和朋友们探讨。［寻底贴图］［方法贴图］［好文］［国外好文］
“人工生命”的研究及展望*张永光
中国科学院系统科学所研究员
摘要: 本文介绍了近十年发展起来的一个新方向──人工生命。这是一类具有生命特征的系统, 是以进化为主要特征的一大类具体的复杂系统。其动力学研究是复杂性科学的一部分。本文扼要地介绍了目前国际与国内的研究进展，并对推动我国这一领域的研究提出了相关的建议．
关键词: 生命科学 人工生命进化 复杂性 系统论
一. 引言
生物系统是一个典型的复杂系统。群体进化论，随机漂变等学说是基于生物学基础的理论学说，然而它们所揭示的规律在自然科学和社会科学方面都具有普遍的意义。随着进化，生物日趋复杂，其形态，遗传信息，等等都更加丰富和高级。进化遵循着简单的规则，这些简单的规则促使生物进化系统自组织，自适应；随机的因素使得确定性的进化趋势有着不确定的进化的途径。虽然进化、遗传、新陈代谢等概念通常是生物学上的概念，然而，这并不仅仅限于生物系统，实际上，社会的发展、经济系统、新产品新技术等社会性的系统也具有类似于生物系统的典型特征。它们都是开放的，宏观有序的，随机性的，具有自组织和自我调控等功能的进化中的复杂系统。于是，用生命科学的观点来研究具有生命特征和演化特征的系统，或者说人工生命研究领域的出现，也就成为必然的了．
二.“人工生命”的诞生
“人工生命”(Artificial Life) 的概念是在1987年由美国Santa Fe Institute (简称SFI) 教授 C.Langton 首先提出来的。经过了苦苦的探索，C. Langton从当时流行的生命游戏中悟到了一大类具有生命特征的系统的存在性，初步给出了这种系统的的描述并命名为人工生命。1987年他在美国的 Los Alamas 召开了第一次人工生命研讨会，与会有一百六十多名科学家, 他们用自己的工作展示了多种可在电脑上演示的具有生命特征的系统，以及他们对人工生命的理解。
这十年来，这个领域受到了越来越多的关注，吸引了系统科学、计算机科学、人工智能、控制科学、生物科学、机器人科学、经济学、哲学以及人类学等领域众多的专家学者投入研究。如今，在美国、欧洲及日本这方面的研究最为活跃。美国的Santa Fe Institute 和 MIT 以及日本的 ATR有专门的实验室研究人工生命的课题。 当前，主要有三个专门的系列学术研讨会，一个是 Artificial Life (AL)，由美国 SFI 主办了三次国际研讨会 (1987,1989,1992),由MIT主办了一次(1994), 1996年5月日本的 ATR 在奈良主办了第五次人工生命研讨会，1998年美国在旧金山举行了第六次人工生命研讨会，这个系列的研讨会命名为 ALIFE I，ALIFE II，...，ALIFE VI。欧洲很快就响应了这个新领域的挑战，分别在1991、1993、1995 年及1997年召开了四次关于人工生命的研讨会，这个系列的研讨会被命名为 European Conference on Artificial Life (ECAL)。日本追上稍晚，但其特点是把人工生命的研究紧密地和进化机器人的研究结合在一起，于1996年2月、1997年1月、1998年1 月及 1999年 1月四次得到文部省及产业部门的巨额资助，召开了Artificial Life and Robotics (AROB)系列国际研讨会。除此以外，IEEE也曾召开内容基本相同的国际会议:Evolutionary Computation 及 Simulation and Adaptive Action Conference。从上述介绍的频繁的国际学术活动，可以看到这个领域的研究是多么受到关注和挑战性！1997年9月在北京举行的“人工生命与进化机器人研讨班”(Seminar/Workshop on Artificial Life and Evolutionary Robotics)是国内的第一次活动。
三. "人工生命"研究什么问题?
