人工生命算法的研究进展

人工生命算法(ALA)是一种新兴的演化算法,利用人工生命群体的突现聚类实现全局寻优.近些年来,对基于人工生命系统的新型分布式算法进行了研究,算法的应用潜力在多个领域得到展现.算法不需要梯度信息,可用于多个类型的优化领域.本文对人工生命算法的研究进展进行了较为详细的介绍,并且对今后的研究方向进行了展望.     

混合人工生命系统与粒子群算法的优化算法

提出-种混合人工生命系统和粒子群算法的优化算法.算法包括两个阶段,第1阶段创建人工生命系统,系统中的人工生物有感知系统,它们可以发现所需要的资源,并新陈代谢,人工生物之间互相交互,导致整个系统出现突现集群现象.通过人工生命系统形成的突现集群给粒子群算法提供优良的初始位置.第2阶段使用粒子群算法进一步寻找优化的最佳结果.最后以著名的Rosenbrock函数为例来证明该算法的优化能力,实验数据表明,该优化算法是有效的.     

人工生命与人工生命计算

论文从人工生命的角度定义了人工生命计算的概念,提出了人工生命计算的一般框架。人工生命计算是一种以人工生命为形式、研究人工生命的信息表达和处理机制,提取相应的计算模型,嵌入相应的计算方法模拟自然界生物进化过程与信息处理机制来求解与优化问题的智能计算方法。同时对人工生命计算的理论基础包括遗传算法、人工神经网络、自动机理论、L-系统、智能体和多智能体系统和计算生态学等进行了概述;并对两种典型的人工生命计算方法进行了初步的研究。最后说明了人工生命计算的特点及目前的应用领域。人工生命计算具有非常显著的特点和优点,在科学和工程的诸多实际应用领域具有广泛的应用前景。     

人工生命浅谈

1987年兰顿首次提出了人工生命的概念,定义“人工生命是研究人工系统来模拟自然生命系统行为特性的学科”,经过20年的发展,人工生命的独立学科地位已经得到国际学术界的广泛承认,正在逐渐成为学术研究的热点之一,人工生命的研究兴趣在于对生命系统行为特性的仿生,学科中应使用由下而上合成的方法,以使人工系统具有很好适应性、灵活性。本文将介绍人工生命起源、重要概念和发展趋势等方面的内容。     

生命的仿真--人工生命

介绍了人工生命学科产生的背景、发展历程以及C．Langton关于人工生命的定义、研究内容和研究方法,重点介绍了人工生命中自发“突现”的概念。对C．Langton的主要学术观点进行了归纳与述评,系统总结了人工生命研究领域的主要研究成果。指出人工生命学科研究类似生命行为和现象的发生及其信息处理机制,其成果在工程技术领域有良好应用前景。     

生物工程人工生命的科学技术基础

生物工程人工生命的科学技术基础包括材料技术型生物医学工程和组织工程等。文章着重论述材料技术型生物医学工程、组织工程与生物工程人工生命BEAL的关系,并对材料技术型生物医学工程、组织工程、人工组织、人工器官做扼要评述。     

人工生命在计算机图形学中的应用

首先介绍了细胞自动机和L-系统在计算机图形建模中的应用,然后重点综述三维物理模拟环境中虚拟生物形态和行为共进化的研究进展,并对不同的编码策略进行了比较;最后讨论了智能虚拟环境中的人工生命及其艺术化问题。     

群体智能与人工生命

群体智能和人工生命是正在迅速发展的新兴研究领域.它们通过对自然界生命现象的模拟,在不同层次上揭示生命现象和进化规律,为复杂系统的复杂行为建模与仿真提供了新的思路.本文分别对人工生命和群体智能进行了综述,分析了两者的区别与联系,并对人工生命和群体智能的未来发展趋势进行了展望.     

人工生命：计算机与生物学交叉的前沿学科

人工生命是具有生命特征的人工系统,是探索生命复杂性的一门新兴交叉性前沿学科.它试图在计算机或其他人工媒介上,以综合的方法研究具有生命本质特征的复杂系统的动态发展过程.本文详细介绍了人工生命的概念、产生过程、发展历史、基本思想以及目前主要的研究方向,指出人工生命为人们揭示自然生命的最本质特征和演化的最基本规律提供了新思路和新方法.     

人工生命与广义人工生命

该文评述了C.Langton的“人工生命”学科定义、“人工生命”综合方法论和“人工生命”突现演化观。同时还评论了涂序彦的“广义人工生命”观、“广义人工生命”的应用前景及“广义人工生命”的综合与分析相结合方法论。     

人工生命

人工生命是一类具有生命特征，以自适应、自组织为主要特征的一类复杂系统，其研究成果可广泛用于生物学及计算机科学等许多工程领域。文中介绍了人工生命的产生背景、定义、研究内容、研究方法、理论基础、研究意义及与人工智能等相关学科的区别，以便全面深入地理解它。     

The Effect of Evolution in Artificial Life Learning Behavior

In this paper, we add learning behavior to artificial evolution simulation and evaluate the effect of learning behavior. Each individual establishes its own neural network with its genetic information. Also, we propose a reward function to take reinforcement learning in a complicated and dynamically-determined environment. When the individual-level learning behavior was introduced, evolution of each simulation model got faster and the effectiveness of evolution was significantly improved. But the direction of evolution did not depend on learning and it was possible to affect the forms of evolution through reinforcement learning. This provides the mechanism that can apply the artificial life technique to various fields.     

人工生命概述

介绍人工生命的研究与发展,指出人工生命的研究方法及其与之密切相关的基本理论,最后结合个人的观点给出了人工生命的研究方向。     

遗传算法在人工智能领域中的应用

该文介绍了遗传算法的基本概念、基本遗传算法的特点和基本遗传算法的求解步骤,同时也介绍了遗传算法在机器学习、并行处理、人工生命以及遗传算法与进化规则及进化策略的结合的发展动向,最后讨论了基于遗传算法的人工神经网络学习中的应用研究,具体论述了遗传算法在学习神经网络权重和学习神经网络拓扑结构的应用方法。     

人工生命的研究平台综述

人工生命的研究平台是用计算机软件产生自然生命的现象和特征的仿真系统。文中给出了人工生命研究平台的概念,介绍了目前人工生命的几个研究平台。通过分析这几个平台的优缺点,提出了未来研究平台的构架。     

人工生命研究综述

详细综述了人工生命的产生、发展，回顾了有关人工生命科学的重要国际会议，着重介绍了人工生命研究的重要思想以及人工生命的研究领域，并阐述了人工生命的应用发展情况，特别在智能优化计算与仿真领域等的重要应用．人工生命的研究有助于揭示生命的本质，探索生命的起源，为生物学研究提供新的途径，具有重要的科学意义．