高級人工智能第十三章第1頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能2內(nèi)容13.1概述13.2進化系統(tǒng)理論的形式模型13.3達爾文進化算法13.4遺傳算法13.5遺傳算法的理論基礎13.6遺傳算法的改進13.7遺傳機器學習—分類器系統(tǒng)13.8桶鏈算法13.9規(guī)則發(fā)現(xiàn)系統(tǒng)13.10進化策略13.11進化規(guī)劃第2頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能313.1概述進化計算是通過模擬自然界中生物進化機制進行搜索的一種算法。第3頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能4發(fā)展歷史進化計算的研究起源于20世紀50年代。1965年，Holland首次提出了人工遺傳操作的重要性，并把這些應用于自然系統(tǒng)和人工系統(tǒng)中。大約在同一時期：Rechenberg和Schwefel提出了進化策略。Fogel提出了進化規(guī)劃。第4頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能5發(fā)展歷史

1967年，Bagley在他的論文中首次提出了遺傳算法這一術語，并討論了遺傳算法在自動博弈中的應用。1970年，Cavicchio把遺傳算法應用于模式識別中。第一個把遺傳算法應用于函數(shù)優(yōu)化的是Hollstien。

第5頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能6發(fā)展歷史1975年是遺傳算法研究的歷史上十分重要的一年。這一年，Holland出版了他的著名專著《自然系統(tǒng)和人工系統(tǒng)的適應性》該書系統(tǒng)地闡述了遺傳算法的基本理論和方法，并提出了對遺傳算法的理論研究和發(fā)展極為重要的模式理論（schematatheory），該理論首次確認了結構重組遺傳操作對于獲得隱并行性的重要性。同年，DeJong完成了他的重要論文《遺傳自適應系統(tǒng)的行為分析》。他在該論文中所做的研究工作可看作是遺傳算法發(fā)展過程中的一個里程碑，這是因為他把Holland的模式理論與他的計算使用結合起來。

第6頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能7發(fā)展歷史1989Goldberg對遺傳算法從理論上，方法上和應用上作了系統(tǒng)的總結。1990年，Koza提出了遺傳規(guī)劃（GeneticProgramming）的概念。（用于搜索解決特定問題的最適計算機程序）第7頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能8遺傳算法與自然進化的比較自然界染色體基因等位基因(allele)染色體位置(locus)基因型(genotype)表型(phenotype)遺傳算法字符串字符,特征特征值字符串位置結構參數(shù)集,譯碼結構第8頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能9新達爾文進化理論的主要論點個體是基本的選擇目標;隨機過程在進化中起重大作用,遺傳變異大部分是偶然現(xiàn)象;基因型變異大部分是重組的產(chǎn)物,特別是突變;逐漸進化可能與表型不連續(xù)有關;不是所有表型變化都是自然選擇的必然結果;進化是在適應中變化的,形式多樣,不僅是基因的變化;選擇是概率型的,而不是決定型的。第9頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能10進化計算的三大主流板塊Holland提出的遺傳算法(GeneticAlgorithm)。Rechenberg和Schwefel提出的進化策略(EvolutionaryStrategies)。Fogel提出的進化規(guī)劃(EvolutionaryProgramming)，又稱為進化程序設計。本章將著重介紹遺傳算法，對進化策略和進化規(guī)劃只作簡單介紹。第10頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能1113.2進化系統(tǒng)理論的形式模型進化在個體群體中起作用。瓦鋌頓(Waddington)指出基因型和表型之間關系的重要性(Waddington1974)。群體禁止異構環(huán)境。但是“后生環(huán)境”是多維空間。表型是基因型和環(huán)境的產(chǎn)物。然后表型通過異構“選擇環(huán)境"發(fā)生作用。注意，這種多維選擇環(huán)境與后生環(huán)境空間是不同的?，F(xiàn)在，適應性是表型空間和選擇環(huán)境空間的產(chǎn)物。它經(jīng)常被取作一維，表示多少子孫對下一代作出貢獻?；谶@種想法，莫楞貝(Muhlenbein)和肯德曼(Kindermann)提出了一種稱為進化系統(tǒng)理論的形式模型(Muhlenbein1989)。第11頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能12

