第1章　種群、計分和選擇

本章要點：

• 種群；
• 精英；
• 計分；
• 選擇；
• 選擇算法的可伸縮性。

人工智能（Artificial Intelligence，AI）編程通常會求出問題的解。在求解方面，AI編程與傳統(tǒng)計算機編程沒有太大不同，但在人工智能中，解的發(fā)現(xiàn)過程更加抽象和自動化。人工智能中的解通常表示為支持向量機（Support Vector Machine，SVM）、神經(jīng)網(wǎng)絡(luò)、隨機森林、遺傳程序、隱馬爾可夫模型等。總之，這些AI技術(shù)被稱為模型。模型接受輸入并產(chǎn)生適當(dāng)?shù)捻憫?yīng)。我們的大腦是終極模型。

我們經(jīng)常會將許多不同的模型作為一個種群來處理。為了解決問題，許多算法使用了模型的種群。我們在動物界中看到了種群的價值，某些物種通過協(xié)作來求生存，如鳥兒群集在一起尋找食物，狼通常成群捕獵。從這個意義上講，種群可以視為一個群體。種群也可以隨著時間的流逝而不斷演化，以適應(yīng)其環(huán)境。例如，解的一個小種群可能會找到通過一些城市的最短路徑。然而，并非所有種群的使用都是這樣漸進的。種群中一些較小的部分可以自己組織起來解決問題。例如，一個程序可能經(jīng)過許多世代來演化一個公式，從而更好地解釋數(shù)據(jù)。

種群是必要的，但必須有一種方法來為其成員計分。例如，在人類社會中，我們一直在根據(jù)大學(xué)錄取、職位晉升和工作項目來互相評估。在AI中，計分允許程序比較種群中的兩個競爭解，以便選擇最好的一個。此外，計分在求最終解的許多選擇形式中都發(fā)揮著作用。

選擇是針對特定任務(wù)選擇種群成員的過程。在自然界中，當(dāng)非常適合其環(huán)境的生物生存、繁殖并延續(xù)該物種時，選擇過程就發(fā)生了，這是自然選擇。AI同時使用正面和負(fù)面的選擇形式，選擇得分較高的解，以幫助找到更好的解，而終止得分較差的解，以便為更好的解讓路。

本章將討論種群、計分和選擇。你將看到針對每個主題的幾種方法。這些概念為第2章奠定了基礎(chǔ)，在第2章中，我們將利用選定的解來找到更好的解。