究和應用已經清楚地表明了模擬自然進化的搜索過程可以產生非常魯棒的計算機算法，雖然這些模型還只是自然界生物體的粗糙簡化。進化算法就是基於這種思想發展起來的一類隨機搜索技術，它們是模擬由個體組成的群體的集體學習過程。其中每個個體表示給定問題搜索空間中的一點。進化算法從任一初始的群體出發，通過隨機選擇(在某些算法中是確定的)、變異和重組(在某些算法中被完全省去)過程，使群體進化到搜索空間中越來越好的區域。選擇過程使群體中適應性好的個體比適應性差的個體有更多的複製機會，重組算子將父輩信息結合在一起並將他們傳到子代個體，變異在群體中引人了新的變種。

目前研究的進化算法主要有三種典型的算法：遺傳算法、進化規劃和進化策略。這三種算法是彼此獨立發展起來的，遺傳算法由美國J.Holand創建，後由K.De Jong，J.Grefenstette，D.Goldberg和L.navis等人進行了改進；進化規劃最早由美國的L·J·Fogel，A.J.Owens和M.J.walsh提出，最近又由D.B.Fogel進行了完善；進化策略是由德國的I·Reehenberg和H.p.Sehwefel建立的。

群體搜索策略和群體中個體之間的信息交換是進化算法的兩大特點。它們的優越性主要表現在:首先，進化算法在搜索過程中不容易陷入局部最優，即使在所定義的適應度函數是不連續的，非規則的或有噪聲的情況下，它們也能以很大的概率找到全局最優解；其次，由於它們固有的並行性，進化算法非常適合於巨量並行機；再者，進化算法採用自然進化機制來表現複雜的現象，能夠快速可靠地解決非常困難的問題；此外，由於它們容易介人到已有的模型中並且具有可擴展性，以及易於同別的技術混和等因素，進化算法目前已經在最優化、機器學習和並行處理等領域得到了越來越廣泛的應用。1993年德國Dortmound大學的等人在一份研究報告中搜集了篇有關進化算法的應用的科技文獻。

基本簡介

統計圖是利用點、線、面、體等繪製成幾何圖形，以表示各種數量間的關係及其變動情況的工具。表現統計數字大小和變動的各種圖形總稱。其中有條形統計圖、扇形統計圖、折線統計圖、象形圖等。在統計學中把利用統計圖形表現統計資料的方法叫做統計圖示法。其特點是：形象具體、簡明生動、通俗易懂、一目了然。其主要用途有：表示現象間的對比關係；揭露總體結構；檢查計劃的執行情況；揭示現象間的依存關係，反映總體單位的分配情況；說明現象在空間上的分布情況。一般採用直角坐標系．橫坐標用來表示事物的組別或自變量x，縱坐標常用來表示事物出現的次數或因變量y；或採用角度坐標(如圓形圖)、地理坐標(如地形圖)等。按圖尺的數字性質分類，有實數圖、累積數圖、百分數圖、對數圖、指數圖等；其結構包括圖名、圖目(圖中的標題)、圖尺(坐標單位)、各種圖線(基線、輪廓線、指導線等)、圖注(圖例說明、資料來源等)等。

統計學與數據分析過程可大致分為兩個組成部分：定量分析方法（Quantitative techniques）和圖解分析方法（graphical techniques）。定量分析方法是指那套產生數值型或表格型輸出的統計學操作程序；比如，包括假設檢驗、方差分析、點估計、可信區間以及最小二乘法回歸分析。這些手段以及與此類似的其他技術方法全都頗具價值，屬於是經典分析方面的主流。

另一方面，還有一大套我們一般稱之為圖解分析方法的統計學工具。這些工具包括散點圖、直方圖、概率圖、殘差圖（residual plot）、箱形圖、塊圖以及雙標圖。探索性數據分析（Exploratory data analysis，EDA）就密切地依賴於這些手段以及與此類似的其他技術方法。圖解分析操作程序不僅僅是在EDA背景下才使用的工具；在檢驗假設、模型選擇、統計模型驗證、估計量（estimator）選擇、關係確定、因素效應判定以及離群值檢出方面，此類圖解分析工具還可以作為最佳捷徑，用來深入認識數據集。此外，優質的統計圖形還可以作為一種令人信服的溝通手段，用來向他人傳達存在於數據之中的基本訊息。

圖解式統計學方法具有四個方面的目標：⑴探究數據集的內容；⑵用於發現數據之中的結構；⑶檢查統計學模型之中的假設；⑷溝通傳達分析結果。

如果不採用統計圖形，也就會喪失深入認識數據基礎結構之一個或多個方面的機會。

用途介紹

統計圖是根據統計數字，用幾何圖形、事物形象和地圖等繪製的各種圖形。它具有直觀、形象、生動、具體等特點。統計圖可以使複雜的統計數字簡單化、通俗化、形象化，使人一目了然，便於理解和比較。因此，統計圖在統計資料整理與分析中占有重要地位，並得到廣泛應用。在解答資料分析測驗中有關統計圖的試題時，既要考察圖的直觀形象，又要注意核對數據，不要被表面形象所迷惑。

統計圖一般由圖形、圖號、圖目、圖注等組成。在行政職業能力測驗中常見的有條形統計圖、扇型統計圖、折線統計圖和網狀統計圖。