進化系統(tǒng)理論的形式模型進化的主要過程后生環(huán)境遺傳操作符選擇環(huán)境gp第12頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能13進化系統(tǒng)理論的形式模型其中，g是基因型

p是表型?；騡i的可能值稱為等位基因。在門德爾(Mendel)遺傳學中，假設每個基因有有限數(shù)的等位基因。第13頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能14進化系統(tǒng)理論的形式模型這個變換函數(shù)給出了模型，說明表型的發(fā)展是通過基因與環(huán)境的交互作用。變換過程是高度非線性的。第14頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能15進化系統(tǒng)理論的形式模型質量函數(shù)q給出了具體選擇環(huán)境ESi下表型的質量，其定義如下：質量定義適應度，用于達爾文選擇。至今已有三種具體范例的通用模型，即

門德爾遺傳學

遺傳生態(tài)學

進化配子第15頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能16

門德爾遺傳學在門德爾遺傳學中，基因型被詳細模型化，而表型和環(huán)境幾乎被忽略。在遺傳生態(tài)學中恰好相反。進化配子論是從社會生物學導出的模型。首先讓我們討論門德爾遺傳學的選擇模型。為了簡單起見，我們假設一個基因具有n等位基因a1,…,an。二倍基因型以元組(ai,aj)為特征。我們定義pi,j

為總群體中基因型(ai,aj)的頻度。假設基因型與表型相等。質量函數(shù)給每個表型賦值。

q(ai,aj)=qi,jqi,j可以被解釋為出生率減去死亡率第16頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能17

門德爾遺傳學假設p’i,j是下一代表型(ai,aj)的頻度。然后達爾文選擇根據(jù)選擇方程調(diào)整表型的分布:是群體的平均適應度。第17頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能18

門德爾遺傳學設

pi

是群體中等位基因的頻率。如果

pi,j=pipj那么，我們得到在

GS中的一個選擇方程為

第18頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能19

門德爾遺傳學這個離散的選擇方程可以用連續(xù)方程近似:

如果qi,j=qj,i,那么第19頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能20

門德爾遺傳學這個方程很容易被證明:這個結果稱作菲希爾(Fisher)基本定理。它說明平均適應度隨適應度的差別呈正比例增加。實際上，全部可能的基因型僅有一部分實現(xiàn)。這就是遺傳操縱子探索基因型空間的任務，其個體數(shù)目相當小。這些操縱子是群體遺傳變異性的來源。最重要的操縱子是突變和重組。第20頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能2113.3達爾文進化算法根據(jù)定量遺傳學，達爾文進化算法采用簡單的突變/選擇動力學。達爾文算法的一般形式可以描述如下：

是一代的雙親數(shù)目，為子孫數(shù)目。整數(shù)

稱作“混雜”數(shù)。如果兩個雙親混合他們的基因，則=2。僅

是最好的個體才允許產(chǎn)生子孫。逗號表示雙親們沒有選擇，加號表示雙親有選擇。

第21頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能2213.3達爾文進化算法建立原始種體。通過突變建立子孫。選擇：返回到步驟(1)?！?2頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能23 遺傳算法思想來源于生物進化過程,它是基于進化過程中的信息遺傳機制和優(yōu)勝劣汰的自然選擇原則的搜索算法(以字符串表示狀態(tài)空間)。遺傳算法用概率搜索過程在該狀態(tài)空間中搜索，產(chǎn)生新的樣本。13.4遺傳算法第23頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能24遺傳算法的特點特點：通用魯棒次優(yōu)解、滿意解遺傳算法能解決的問題：優(yōu)化NP完全NP難高度復雜的非線性問題第24頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能25遺傳算法遺傳算法先將搜索結構編碼為字符串形式,每個字符串結構被稱為個體。然后對一組字符串結構(被稱為一個群體)進行循環(huán)操作。每次循環(huán)被稱作一代,包括一個保存字符串中較優(yōu)結構的過程和一個有結構的、隨機的字符串間的信息交換過程。類似于自然進化，遺傳算法通過作用于染色體上的基因尋找好的染色體來求解問題。第25頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能26

