发帖
雷达卡
在自然界中，每个生物或物种都有可能穿过自己独特的路径来满足MC。例如，细菌生殖活力的发展路径远远短于哺乳动物的复杂性。此外，个体与其他组织群体之间的相互作用导致每个物种通向MC的通路。从这个角度来看，提出了最小标准共演化（MCC）作为双重群体共演化算法;然而，鉴于其非正统的评估过程和奖励机制，它不属于传统类别的合作或竞争共同演化。达人是，一个人的个人根据另一个人的成败没有得到回报;相反，他们只是因为对MC的满意而被选为父母。这个过程的一个显着特征是，它在个人之间没有排名（也就是说，他们满足MC或不满足），需要一种没有偏见的选择方法。已经证明在人造生命中有效的一种这样的方法是将人口存储在Chromaria人造生命世界中称为“父队列”的固定大小的队列中[26]。队列按照插入顺序保留满足MC的个人，并且队列指针指向下一个人的位置进行再现。如果指针到达队列的末尾，它将简单回绕到开头。另外，如果插入新的个人超过了队列的容量，队列中最老的个人将被删除以腾出空间。此设置总体上确保添加到队列中的每个人都至少有一次重现的机会。除此之外，没有任何人认为任何候选人比任何其他人都更好。这种不可知论意味着，只要满足MC，该算法将保持许多发散路径同时开放而不会收敛。大多数进化算法开始随机生成人口的进化;然而，队列成员资格要求满足MC需要特别注意MCC初始化。特别是，随机生成的个人不太可能会遇到一个不平凡的MC，从而拒绝进入任何一个人口队列。因此，每个群体队列必须经历引导过程，其中适用的群体队列所需的种子基因组的必需数量是预先发展的（新颖搜索用作本文中的引导）。 MCC的选择过程与稳态进化算法非常相似;然而，其绝对的绩效指标（即MC）允许大量的群体并行评估（其适合度不需要计算或比较）。这种自由促进了分布式执行模式，其中评估分布在多个节点上，允许MCC在模拟进化过程时缩放。算法1使MCC选择，评估和删除过程正式化，其交替地应用于两个共同的群体。除了这种基本的MCC算法之外，形态可以作为轻量级的方法被引入以维持多样性。它是轻量级的，因为与其他QD算法不同，它可以完全基于基因组，而不需要表征或比较实际的表型或行为。虽然来自给定群体的个体仍然物理存储在队列结构中，但是根据其遗传相似性将其聚类成单独的逻辑组或物种，并用物种标识符进行标记。给定种群的种子基因组构成这些物种群的重心。此外，队列容量在物种之间均匀分布，使得每个物种i具有等于容量的最大尺寸（i）= n / s，其中n是群体中个体的数量，s是物种数量。在具体的版本中，不是简单地将下一批个人列入队列顺序，而是从每个物种聚合一个比例数量的个体进行再现（尽管队列插入顺序仍然指示选择的顺序）。回想一下，只有满足MC的个人才能排队。满足MC的批次的后代随机添加到队列中，但也分配给具有最大遗传相似性的物种。 如果任何物种由于指定了春季而超出了其能力，那么签署给这些物种的最老的个体就被排除在队列之外。 该过程还确保队列保持等于或低于容量。 总体而言，希望两国人民通过漂移实际上分歧，但是，MC将迫使他们只相互进行更好的互动，产生一个连续的，几乎是开放式的过程。 实验中将讨论物种化对这一过程的重要性。
京公网安备 11010802022788号