生物化学家们在实验室里用人工的方法合成出蛋白质，国外称这种生命为“湿”生命。而系统学家则更重视生命的信息本质。不管是否有蛋白质这种媒体，如果某个信息过程类似从 DNA 中解码得到基因，而它又控制着整个的信息处理过程，再现生命的某些特征，为什么不可以说这也是一种“生命”呢？人工生命的出现就是出于这样的一种考虑。
我们知道，生命科学是研究生命现象的科学。它以地球上的碳水化合物为基础的生命为研究对象，因为在我们生活的地球环境中，只有这样一种以蛋白质为基础的生命形式。目前地球上生存的生物，经历了漫长的时期，由非生命物质到生命物质，由简单的形式到复杂的形式，这样一步一步演化而来的。生物体，尤其是人体，其结构、功能精妙得让人惊讶。脑、意识、细胞、器官等的行为都吸引人们去探索。生物学告诉我们，生物体具有新陈代谢、遗传、变异、生长、死亡等生命现象, 生命系统是一个复杂系统，其整体能出现不同于各个部分的迭加的涌现特性，生命既具有物质代谢过程, 同时，也在进行着遗传信息的世代传递，是一个信息的特殊处理过程。
其实，科学家们希望用非蛋白质的媒体表现生命的基本形式已经很久了，当时还不知道DNA的秘密。早在四十年代，杰出的数学家和物理学家 John Von Neumann 就开始对机器是否能自我复制这个问题产生了浓厚的兴趣。在五十年代，Penrose就讨论过用机械的方法制造可以自繁殖的机器。人工生命的开拓者试图建构一些生命形式，他们认为蛋白质仅仅是生命的一种载体，生命完全可以采用另外的载体。他们建构的生命形式，其中一部分表现出有新陈代谢，遗传，进化，变异，适应性，生存竞争等生命现象，例如 T.Ray 提出的数字生命(Tierra)；或者，他们试图把从生命现象得到的启示运用于开辟具有类似于生命特征的复杂的信息处理系统，比如说“人工脑”和“进化机器人”的研究。
C. Langton 认为人工生命是“研究那些具有自然生命现象的人造系统”；“人工生命是这样的一个研究领域: 致力于去抽象出生命现象的基本动力学原理，并把这些原理运用到别的媒体--比如说计算机--使得它们进入到这些媒体实现操纵和接受检验。除了为地球上已知的生命形式(life-as-we-know-it)提供新的研究方法外，人工生命允许我们去探索更广泛的可能生命(life-as-it-could-be)的领域”；“可以说人工生命的整体代表了一种尝试，这种尝试极大地提高了综合性方法在生物学研究中的作用”。T.Ray 也说:“人工生命用非生命的元素去建构生命现象以了解生物学，而不是把自然的生物体分解成各个单元，它是一种综合性方法而不是还原的方法”。
综合起来，人工生命是研究那些具有生命特征的人工系统。实际上, 有许多系统符合这种要求,数字的，机械的，社会的。并且这些系统可以进行旨在表现地球上以及各处的生命系统原理以及组织的实验。同时，人工生命的许多研究致力于理解我们所知道的生命形式--地球上的生命--以寻求得到生命形式 (并不局限于某种特定的载体) 的普遍特征。从这种意义上讲，人工生命的开拓者把地球上的生命仅仅看成是一种具有特定载体--蛋白质--的特定生命形式，地球上的生命进化也仅仅代表一种特定的进化途径。他们认为可以用别的物质来构造另类载体的生命形式，赋予它们生命的特征，使其具有进化，遗传，变异等等生命现象，得到生命的普遍行为。特别需要指出的是，人工生命并非是对于生命系统的模拟和仿真。对于人工生命的研究者而言，它们也是一种生命，只是用不一样的载体而已，而载体并不是最重要的。他们强调综合, 综合性方法在很多学科中都是一个重要的工具，合成化学物质极大地丰富了对于化学现象的理论理解，那么对于生命现象，从以往用分解的方法纯生物地研究生物体各部分的性能转化为到用另类载体从整体上研究生命的普遍特征，无疑也是一个巨大的进步。而且，人工生命的巨大魅力还在于，为当今正在兴起的复杂性理论提供了一种实验手段。
从近五年发表的论文来看，当前国际上关于人工生命的研究概括地有如下方面：
（1）数字生命的研究
所谓数字生命专指那些以电脑为工具和媒体，电脑程序为生命个体的人工生命的研究。这方面以 T.Ray 的数字生命世界 Tierra 为代表，还有许多相关的研究。