遺傳算法與自然界相似，遺傳算法對求解問題的本身一無所知，它所需要的僅是對算法所產(chǎn)生的每個染色體進行評價，并基于適應值來選擇染色體，使適應性好的染色體有更多的繁殖機會。在遺傳算法中，位字符串扮演染色體的作用，單個位扮演了基因的作用，隨機產(chǎn)生一個體字符串的初始群體，每個個體給予一個數(shù)值評價，稱為適應度，取消低適應度的個體，選擇高適應度的個體參加操作。常用的遺傳算子有復制、雜交、變異和反轉。第26頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能27遺傳算法與傳統(tǒng)優(yōu)化算法的主要不同遺傳算法不是直接作用在參變量集上,而是利用參變量集的某種編碼;遺傳算法不是從單個點,而是在群體中從一個點開始搜索;遺傳算法利用適應值信息,無需導數(shù)或其它輔助信息;遺傳算法利用概率轉移規(guī)則,而非確定性規(guī)則。第27頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能28遺傳算法的準備工作確定表示方案;確定適應值的度量;確定控制該算法的參數(shù)和變量;確定怎樣指定結果及程序運行結束的標準。第28頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能29基本遺傳算法基本遺傳算法(SimpleGeneticAlgorithm:SGA)又稱為簡單遺傳算法，只使用選擇算子、交叉算子和變異算子這三種基本的遺傳算子。其遺傳操作簡單、容易理解，是其它遺傳算法的雛形和基礎?；具z傳算法的構成要素：1、染色體編碼方法：首先必須對問題的解空間進行編碼，使之能用遺傳算法進行操作。較常用的是二進制編碼方法，現(xiàn)在使用非二進制編碼的也逐漸增多。2、適應度函數(shù)（fitnessfunction，又稱為適應值／適值函數(shù)）用來評價一個染色體的好壞。第29頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能30基本遺傳算法的構成要素3、遺傳算子?選擇算子(selection)：又稱為復制算子。按照某種策略從父代中挑選個體進入下一代，如使用比例選擇、輪盤式選擇。?交叉算子(crossover)：又稱為雜交算子。將從群體中選擇的兩個個體，按照某種策略使兩個個體相互交換部分染色體，從而形成兩個新的個體。如使用單點一致交叉。?變異算子(mutation)：按照一定的概率（一般較?。淖?nèi)旧w中某些基因的值。第30頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能31雜交操作舉例10220201[NoOffspring]Pt.ofinterchange[Crossover][Parents][Offspring]1110###0#1##0111##0001##11#010##1000#00####110#01##10####100100100##011161711110##11#0001###0#0001##11##00####11#00####110#01##10#000##01111#01##10#第31頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能32變異操作簡單的變異操作過程如下:每個位置的字符變量都有一個變異概率,各位置互相獨立。通過隨機過程選擇發(fā)生變異的位置：產(chǎn)生一個新結構,其中是從對應位置的字符變量的值域中隨機選擇的一個取值。可以同樣得到。第32頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能33反轉操作簡單反轉操作的步驟如下:從當前群體中隨機選擇一個結構從中隨機選擇兩個數(shù)i’和j’,并定義i=min{i',j'},j=max{i',j'};顛倒a中位置i、j之間的部分,產(chǎn)生新的結構第33頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能34基本遺傳算法的構成要素4、運行參數(shù)N：群體大小，即群體中包含的個體的數(shù)量。T：遺傳算法終止的進化代數(shù)。Pc：交叉概率，一般取為0.4～0.99。Pm：變異概率，一般取為0.0001～0.1。第34頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能35基本遺傳算法隨機產(chǎn)生一個由固定長度字符串組成的初始群體;對于字符串群體，迭代地執(zhí)行下述步驟，直到選種標準被滿足為止：計算群體中的每個個體字符串的適應值;應用下述三種操作(至少前兩種)來產(chǎn)生新的群體:復制:把現(xiàn)有的個體字符串復制到新的群體中。雜交:通過遺傳重組隨機選擇兩個現(xiàn)有的子字符串,產(chǎn)生新的字符串。變異:將現(xiàn)有字符串中某一位的字符隨機變異。把在后代中出現(xiàn)的最高適應值的個體字符串指定為遺傳算法運行的結果。這一結果可以是問題的解(或近似解)。第35頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能36基本遺傳算法流程圖GEN=0概率地選擇遺傳操作隨機創(chuàng)建初始群體計算群體中每個個體的適應值i:=0顯示結果結束GEN:=GEN+1是是否（轉下頁）i=N?GEN=M？1第36頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能37概率地選擇遺傳操作根據(jù)適應值選擇一個個體完成交叉i:=i+1i:=i+1復制個體p(r)選擇（接上頁）基于適應值選擇兩個個體把新的兩個孩子加到群體中p(c)交叉變異p(m)把新的孩子加入到群體中完成變異根據(jù)適應值選擇一個個體把變異后個體加入到群體中1第37頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能38輪盤式選擇首先計算每個個體i被選中的概率然后根據(jù)概率的大小將將圓盤分為n個扇形，每個扇形的大小為。選擇時轉動輪盤，參考點r落到扇形i則選擇個體i。......p1p2pir第38頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能39單點一致交叉首先以概率pc從種群中隨機地選擇兩個個體p1、p2。在{1,2,...,l}內(nèi)隨機選擇一個數(shù)i,作為交叉的位置，稱為交叉點。然后將兩個個體交叉點后面的部分交換。例如：

