下载掌阅APP，畅读海量书库
立即打开
地球上生活着多种多样的生物，其诞生源自一股神秘而强大的进化力量。
提起进化，不得不谈到查尔斯·达尔文（Charles Darwin）在1869年发表的著作《物种起源》。达尔文所提出的“自然选择”学说，论证了物种的产生与消亡是自然历史发展的结果。所有的物种为了生存，都会相互竞争，而真正判定输赢的规则只有一个——能否适应环境。
既然进化的力量如此强大，我们是否可以利用它来造福人类呢？答案是肯定的。早在上千年前，人们就开始筛选具有高产特性的作物，以人工代替自然，使生物向着对人类有利的方向进化。与之类似，随着现代计算机的发展，诸如“深度学习”之类的人工智能（AI）技术得到了蓬勃的发展。而在众多的AI技术当中，进化计算（evolutionary computation）正扮演着日益重要的角色。
进化计算，顾名思义，就是利用计算机模拟进化过程，将要解决的问题当作进化目标，试图“进化”出问题的最优解。20世纪60年代，进化计算的思想在三个地方分别被发展起来。美国的劳伦斯·福格尔（Lawrence Fogel）提出了进化编程（evolutionary programming） ［18］ ，而来自美国密歇根大学的约翰·霍兰德（John Holland）则借鉴了达尔文的进化论，将基因交叉变异、自然选择等机制抽象成了遗传算法（genetic algorithms） ［19］ 。在德国，因戈·雷兴伯格（Ingo Rechenberg）和汉斯-保罗·施韦费尔（Hans-Paul Schwefel）提出了进化策略（evolution strategies） ［20］ 。
进化计算从一组随机产生的种群出发，仿效生物的遗传方式，采用交叉、变异等操作，繁衍出下一代种群，并通过提前设定好的进化目标，根据种群中不同物种个体对自然环境的适应度，对个体进行选择，使更接近进化目标的物种个体生存下来，并进入下一代的繁衍。如此反复迭代循环，种群不断逼近设定的进化目标（图2-4）。而这一切，都由计算机自动模拟完成。
图2-4 进化计算的基本框架
那么，进化计算到底能做什么呢？
这取决于所设定的进化目标。可以认为进化目标是一个优化函数，而进化的目的是求得这个函数的最优解。例如，日本新干线的N700系列车头就由进化计算辅助设计完成，其中进化目标是获得更小的风阻。有趣的是，这个长得像“长鼻子”的车头，不仅阻力较低，还能大幅降低外部噪声，尤其是解决了隧道中的音爆问题。可见，进化的力量不可小觑。不过，其“威力”远不止如此。
近年来，著名的美国科技公司优步（Uber）成立了专门研究进化计算的实验室，通过一系列算法设计及训练，成功地在计算机中“进化”出了直立行走的行为（图2-5） ［21］ 。
图2-5 在计算机中模拟“进化”出的可以直立行走的“小人”
南方科技大学的“进化机器智能（EMI）”课题组基于进化计算理论方法，在单/多目标优化、学习模型驱动优化、进化神经网络架构搜索三个领域提出了多种解决方法。成功应用于混合动力车控制器优化 ［22］ 、高阶高性能滤波器设计、客机翼型设计、电压互感器误差检测、超疏水材料设计优化 ［23］ 、深度神经网络架构搜索等。
进化计算能够用于众多领域，解决传统方法无法解决的问题，为提高生产效率、探索新的设计优化方案做出贡献。或许，未来我们真的能用计算机还原地球几十亿年的历史，还原恐龙灭绝的真相。
“物竞天择，适者生存”的法则不仅适用于自然界，也适用于机器。试想有一天，机器可以自我进化，这个世界将会发生怎样的变化呢？让我们拭目以待吧。
程然，南方科技大学计算机科学与工程系助理教授，英国萨里大学博士。主要研究方向有人工智能、深度学习、演化计算等，迄今已发表国际学术论文50余篇，现担任电气电子工程师学会（IEEE）人工智能会刊 Transactions on Artificial Intelligence 副编辑，曾荣获IEEE计算智能学会杰出博士论文奖。