简并中性创造了可演化的适应度景观
神经与进化计算
2009-07-03 v1 人工智能
多智能体系统
摘要
理解系统如何被设计为可演化的，对于优化、进化和复杂系统科学的研究至关重要。因此，许多研究者认识到可演化性（即找到更高适应度新变体的能力）在生物进化和进化计算领域的重要性。Ciliberti 等人（Proc. Nat. Acad. Sci., 2007）和 Wagner（Proc. R. Soc. B., 2008）的最新研究提出了系统鲁棒性与可演化性之间潜在的重要联系。特别是，有观点认为鲁棒性实际上可能导致可演化性的出现。在这里，我们研究了实现鲁棒性的两种设计原则：冗余和简并，并展示了它们对系统可演化性有着截然不同的影响。特别是，发现纯冗余系统的可演化性非常低，而具有简并性（即分布式鲁棒性）的系统可演化性可以高出几个数量级。这些结果为实现可演化性的一般原则提供了见解，并可能成为在进化计算中追求可演化表示的重要一步。
引用
@article{arxiv.0907.0328,
title = {Degenerate neutrality creates evolvable fitness landscapes},
author = {James M Whitacre and Axel Bender},
journal= {arXiv preprint arXiv:0907.0328},
year = {2009}
}