0110101100011001100111000110011100101100第39頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能40一致變異以概率pm對種群中所有個體的每一位進行變異。對于個體pi的第j位，在[0,1]的范圍內(nèi)隨機地生成一個數(shù)r,如果r<pm,則對第j位取反，否則保持第j位不變。第40頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能41遺傳算法舉例問題：求（1）編碼：

此時取均長為5，每個染色體（2）初始群體生成：群體大小視情況而定，此處設置為4，隨機產(chǎn)生四個個體：編碼：01101，11000，01000，10011解碼：1324819適應度：16957664361（3）適應度評價：第41頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能42（4）選擇：選擇概率個體：01101，11000，01000，10011適應度：16957664361選擇概率：0.140.490.060.31選擇結果：01101，11000，11000，10011（5）交叉操作：發(fā)生交叉的概率較大哪兩個個體配對交叉是隨機的交叉點位置的選取是隨機的（單點交叉）0110101100110001101111000110011001110000遺傳算法舉例第42頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能43（6）變異：發(fā)生變異的概率很小（7）新群體的產(chǎn)生：保留上一代最優(yōu)個體，一般為10%左右，至少1個用新個體取代舊個體，隨機取代或擇優(yōu)取代。11000，11011，11001，10011（8）重復上述操作：說明：GA的終止條件一般人為設置；

GA只能求次優(yōu)解或滿意解。分析：按第二代新群體進行遺傳操作，若無變異，永遠也找不到最優(yōu)解——擇優(yōu)取代有問題。若隨機的將個體01101選入新群體中，有可能找到最優(yōu)解。遺傳算法舉例第43頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能4413.5遺傳算法的理論基礎13.5.1模式的定義遺傳算法的理論基礎是遺傳算法的二進制表達式及模式的含義。模式是能對染色體之間的相似性進行解釋的模板。[定義1]設GA的個體,記集合則稱為一個模式，其中＊是通配符。即模式(schema)是含有通配符(*)的一類字符串的通式表達。每個“*”可以取“1”或者“0”。第44頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能45模式舉例模式*10101110與以下兩個字符串匹配：010101110110101110而模式*1010＊110與以下四個字符串匹配：010100110010101110110100110110101110第45頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能46模式的定義[定義2]一個模式s的階是出現(xiàn)在模式中的“0”和“1”的數(shù)目，記為o(s)。如：模式“0****”的階為1，模式“10*1*”的階為3。[定義3]一個模式s的長度是出現(xiàn)在模式中第一個確定位置和最后一個確定位置之間的距離，記為。如：模式“01***”的長度為1，模式“0***1”的長度為3。第46頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能47

模式定理假定在給定的時間步t,一個特定的模式s在群體P(t)中包含由m個代表串，記為m=m(s,t)。首先，我們暫不考慮交叉和變異操作。每個串根據(jù)適應值的大小獲得不同的復制概率。串i的復制概率為：（1)第47頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能48

