本文所有内容和截图均来自学堂在线
如何解决局部最优问题
不能将一个n维问题随意分解为n个一维问题(dependence )
引入并行搜索解决方案
进化计算实现全局优化能力的途径有：
基于种群，减小初始点的影响
并行搜索，疏而不漏
动态调整，合理分配搜索资源
变异，优势互补
进化计算领域的三个主要会议是：
中央电视台
GECC
PPSN
以下关于进化计算说法不正确的是：
要求导出目标函数
要求目标函数是凸函数
要求目标函数的定义域是凸集
目标函数需要明确的公式
以下哪些措施有助于保持遗传算法搜索过程的稳定性：
埃里克史密斯
( ) Strategy
采用大种群
Rouletee Wheel Selection容易引起胜利者获胜的现象
在Tournament Selection中，每次参加PK的个体越多：
强势个体受益越大，弱势个体受益越小
遗传算法的参数主要包括：
杂交率
变异率
群落的大小
选择运算符
遗传算法参数调整的方法有：
根据经验设定固定值
设计启发式机制，动态调整参数值
针对具体问题，通过少量实验寻找合适的参数值
*在遗传程序中，个体的表现形式为**树
**遗传编程中个体的大小： **可能随杂交操作而变化
在遗传程序设计中对两个完全相同的个体进行杂交：
有意义，有可能产生新的个体
有意义。 因为杂交点的选择会不对称
在Evolutionary Arts中，最具挑战性的环节是适应度函数
关于进化计算描述正确的是：
它可以用来模拟和分析自然界的演化过程
可用于解决各种工程优化问题
它包含了从自然中获得灵感的各种算法
一切事物都会进化
一个真正的智能的系统应具有以下特征：
自我学习，可进化
不需要要人的具体指导
可以超出设计者的能力范畴