行为学派 进化计算

从更长的时间尺度看，生物体对环境的适应还会迫使生物进化，从而实现从简单到复杂、从低等到高等的跃迁。
约翰·霍兰（John Holland）是美国密西根大学的心理学、电器工程以及计算机的三科教授。他本科毕业于麻省理工学院，后来到了密西根大学师从阿瑟·伯克斯（Arthur Burks，曾是冯·诺依曼的助手）攻读博士学位。1959年，他拿到了全世界首个计算机科学的博士头衔。别看霍兰个头不高，他的骨子里却有一种离经叛道的气魄。他在读博期间就对如何用计算机模拟生物进化异常着迷，并最终发表了他的遗传算法。

 John Holland（1929—）

遗传算法对大自然中的生物进化进行了大胆的抽象，最终提取出两个主要环节：变异（包括基因重组和突变）和选择。在计算机中，我们可以用一堆二进制串来模拟自然界中的生物体。而大自然的选择作用——生存竞争、优胜劣汰——则被抽象为一个简单的适应度函数。这样，一个超级浓缩版的大自然进化过程就可以搬到计算机中了，这就是遗传算法。
遗传算法在刚发表的时候并没有引起多少人的重视。然而，随着时间的推移，当人工智能的焦点转向机器学习时，遗传算法就一下子家喻户晓了，因为它的确是一个非常简单而有效的机器学习算法。与神经网络不同，遗传算法不需要把学习区分成训练和执行两个阶段，它完全可以指导机器在执行中学习，即所谓的做中学（learning by doing）。同时，遗传算法比神经网络具有更方便的表达性和简单性。
无独有偶，美国的劳伦斯·福格尔（Lawrence Fogel）、德国的因戈·雷伯格（Ingo Rechenberg）以及汉斯·保罗·施韦费尔（Hans-Paul Schwefel）、霍兰的学生约翰·科扎（John Koza）等人也先后提出了演化策略、演化编程和遗传编程。这使得进化计算大家庭的成员更加多样化了。