模式定理則在群體P(t+1)中，模式s的代表串的數(shù)量的期望值為：其中，表示模式s在t時刻的所有代表串的適應值的均值，稱為模式s的適應值。（2）第48頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能49

模式定理若記P(t)中所有個體的適應值的平均值為：（3）則(2)式可以表示為：第49頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能50

模式定理(3)式表明，模式s的代表串的數(shù)目隨時間增長的幅度正比于模式s的適應值與群體平均適應值的比值。即：適應值高于群體平均值的模式在下一代的代表串數(shù)目將會增加，而適應值低于群體平均值的模式在下一代的代表串數(shù)目將會減少。假設模式的適應值為,其中c是一個常數(shù)，則(3)式可寫為：第50頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能51

模式定理（4）上式表明，在平均適應值之上（之下）的模式，將會按指數(shù)增長（衰減）的方式被復制。第51頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能52

模式定理復制的結果并沒有生成新的模式。因而，為了探索搜索空間中的未搜索部分，需要利用交叉和變異操作。下面先探索交叉對模式的影響。模式s1=“*1****0”和s2=“***10**”交叉會改變模式的一部分，模式的長度越長，被破壞的概率越大。第52頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能53

模式定理假定模式s在交叉后不被破壞的概率為ps，則：若交叉概率為pc,則s不被破壞的概率為第53頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能54模式定理（5）所以，再考慮交叉時，(3)式可表示為最后，考慮變異算子對模式的影響。變異算子以概率pm隨機地改變個體某一位的值。只有當o(s)個確定位的值不被破壞時，模式s才不被破壞。第54頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能55模式定理模式s在變異后不被破壞的概率：Pm<<1,可近似地表示為第55頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能56模式定理（6）因此，考慮交叉和變異時，(3)式可表示為第56頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能57模式定理由(6)我們得到一個重要的定理。[定理1]模式定理(SchemaTheorem)適應值在群體適應值之上的、長度較短的、低階的模式在GA的迭代中將按指數(shù)增長方式被復制。第57頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能58積木塊假設Holland和Goldberg在模式定理的基礎上提出了“積木塊假設”(BuildingBlockHypothesis):低階、長度較短、高于平均適應度的模式(積木塊)在遺傳算子的作用下，相互結合，能生成高階、長度較長、適應度較高的模式，并得到全局最優(yōu)解。第58頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能59遺傳算法的收斂性分析算法的收斂性可以定義如下：定義：若算法在t時刻的種群xt滿足則稱算法收斂到x0。關于遺傳算法的收斂性，Michalewicz證明了基于壓縮原理的收斂性定理。而Rudolph證明了基于Markov鏈的收斂性定理。第59頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能60

遺傳算法的改進遺傳算法的局限性：遺傳算法得到了廣泛應用，但也暴露了一些問題，如：遺傳算法在解決某些問題時速度較慢；遺傳算法對編碼方案的依賴性較強，算法的魯棒性不夠好等。這些問題主要歸結為：（1）上位(epistasis)效應上位效應包括兩個方面：多基因性和基因多效性。第60頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能61

遺傳算法的改進（2）編碼方案最初使用最多的是二進制位串，但此類編碼并不適合一些實際問題。現(xiàn)在人們已經(jīng)探索了許多其它方案，如浮點表示、樹形表示等等。（3）積木塊假設積木塊假設是否成立，是否一定存在短的、低階的、高適應值的積木塊？若構成問題最優(yōu)解的所有低階模式的適應值都較低，這是GA很難收斂到最優(yōu)解，此類問題稱為“欺騙問題”。第61頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能62

遺傳算法的改進（4）早熟收斂即GA收斂到一個局部最優(yōu)解。Schraudolph和Belew提出“動態(tài)參數(shù)編碼”方案來解決早熟收斂問題。關于遺傳算法的一些改進措施，有興趣的同學可查找相關資料。第62頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能63

