第4章 可演进性

可演进性可以直观地理解为进化的能力，也就是一个种群有能力产生比现有个体更优的个体^[1]。可演化性作为进化算法性能的衡量标准，对进化的适应性过程是非常有必要的，因为适应性不仅取决于子代比父代优的程度，而且取决于它们自身的适应性，也就是说可演进性关注的是子代适应度值的整体分布。由于即使在随机搜索中，子代也有可能比父代性能更优，因此良好的进化算法要求的是子代适应度值分布的上尾部比随机搜索的尾部更宽。但是这种更优的条件并不需要所有的子代都比父代性能更优，只需要整个种群的平均性能更优，因为这是种群进化的方向。换句话说，遗传算子对表征的作用需要在父代的表现和他们子代的适应度值分布之间产生高度的相关性。

可演进性可以看作是测量进化算法中最“局部”的或者最细粒度的性能表现，而算法一次或多次运行的结果则属于更“全局”，更大层面上性能表现。随着种群的进化，子代适应度值的分布可能会发生变化，算法的总体性能在于当种群在向全局最优的方向进化时，同时能保持住种群的可演进性。

尽管可演进性的概念与算法进化群体的能力有关，而且主要是算法性能的度量，但从特定的搜索算子或者策略的角度看，它也是适应度地形的一个特征。适应度地形的可演进性指给定的搜索过程能够移动到更好地适应度值的地形的能力，也可以称为可搜索性^[2]。此定义方式已经拓展了可演进性的范围，不再单单指的是进化算法，而是任意的搜索过程。可演进性问题的特征，却是针对特定的搜索策略才有意义的。一个问题可能就某个算法表现出高的可演进性，但换一种算法就表现出了低的可演进性。关注于可演进性的适应度地形分析技术主要包括适应度进化肖像、适应度云、负斜率系数和适应度概率云。