Thomas S. Ray 是一位生物学家，进化论学者，他把生物学上有关机体进化的概念引进到计算机领域，用数字计算机所提供的资源：RAM单元，CPU时间以及操作系统为他的数字生命提供一个生存环境。他设计的数字生命以数字为载体，探索进化过程中所出现的各种现象、规律以及复杂系统的突现行为。数字生命利用CPU时间来组织其在存储单元中的行为。数字生命以一定的计算机程序的形式存在于RAM环境之中，数字生命为占据CPU运行时间、存储空间而通过相应的竞争策略相互竞争。一个“生命”必须被设计为适合在这样的环境中生存的某种数字代码程序。这个程序能够自我复制，并且直接被CPU执行，这些机器代码能够直接触发CPU的指令系统以及操作系统的服务程序。通过对资源的占有来体现它在进化过程中的优势地位。
在Tierra的运行中，随着世代的推移生命体呈现出复杂的现象，种类日趋增多，同时单“细胞”往“多细胞”方式进化，形成自己的生态环境。在生命的进化过程中,曾经出现过物种大爆炸的情况，Tierra的运行在某种程度上表现了物种爆炸的情形。体现了在一个复杂性剧增的时期都有相应的进化曲线的跃变行为。复杂性的增加还体现在多细胞化的进程当中。如今，Tierra 运行于全球150多个网络环境之中，其复杂程度还在继续增大。同时,它遵循着遗传和进化的规律，为考查生物的进化现象和为复杂系统的研究提供了一个实验手段。数字生命的研究确实在电脑屏幕上演示出了生命的许多深刻的特征。
数字生命的研究中一个重要的模型是元胞自动机（ Cellular Automata）。一类特殊的二维元胞自动机是布尔网络。其每个元胞都是一个布尔自动机，即每个元胞状态为1 或 0，当元素的连接是随机的且每个自动机的转换函数也是随机确定的时候，就得到随机布尔网络。随机布尔网络表现出比较复杂的突现行为。A. S. Kauffman深入地研究了随机布尔网络。
（2）数字社会
Joshua M.Epstein 和 Robert Axtell 在计算机上创立了一个数字社会 Sugarscape。这个人工社会是用来研究文化和经济的进化过程。他们认为一个人工社会是一个这样的计算机模型，它包含：1)一群具有自治能力的行为者；2)一个独立的环境；3)管理行为者之间、行为者与环境之间、以及环境各个不同要素之间相互作用的规则。人工社会的行为者是一个能够随着时间发生变化或者具有适应性的数据结构。每个行为者具有遗传特性、文化特性、以及管理它与环境和其它行为者之间的规则。其中，行为者的遗传特性在其生命期间是固定的。人工社会是由各个行为者自我组织形成的，由各个行为者在简单规则的支配下，与人工环境交互作用突现形成的。
（3）数字生态环境
挪威的 Keith Downing提出了名为 EUZONE 的一个进化的水中的虚拟生态环境，目的是提供一个观察生态系统是如何从原始状态进化以及复杂生态系统突现行为的实验手段。它利用具体的物理和化学模型，结合进化规则建构以碳元素为基础的水中生态环境，可以观擦到低等动物的形体的进化及生存的竞争。EUZONE(euphotic zone)是浮游生物生存的地方，具有足够的能源进行光合作用。在这个区域，蓝藻等利用太阳能和别的无机物产生碳水化合物以及蛋白质，促使水中生物的出现，形成最低层次的食物链以及大多数别的水中生物的基础。EUZONE具有两个基本过程：环境的模拟和生物的进化。前者尽量反映真实世界的物理、化学以及生物之间的相互作用。生物进化由GP和GA来实现。
（4）人工脑(Artificial Brain)
日本ATR的进化系统部（Evolutionary Systems department）致力于开发新的信息处理系统，这种系统具有自治能力和创造性，他们把这样的系统称为“人工脑”。人工脑不仅能够自发地形成新的功能，而且能够自主地形成自身的结构。其研制者并不想单纯地再现生物大脑的功能和结构，而是想得到在某些方面优于生物大脑的信息处理系统。