遺傳機器學習－分類器系統(tǒng)機器學習是人工智能的一個重要研究領域，也是人工智能的一個重要的應用領域。遺傳機器學習(GeneticsBasedMachineLearning,GBML)時將遺傳算法與機器學習系統(tǒng)相結合的產(chǎn)物。第63頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能64遺傳機器學習系統(tǒng)的一般框架任務子系統(tǒng)學習子系統(tǒng)任務檢測器……任務效應器執(zhí)行效應器執(zhí)行檢測器第64頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能65匹茲堡方法和密西根方法遺傳機器學習有兩種重要的實現(xiàn)方法：一種是由匹茲堡(Pittsburgh)大學的DeJong和他的學生Smith提出的。該方法用整個規(guī)則集合表示一個個體，GAs維護一個包含一定數(shù)目的候選規(guī)則集的種群。這種方法稱為匹茲堡方法。第65頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能66匹茲堡方法和密西根方法另一種方法是由密西根(Michigan)大學的Holland和他的學生Reitman提出的。該方法每個個體表示一條規(guī)則，而整個種群就是規(guī)則集。這種方法稱為密西根方法。Holland提出的分類器系統(tǒng)采用的是密西根方法。第66頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能67分類器系統(tǒng)Holland和他的同事提出了一種分類器系統(tǒng)的認知模型,其中的規(guī)則不是規(guī)則集,而是遺傳算法操縱的內(nèi)部實體。圖11.3給出了分類器系統(tǒng)的一般結構,從分類器系統(tǒng)看學習,它由三層動作構成,即執(zhí)行子系統(tǒng)、信用賦值子系統(tǒng)和發(fā)現(xiàn)子系統(tǒng)。第67頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能68

分類器系統(tǒng)發(fā)現(xiàn)[遺傳算法]信用賦值[桶鏈]執(zhí)行[分類器系統(tǒng)]消息來自輸入接口支付消息送出輸出接口（目標）來自內(nèi)部監(jiān)控器的消息圖11.3分類器系統(tǒng)的一般結構第68頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能69分類器系統(tǒng)

執(zhí)行子系統(tǒng)處在最低層,直接與環(huán)境進行交互。它與專家系統(tǒng)相同,由產(chǎn)生式規(guī)則構成。但是,它們是消息傳送,高度平行。這類規(guī)則稱作分類器。

分類器系統(tǒng)中的學習,要求環(huán)境提供反饋,確認所希望的狀態(tài)是否達到。系統(tǒng)將評價這些規(guī)則的有效性,這些活動常常稱作信用賦值。有些特定算法專門用來實現(xiàn)信用賦值,例如,桶鏈算法。

最后一層是發(fā)現(xiàn)子系統(tǒng),該系統(tǒng)必須產(chǎn)生新的規(guī)則,取代當前用處不大的規(guī)則。通過系統(tǒng)累積的經(jīng)驗產(chǎn)生規(guī)則。系統(tǒng)根據(jù)適應值,使用遺傳算法選擇、重組和取代規(guī)則。第69頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能70分類器系統(tǒng)分類器系統(tǒng)是平行執(zhí)行、消息傳遞和基于規(guī)則的系統(tǒng)。在簡單的方案中,消息采用規(guī)定的字母,全部為固定長度。全部規(guī)則采用條件/動作形式。每個條件規(guī)定必須滿足的信息,每個動作規(guī)定當條件滿足時所發(fā)送的消息。為了方便,假設消息采用長度為l的二進制字符串記錄,字符采用子集{1,0,#}。第70頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能71規(guī)則與消息產(chǎn)生式規(guī)則：IF<條件>THEN<動作>約定：條件的長度是固定的，用二進制數(shù)表示。定義：Ifsj=1orsj=0,thenmj=sjIfsj=#,thenmjcanbeeither1or0.第71頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能72規(guī)則與消息滿足要求的全部消息構成子集,即每個子集是在消息空間的一個超平面。分類器系統(tǒng)是由一組分類器{C1,C2,…,CN}、一個消息表、輸入接口、輸出接口構成。每部分的主要功能如下:

