综述韩靖:永远年轻的复杂性科学先驱——纪念"遗传算法之父"JohnHolland教授

中科院数学与系统科学研究院复杂系统研究中心韩靖

Holland教授是我们复杂系统研究中心的顾问,曾担任数学与系统科学研究院的国际学术顾问。他同时是中科院数学与系统科学研究院系统科学研究所创办的刊物JournalofSystemsScienceandComplexity的顾问,并为这个刊物的发展做出了重要的贡献。Holland教授是我们的老朋友,他曾于2002年,2004,2005,2006,2009,2010,2011,2012年访问我们研究院和复杂系统研究中心,每次来访他都举办学术报告会向我们展示他的最新想法和成果,同时他对我们复杂系统中心进行指导和学术讨论。2006年的初夏我们曾经就如何把自适应控制和复杂适应性理论相结合的问题集中讨论了一周,其中有一天晚上和他探讨到深夜十一点多。与Holland教授的讨论对我们启发很大,促使我们开启了基于博弈的控制系统的新方向。Holland教授也是我本人2003年在圣菲研究所博士后期间的指导老师,十几年的老朋友。我曾八次接待他在中国的访问,并非常有幸从2001年开始几乎每年都和他见面探讨学术以及人生的问题,保持了十几年的邮件通讯。我们痛失一位伟大的指导者、合作者和真诚的老朋友!我们表示沉痛的哀思,并衷心祈祷老先生一路走好!

适应性研究

Holland教授一生都在追寻适应性理论,从创建遗传算法,分类器系统(ClassifierSystem)、回声模型(Echo)到边界与信号模型(BoundaryandSignals),从来没有偏离过“适应性”这个主题,而“积木”(buildingblock)的概念则贯穿于他一生的研究之中,这是他通过适应性来构建复杂性的关键点。

在遗传算法中,他创造性地把生物遗传的概念首次引入计算机,给出了“积木”在通过种群交叉变异的演化过程中数量变化的“图式定理”,让计算机开始具有通过“繁衍”而适应以及学习的机制。在60-70年代计算机还出于雏形阶段大家还忙着做编译器、操作系统的时候,他已经超前地意识到计算机通过适应来学习的重要性,在当时是与主流人工智能专家系统通用问题求解的研究大相径庭的。他于1975年出版了他的开创性的著作《AdaptationinNaturalandArtificialSystems》,已被引用五万次以上,并已用几种语言出版(中文版是我中心当时的博士后张江翻译)。虽然书刚出版的时候反响不大,一开始只有Holland教授带着几个研究生单枪匹马埋头苦干,但到80年代后开始吸引了一大批研究人员。我曾于2003年随Holland先生参加遗传算法与进化计算大会(GECCO),规模达到五六百人,参会人员大多数不是他的弟子,就是徒孙,或者徒孙的弟子。遗传算法已成为一种通用的计算机优化和搜索方法,并得到广泛应用[1]。他的工作是进化计算领域的一个重大转折点[3]。

他随后出版的书《HiddenOrder:HowAdaptationBuildsComplexity》(1995年)和《Emergence:FromChaostoOrder》(1998年),则介绍了他在复杂自适应系统理论的思考和成果,在复杂系统研究领域具有极大的影响力,这两本书都被我国学者翻译成中文。他于2012年出版的书《SignalsandBoundaries:BuildingBlocksforComplexAdaptiveSystems》中,介绍了构造具有层级结构的复杂系统的两个基本要素:边界和信号。边界使得多个Agent可以形成层级结构,并且与信号一起使得系统呈现出越来越复杂的现象。这是他从生物学中得到的重要启发,这一工作又让大家感觉到他在研究思路上的一次大跳跃。在与癌症病魔作斗争的最后2年里,他还为牛津出版社编写了一本复杂系统的介绍性小书《Complexity:AVeryShortIntroduction》(2014年)。

学科交叉

Holland教授的研究是独特的,具有非常鲜明的个人特色和个人风格,是典型的学科交叉研究模式:遗传算法结合了进化理论,分类器系统则结合了经济学、心理学,回声模型结合了生态学,边界与信号模型则结合了生物学等。他本科就读于MIT的物理系,随后到密歇根大学攻读数学博士学位,在没完成数学博士论文之前,他转去一个新成立的项目“通讯科学”并获得了美国(应该是世界上)第一个真正意义的计算机博士学位。诺贝尔物理奖得主M.Gellman在他的著作《夸克与美洲豹》中是这样评价Holland的:“他清晰而风趣地解释了复杂适应系统(特别是基于计算机的CAS)的重要性质。沿此道路,他为经济学、生态学、生物演化和思维研究都提供了非常宝贵的洞见"。