人工脑采取了两方面的实现方式：1)类似生命的模型(life-like modeling) 和 2)社会模型(social modeling)，包括传统的用于神经系统的学习模型，如人工神经网络。在类似生命的模型中，系统有一个类似于生命系统胚胎发育的功能，使得系统的结构和组成单元能够发生变化，形成复杂系统。在社会系统中，系统被视为是一个动态过程，在这个过程当中，局部的、各个单元之间的连接使得整体的、全局的功能、次序、状态发生突现。反过来，各个单元也受到全局状态的影响。因此，两个方向的相互连接：从宏观到微观，从微观到宏观,影响着系统发生变化。为使系统具备自治和创造性，系统本身须有一些机制以实现在功能上和结构上的自发变化。研制者在系统的设计中引入了人工生命中的“进化和突现”的机制。进化被定义为能够产生变化，而突现则是为使系统能够适应变化使系统能够按照适应性自我组织。另外,还有一个重要概念是“微观-宏观动力学”(Micro-Macro Dynamics)，为进化和突现机制提供一个框架。ATR对于人工脑的建构正在从硬件和软件的设计两方面来推进，硬件的进化是一个极具挑战性的课题，可进化的硬件在目前仍处于开发的初期阶段。大规模的神经网络以及极高的速度要求，需要高容量的存储器以及高速的电子器件。CAM-Brain项目运用“进化工程（evolutionary engineering）” 技术来建构/发展/进化出以RAM和元胞自动机为基础的人工脑。
（5）进化机器人（Evolutionary Robotics）
传统自律机器人的设计方法是把问题分割成几个功能单元：感觉（sensing），知觉（perception），建模（modeling），确定行动方案（planning），执行任务（task execution），马达控制（motor control）。然而，这种层次化的设计方法使得机器人缺乏鲁棒性，误差一旦产生，就会沿着它的层次结构传递，并且，各个模块之间缺乏一致性，对环境的变化反应迟缓。这样设计出来的机器人并不具备真正的智能，其行为，位置，移动，任务，以及操作环境都是预先定义好的，并且速度、质量、力量等需要连续测量，任务及其具体的步骤预先设计并且在执行过程中受到测量监控，其“智能”是由算法来实现的，执行的方式一般都是集中控制。这样的机器人只能实现简单的任务，并且对环境的适应性差，缺乏灵活性。
生物系统给人们提供了分布式控制的思路，其脑神经系统，遗传系统，免疫系统的功能启发了人们把生物学上的一些现象工程化，并且运用到机器人的设计上，其中免疫系统的原理在一些设计问题上得到了实施。
Rodney A.Brooks提出了基于行为的设计方法，此方法在80年代中期开始使用，设计出了比传统设计方法行动更快和更灵活的机器人，对于同一任务，其编码的长度可以是传统设计方法的千分之一。进化机器人的操作方式是自律型的，其定位、移动等是突现形成的，其“智能”也是由各个并行执行的小过程自组织突现形成的，并且这样的小过程分散在整个系统中。进化机器人具有比传统机器人更快的速度和更好的灵活性，鲁棒性，进化算法可以比较容易地植入到这样的系统中，其硬件，软件的设计以及测试费用都比以前要少。
D.Floreano和F.Mondada成功地用Khepera机器人实现了一个进化系统。1990年,Pattie Maes用增强学习策略（reinforcement learning）实现六足Genghis机器人的步调协调。Takashi Gomi用进化的方法在八足OCT-1b机器人上实现步调协调。进化机器人是机器人设计的一个新的方向，它把人工生命的概念和思路引入到这个领域。事实上，ATR的人工脑计划的目的之一也是要建立一个全新的机器人模型。
（6）虚拟生物
人工生命原理以及高级计算机技术的出现使得人们在90年代早期开始研究视觉创造过程（Visual creation precess）。在1993-1994年，Christa Sommereer和Laurent Mignonneau介绍了他们的第一个交互式计算机装置（Interactive computer installations）“A-Volve”，访问者可以自己创造人工生物（人工鱼），与它们交互作用且看着它们进化。1995年，他们又发展出另一个系统“Phototropy”，访问者可以通过饲养和使它们繁殖与虚拟的昆虫交互作用。在1996年，他们对于虚拟生物的建构模块产生了兴趣，观察了简单结构是如何通过遗传操作形成复杂形态的，给出了“GENMA-Genetic Manipulator”，在这个系统中，访问者可以创造，操纵和探索人工昆虫的设计和形状。在实时交互式环境“A-Volve”中，访问者可以与在一个充满水的玻璃缸中活动的虚拟生物进行交互作用。这些虚拟生物的形成受到进化规则以及人们创造力的影响。人们可以通过用手指在接触屏上设计任何形状的的图形来产生三维的虚拟生物，这些生物自动“成活”并且能够在水中游动。“A-Volve”现在被安装在日本NHK大楼。GENMA可以使人们从微观层次操纵虚拟生物的形成。人工生命的原理以及遗传编程被用于构造生命结构，这允许人们可以实时地操纵虚拟基因。从一个玻璃盒看进去，可以发现生物的立体投影。也可以把手伸进玻璃盒去抓取那些浮游的生物。每个生物的遗传编码被显示在一个触摸屏上。人们可以通过触摸来改变生物的遗传编码，这样实时地改变生物的外形。选择遗传编码的不同部分，并且把它们进行合并，可以看到简单的生物是如何产生复杂的形式的。也可以对编码串进行分割，进行变异操作等等。