(1)輸入接口將當前環(huán)境狀態(tài)翻譯成標準消息。

(2)分類器根據(jù)規(guī)則,規(guī)定系統(tǒng)處理消息的過程。

(3)消息表包含當前全部消息。

(4)輸出接口將結果消息翻譯成效應器動作,修改環(huán)境狀態(tài)。第72頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能73分類器系統(tǒng)的基本結構分類器消息表(a)全部消息進行條件測試條件消息規(guī)約輸出接口送到環(huán)境輸入接口來自環(huán)境(a)(b)(b)選中分類器產(chǎn)生新消息第73頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能74分類器基本算法將輸入接口全部消息放入消息表。將消息表中的全部消息與全部分類器所有條件比較,記錄所有匹配。滿足分類器條件部分的每組匹配,將其動作部分所規(guī)定的消息送到新的消息表。用新的消息表取代消息表中的全部消息。將消息表中的消息翻譯成輸出接口的要求,產(chǎn)生系統(tǒng)當前的輸出。返回到步驟(1)。第74頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能75簡單的視覺分類器系統(tǒng)視覺向量視野運動向量對象檢測器11110…消息第75頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能76性質檢測器規(guī)定的值1，如果移動對象0，其它(0,0)，如果對象在視野的中間(1,0)，如果對象在中心的左邊(0,1)，如果對象在中心的右邊1，如果系統(tǒng)是對象的近鄰0，其它1，如果對象很大0，其它1，如果對象是狹長的0，其它第76頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能77規(guī)則表示規(guī)則：IF如果有“捕食(prey)”(small,moving,nonstripedobject),處于視野中間(centered),非鄰近(nonadjacent),THEN迅速移向對象(ALIGN),(FAST).可以表示為：00#########000001/0100000000000000,ALIGN,FAST.第77頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能78網(wǎng)絡圖[MOVING][SMALL][NOTSTRIPED][NEAR][FAR]01001[ALERT]10001[TARGET]11001[PORSUE]11010[APPROACH]11011[FLEE]11100[FREEZE]10010[DANGER]第78頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能79網(wǎng)絡圖的規(guī)則表示MOVING和ALERT之間的箭頭：00#############1/01001###########SMALL，NOTSTRIPEDandALERT到TARGET的箭頭：00########00####，01001###########/10001###########第79頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能80學習機制分類器系統(tǒng)使用兩個學習機制，桶鏈(bucketbrigade)算法?；趯ο到y(tǒng)的貢獻,對現(xiàn)有規(guī)則分配一個信用值。規(guī)則發(fā)現(xiàn)算法。這包括遺傳算法，該算法可產(chǎn)生新規(guī)則，用于改善系統(tǒng)的知識庫。第80頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能81

