编码细菌:进化数学行为

我不想在我的博客上放一个链接,但我没有任何其他方法来解释我真正的意思。这篇文章很长,分为三部分( 1 , 2 , 3 但是如果你好奇的话,值得一读。

很久以前(至少5年),我编写了一个生成“数学细菌”的python程序。这些细菌是具有简单的基于操作码的遗传代码的python对象。您可以向它们提供一个数字,它们根据代码的执行返回一个数字。我随机生成它们的基因代码,并对那些产生类似于预先定义的期望值的结果的对象应用环境选择。然后我让它们复制,引入突变,并进化它们。结果很有趣,因为他们的基因代码基本上学会了如何解简单的方程,即使对于训练数据集的值不同。

现在,这只是一个玩具。我有时间浪费,我想满足我的好奇心。 然而,我认为,在研究方面,已经有了一些东西……我希望在这里重新发明轮子。你有没有意识到像我编程的那样在硅细菌中进行更严重的创造尝试?

请注意,这不是真正的“遗传算法”。遗传算法是利用进化/选择来改进参数向量与给定的评分函数。这有点不同。我优化了 代码 不是参数,而是针对给定的评分函数。