兴趣和名声

关于名声,他曾在邮件里写道:“如果你不在意是否成名,而仅仅是去跟随你的内心的想法而工作,这条路是走得通的。并且,意外地,名声往往取决于原创的想法,而不是发表多少篇论文,因此长远来说,(专注于原创工作)将来成名的可能性更大。我从来不担心自己是否成名,只要我的学生们还觉得我的想法有趣就足够了。所以现在我告诉我的学生们:如果你想跟随自己的想法去做研究,就去找一个保护人,像资助达芬奇的那位贵族。”他多次跟我提到当年他的保护人就是他的博士论文导师ArthurBurks(曾经跟著名的冯诺依曼一起工作研究元胞自动机),总是在系里站出来为他说话保护他,使得他能跟从自己的兴趣去做研究,而不是进入“论文大战”。他一生中没有主动去追逐名声,不过他获了各种各样的荣誉,例如:麦克阿瑟天才奖,是美国跨领域学术最高奖项之一;莫尔电机学院颁发的Pender奖,莫尔电机学院曾制造出世界上第一台计算机;密歇根大学高级教授的最高奖项,每年全校只有一名教授获得该奖;IEEENerualNetworkSociety颁发的先锋奖;进化程序学会颁发的终身成就奖;计算机科学世界大会颁发的终身成就奖等。此外,他还是世界经济论坛成员。