桶鏈算法桶鏈(bucketbrigade)算法基于對系統(tǒng)的貢獻,對現(xiàn)有規(guī)則分配一個信用值。主要解決多條規(guī)則同時要求被激活時的競爭問題。例如：下面的情況下應該選擇哪條規(guī)則。0111→01##：0000→##00：0001→00#0：1100第81頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能82主要問題引入信用值后的兩個問題：當多條規(guī)則同時要求被激活時，如何解決競爭問題對一規(guī)則被激活產(chǎn)生過作用的那些規(guī)則如何分配信用第82頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能83桶鏈算法為解決上述兩個問題，引入拍賣行和票據(jù)交易所：當有多個分類器獲得匹配時，每個分類器要出一個與其強度成正比的叫價B叫價高的分類器被激活并允許發(fā)送消息，同時通過票據(jù)交易所,將其叫價B提供給激活的分類器。如此繼續(xù)下去，一條規(guī)則可通過消費者獲利（增加了強度），通過規(guī)則的不斷激活形成一條消費者鏈，直至最終消費者（達到目標）直接從環(huán)境中得到補償。若鏈中一條規(guī)則導致錯誤結論，則序列上該規(guī)則的強度將減弱，并且沿著序列回溯，從而產(chǎn)生新的消費者鏈第83頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能84舉例環(huán)境0111，強度為0，叫價系數(shù)為0.1。索引號 分類器 強度1 01##：0000 2002 00#0：1000 2003 11##：1000 2004 ##00：0001 200第84頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能85第一步分類器 強度消息匹配叫價01##：0000200E2000#0：100020011##：1000200##00：0001200第85頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能86第二步分類器 強度消息匹配叫價01##：0000180000000#0：100020012011##：1000200##00：0001200120兩條規(guī)則同時激活第86頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能87第三步分類器 強度消息匹配叫價01##：000022000#0：1000180110011##：1000200220##00：00011800001218第87頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能88第四步分類器 強度消息匹配叫價01##：000022000#0：100021811##：10001801000##00：0001162316第88頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能89第五步分類器 強度消息匹配叫價強度01##：000022022000#0：100021821811##：1000196196##00：00011460001206規(guī)則4達到目標獲得補償60。第89頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能90投標改變分類器的強度在時間t滿足C送去消息的分類器對在t-1作用的分類器投標在時間t對分類器C的支持第90頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能91分類器中的遺傳算法遺傳算法可產(chǎn)生新規(guī)則，用于改善系統(tǒng)的知識庫?？梢栽谌N情況下應用GA：引入一個參數(shù)T（時間間隔），用于控制何時使用GA。特殊情況時（如消息的條件都不能匹配）使用GA。系統(tǒng)的性能太差。第91頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能92算法步驟t=0，隨機生成集合Bt，|Bt|=M（大?。?；計算Bt中全體分類器的平均強度Vt，對每個分類器賦予一個標準強度St(Cj)/Vt；給Bt中的每個分類器Cj賦予一個與其標準強度成正比的概率，并根據(jù)Bt中的概率分布，從Bt中選取n個分類器，n<<M；對每個分類器應用交叉算子，生成2n個分類器；將Bt中的2n個強度最低的分類器用新生成的2n個取代；t=t+1，轉(2)。第92頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能93算法說明算法中S0(Cj)是預知的；實現(xiàn)時考慮結束條件；該算法是經(jīng)典GA的變種，其中沒有變異算子；新分類器的強度是由舊分類器的強度決定的。第93頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能94分類器強度調(diào)整算法將與所選動作相同的分類器形成子集[M]，稱作動作集[A]。將不在[M]中的其它分類器放在集合NOT[A]中。在[A]中的全部分類器強度減少一個分數(shù)e。如果系統(tǒng)決策正確，則將贏利量R分配給[A]的強度;如果系統(tǒng)決策錯誤，則將贏利量R'(其中0≤R'≤R)分配給[A]的強度，從[A]的強度減少一個分數(shù)p。至少R'和p中的一個為0。從NOT[A]中的強度減去一個分數(shù)t。第94頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能95

規(guī)則發(fā)現(xiàn)系統(tǒng)在規(guī)則發(fā)現(xiàn)系統(tǒng)中,學習經(jīng)常是首先評價系統(tǒng)現(xiàn)有的規(guī)則質量,然后進行修改。Grefenstette研制了一種規(guī)則發(fā)現(xiàn)系統(tǒng)RUDI。問題求解級由簡化的分類器系統(tǒng)組成。學習級是對知識結構群體進行遺傳算法操作,每一個表示為一組規(guī)則表。知識結構的整個行為控制這些結構的復制。在RUDI中,信用賦值方法贏利共享規(guī)劃(Profit-SharingPlan,簡稱PSP)和桶鏈算法(BBA)對每個規(guī)則提供互補的效用信息。根據(jù)期望的外部獎勵,PSP-強度對規(guī)則效用提供更精確的評估。當問題求解時它被用作沖突消解。與此相反,BBA-強度表示規(guī)則之間的動態(tài)相關性,規(guī)則點火依次會聚到相似水平。這種測度可以用作一組協(xié)作規(guī)則的聚類。

第95頁，共106頁，2023年，2月20日，星期四2023/5/9史忠植高級人工智能96

規(guī)則發(fā)現(xiàn)系統(tǒng)

Grefenstette提出一種強度修改方案稱作嬴利共享規(guī)劃PSP。在這種方案中問題求解劃分成情節(jié),按所接受的外部獎勵區(qū)分。如果任何步情節(jié)在投標競爭中獲勝,則認為該規(guī)則在該情節(jié)活動。在情節(jié)t,PSP修改每個活動規(guī)則Ri的強度Si(t)如下:

S