第6期 莫宏伟：自然计算研究进展 ·545 法的结合、神经网络与生物医学的结合、神经网络与 BB0)[27]、人群搜索算法[]、萤火虫算法9]、野草入 灰色系统的结合以及与其他多种智能技术结合的各 侵优化算法∞、量子群智能算法、生态系统算 种混合神经网络.代表性研究成果有：脉冲耦合神经 法「3]、化学计算[8]等新方法不断涌现，使自然计算 网络8]、神经网络集成9]等.应用技术研究不断深 家族不断壮大. 入，涉及民用和军用领域[10」 上述所有自然启发的计算可以分成：生物启发 经过40多年的发展，模糊集已经成为一个理论 的计算[3]，包括受各种生物系统启发而设计的多种 基础雄厚、学术影响深远的交叉学科.理论研究方 算法；受物理现象或规律启发的计算，包括模拟退火 面，模糊分析学、模糊代数学和模糊拓扑学等分支成 算法3、量子计算36、磁场优化算法1等；化学启 果丰硕.应用研究方面，模糊控制、模糊聚类分析、模 发的计算是利用化学反应过程实现问题求解.如果 糊模式识别、模糊神经网络和模糊专家系统等发展 从广义的角度把人类社会及思维看作是自然界生物 迅速.国际模糊集理论研究，主要集中在模糊集理 的一部分，则受人类社会启发的计算也应该看作是 论、模糊集以及与其他理论的交叉融合技术等方 自然计算的一部分，比如智能主体、形式语言等.这 面7， 3种类型的计算的共同特征具有较高的智能性， 在上述3种经典自然启发的计算算法基础上， 自然启发的计算实际上是自然计算的一部分 从20世纪90年代起，基本每10年左右就会涌现一 根据文献[38]的观点，自然计算内容扩展如图1所 批新的自然计算方法，20世纪90年代初代表性的 示.主要包括3方面：1)受自然启发，用现代计算机 有蚁群算法(ant colony optimization,AC0)[2]、粒 高级编程语言来实现，应用范围广泛；2)利用现代 子群算法(partice war optimization,PS0)【B)、免 计算机建立自然系统的模型和仿真系统，研究自然 疫算法4、文化算法16、DNA计算u、细胞膜计 界及生物本身，如人工生命、人工植物；3)利用生物 算1s1o]、Memetic算法o),前2种算法又形成一个新 或物理、化学性能或机制设计能够突破冯氏计算机 的自然计算分支—群体智能，其中粒子群算法影 结构限制的装置、设备，如分子计算机、生物计算机、 响最大[21).2000年以后的10年，人工免疫系统发展 量子计算机、光子计算机等.本文限于篇幅，不能一 迅速a1,这一时期，人工鱼群算法(artificial fish 一阐述所有自然计算内容，只以生物启发的计算中 swarm optimization,AFS0)[2s4、细菌觅食算法 相对更为活跃的群体智能以及效率更高的分子计算 (bacteria algorithm,BA）)I2s]、蜂群算法s]、生物地理 为重点，阐述自然计算发展的趋势、特点以及存在的 优化算法(biogeography-based optimization algorithm, 问题，并对未来的发展方向进行探讨. 自然计算 白然启发的计算 自然仿真或模拟 利用白然物质计算 生物启发的计算 人工生命 DNA分子 遗传算法 人工世界 莎 菌 人工神经网路 人工社会 细 胞 模制系统 人工动物 行机分子 人工免疫系统 人工植物 化学反应 群智能 量 子 物理启发的计算 电 化学启发的计算 光 子 补会启发的计算 图1自然计算的内容 Fig.1 Content of natural computing