THE END
1.信息检索报告(精选13篇)实习报告做完之后,结合课题,根据检索信息,写出综述文献上交。(200-300字左右) 在本次信息检索与利用实习报告结束后,我再次了解了电子商务物流问题,电子商务物流是最近几年的新兴产业,同时在电子商务物流系统中,也存在着许许多多的问题。 物流成本问题是我国B2C电子商务物流发展所要解决的首要问 https://www.liuxue86.com/a/5142179.html
2.ai论文写作带数据怎么做一、ai论文写作带数据怎么做 在人工智能(AI)领域,撰写一篇论文是非常重要的任务。论文的质量和内容对于推动AI研究的发展具有重要意义。本文将介绍如何在AI论文中引入数据,并提供一些实用的技巧和步骤。 数据的重要性 在AI研究中,数据是至关重要的。数据可以用于验证假设、训练模型以及评估算法的性能。因此,论文中充分https://tool.a5.cn/article/show/77516.html
3.利用神经网络进行文本分类算法综述(持续更新中)作者认为已有的直接使用LSTM作为文本分类模型并直接将LSTM的最后一个输出作为后续全连接分类器的方法面临两个问题:(1)这种方式一般都是与word embedding整合在一起(即输入onehot经过一个embedding层再进入LSTM),但是embedding训练不稳定,不好训练;(2)直接使用LSTM最后一个输出来表示整个文档不准确,一般来说LSTM输入中后https://www.jianshu.com/p/4c25d331f5f0
4.KNN算法余弦knn算法步骤mob6454cc76bc4a的技术博客1.1 解决监督学习中分类问题的一般步骤 1.2 什么是消极(惰性)的学习方法 2 首先从一个实例讲起 3 KNN分类算法入门 3.1.1算法综述 3.1.2算法思想 3.2 KNN三要素详解 3.2.1 关于距离的衡量方法 3.2.2 K值的选择问题 3.2.3 分类决策的准则 4 算法步骤详解 https://blog.51cto.com/u_16099315/10185817
5.优化算法综述一行代码实现16种优化算法,常用寻优算法合集及MATLAB快在已有的众多的优化算法里,生物的行为是研究者们最常模仿的对象,所以你就会经常看到狼啊、麻雀啊、鲸鱼啊,甚至还有小龙虾。 当然这些算法的解决思路都很优秀,而对优化算法的应用和改进,也是写论文中极佳的创新点——能研究出新的优化算法固然最好;就算没有,单是将参数寻优加到你的主算法流程中,也可以算是可以说https://blog.csdn.net/fengzhuqiaoqiu/article/details/136790216
6.模式识别课程报告编写(5篇)以matlab和wit分别实现k均值图像聚类算法,写明聚类类别数、聚类中心、迭代次数、运行时间,附原始图像和分类结果图像,并做实验分析。 (另起一页) 实验 三、神经网络模式识别 一、实验目的掌握利用感知器和bp网进行模式识别的基本方法,通过实验加深对基本概念的理解。 二、实验仪器设备及软件 hp d538、matlab 三、实https://www.kaoyanmiji.com/wendang/1130152.html
7.IF>3!用AI,10分钟出一稿,这才是真正的综述神器!(含教程)一篇优秀的综述,不仅聚焦了前沿热门研究方向,主题鲜明,而且需要归纳、总结、深入认识所研究的问题等大量工作。 想要完成一篇优秀的文献综述需要大量时间投入! 研一医学生,专业名词还一知半解,导师却一直Push我写文献综述,我真的连如何开始都不https://mp.weixin.qq.com/s?__biz=MzA5ODQ1NDIyMQ==&mid=2649788026&idx=2&sn=c69713a49e4dc51989882dafe6b9ff25&chksm=8935bb9240961b87e373d1f4e9aa72cfe98e7d95fc1711d1a1668f89eec48e9a72da5dbc5209&scene=27
8.Python算法从菜鸟到达人最新章节猿媛之家著算法综述 1.1 算法在计算机系统中的作用 算法是当代计算机系统中的核心内容,是否具有足够的算法知识与坚实的技术基础是区分熟练的程序员(达人)与初学者(菜鸟)的一个重要特征。下面将简单阐述什么是算法,以及为什么要学习和研究算法。 1.1.1 算法的定义 简单来说, 算法 (Algorithm)就是 定义良好 (没有公理性https://m.zhangyue.com/readbook/12612164/5.html?showDownload=1
9.硕士学位论文写作指导(1)选题布局:硕士论文一般2个创新点(博士论文是3个以上),分别对应两章的研究内容。论文题目中要有一到两个有**“神秘感”**的词,这两个词就结合了技术前沿。论文结构推荐为五章:1、绪论;2、国内外研究现状(或相关理论与技术综述);3、研究内容一;4、研究内容二;5、总结与展望。(专硕可以写一章系统设计与https://kmrvyozrlx.k.topthink.com/@oucaigroup/research_howto/thesis_writing.html
10.随机算法论文范文10篇(全文)随机算法论文 第1篇 1 贪婪随机自适应搜索过程 贪婪随机自适应搜索算法是一个多步迭代算法, 每次迭代包括两个阶段, 第一阶段为构造阶段, 产生出可行解;第二阶段为局部搜索阶段, 寻找局部最优解X, 如果X比已经搜索到的最优解Y还要好, 则用X代替Y。 https://www.99xueshu.com/w/ikeyv3n8lg0q.html
11.综述基于深度学习的目标检测算法腾讯云开发者社区综述| 基于深度学习的目标检测算法 计算机视觉是人工智能的关键领域之一,是一门研究如何使机器“看”的科学。图像目标检测又是计算机视觉的关键任务,主要对图像或视频中的物体进行识别和定位,是AI后续应用的基础。 因此,检测性能的好坏直接影响到后续目标 追踪、动作识别的性能。传统图像目标检测的滑窗法虽然简单易于https://cloud.tencent.com/developer/article/1985920
12.一篇包罗万象的嘲文本检测算法综述一篇包罗万象的场景文本检测算法综述 相关背景介绍 文本在人机交互中扮演着重要的角色, 图片中的文本所包含的丰富而精确的信息在基于视觉的设备中应用非常广泛,能够辅助设备获得更精确的物体和周边环境信息。随着智能机器人、无人驾驶、医疗诊断的飞速发展,文本的检测与识别已经成为定位和理解物体信息的重要途径[28]。https://www.elecfans.com/d/1575551.html
13.机器人比赛教学反思(通用14篇)2.4 算法综述 使用“跑位队列”与“就位队列”来就记录机器人的状态信息。处于跑位队列的机器人需要进行跑位动作;机器人处于就位队列中时,说明其已经处于“合适的队形”中。 根据3.3的阻挡判断方法可以判定机器人所处的状态。被阻挡的机器人应采用摆脱策略,此时暂不将它加入“跑位队列”;未被阻挡且不处于“就位队列”https://www.360wenmi.com/f/filer751vomx.html
14.汉语词法分析和句法分析技术综述pamire在词典规模不大的时候,各种词典查询算法对汉语词法分析的效率整体影响并不大。不过 当词典规模很大时(几十万到上百万数量级),词典查询的时空开销会变得很严重,需要 详细设计一个好的词典查询算法。 (孙茂松,2000)一文比较详细的总结了汉语词法分析中使用的几种词典查询算法。(Ah http://blog.chinaunix.net/uid-2384984-id-1989635.html
15.科学网—船舶水动力数值模拟方法的一些综述介绍,第一篇:计算流体船舶水动力数值模拟方法不断发展,水动力软件的也日新月异,更新很快,有很多专题的文章发表,但全面性的综述还需要更多的介绍。本人参考了一些资料,再结合自己多年的经验想做这方面的尝试,尽量多做全面性的综述介绍,但精力毕竟有限,广度上很难真真做到全面(比如没涉及网格产生的技术),深度上也很多停留在基本知识的介绍https://blog.sciencenet.cn/blog-3472103-1280473.html
16.整理了2024年最新顶会论文附PDF【3】文献综述和相关工作 1.文献综述的目的和价值 2.如何进行文献搜索和筛选 3.如何撰写文献综述和分析相关工作 【4】实验设计和数据收集 1.实验设计的基本原则和方法 2.数据收集和数据预处理技术 3.如何选择和使用适当的数据集 【5】算法和模型选择 https://www.eet-china.com/mp/a296832.html
17.基于深度残差网络图像分类算法研究综述①? E-mail:?csa@iscas.ac.cn http://www.c-s-a.org.cn Tel:?+86-10-62661041 ? 基于深度残差网络图像分类算法研究综述① 赵志成1,2,罗 泽1,王鹏彦3,李 健1 1(中国科学院?计算机网络信息中心,?北京?100190) 2(中国科学院大学,?北京?100049) 3(四川https://c-s-a.org.cn/csaen/ch/reader/create_pdf.aspx?file_no=7243&flag=1&year_id=2020&quarter_id=1