（7）演化算法
这部分的研究主要是提供具有演化特征的算法，已知的遗传算法是其中之一。许多新的算法正在研究中。由于遗传算法的整体搜索策略和优化计算时不依赖于梯度信息，所以它的应用非常广泛，尤其适合于处理传统搜索方法难以解决的高度复杂的非线性问题。人工生命研究的重要内容就是进化现象，遗传算法是研究进化现象的重要方法之一。
我国学者接触这个领域较晚，目前尚未形成声势和有规模的研究队伍。1997年夏天，在中科院基础局、国家科委基础司及中国国际经济及技术交流中心的支持下，由中科院系统科学所和自动化研究所举办了第一次人工生命及进化机器人研讨会。与会者约６０人。除去邀请了五位国际知名学者的学术报告之外，国内也有数名学者介绍了相关的研究成果。主要在数字生命、复杂巨系统方面进行了一些研究。据目前了解到的情况，国内尚有一些人在研究演化算法，在人工智能的一本书上有一段介绍人工生命。但对人工社会、人工生态环境及进化机器人等尚无人问津。
四. 人工生命和复杂性科学
在80年代中期，在美国New Mexico州的Santa Fe汇集了一大批各个领域的杰出科学家，成立了一个多学科交叉的科学研究中心。聚集在这里的研究人员虽然来自不同的领域和背景，但他们都有一个基本的共识，那就是，他们都在探索着一个新学科——复杂性科学。Santa Fe研究所创始人乔治.考温（George Cowan）称复杂性科学为“二十一世纪的科学”。尽管这一新的科学现在尚没有一个统一的、严密的理论体系，甚至更多的是一种类似于哲学上的思考，但它给我们提示了一种崭新的思维方式。而诞生在 Santa Fe Institute 的人工生命研究则是复杂性研究的一个具体的依托对象。它以生命的复杂进化过程为主要线索，研究具有生命特征的一大类系统的复杂性。所以，从人工生命研究诞生的第一天起，它就是复杂性研究的一个重要部分。
目前在美国，日本，以及中国都在关注复杂性科学的研究，其思维方式以及研究方法都与传统科学有很大差别。复杂性可以初步归纳为：系统的多层次性，多因素性，多变性，各因素与子系统之间以及系统与环境之间相互作用，随之而有的整体行为和演化。一般认为，非线性，不稳定性，不确定性是复杂性的根源。
在中国，钱学森、戴汝为、于景元教授领导了一个持续多年的系统学讨论班，用系统学的观点研究了范围广泛的横跨自然科学和社会科学的问题，从中提炼出了开放的复杂巨系统的概念。这是中国学者对复杂性科学研究的重要贡献。
从复杂系统的本质上来说，许多系统具有不同程度的复杂性，它不能用分解成各个子系统的方法进行分析，系统的实质在于各个部分的相互作用，由此而出现的突现特性。关于复杂系统的研究是如此之新，人们甚至没有找到有效的系统分析方法。复杂性研究就是研究复杂系统的动力学，是为复杂系统提供进行系统分析的方法。而人工生命的出现为复杂系统的研究提供了一种实验工具。从我们的介绍中也可以看到，虚拟世界，人工脑，进化机器人的设计都是基于系统的观点的，强调整体的突现行为，行为者与环境，与其他行为者的交互作用，以及进化，遗传，信息的世代传递，简单规律出现复杂行为以及复杂性的增加等等，为复杂系统的研究提供了有效而实际的途径。
五．抓住机遇，推动人工生命这一新领域的研究
前面对人工生命的研究内容及其与复杂性研究的关系进行了介绍，并且对人工生命的研究领域进行了定位。不难看出，尽管这个领域还没有提出严格的定义和边界，但是，它的生命力是无需怀疑的。同时，这也是我们发展自己、缩小与国际水平差距的一个机遇。如果一个领域已经发展成熟了，从无到有地追赶国际水平那是要花大力气的。当前，国家自然科学基金委员会管理学部的成思危主任正在从管理学的角度推动复杂性科学的研究，并且注意到了人工生命与其的联系，信息科学部已经把生物信息学和人工生命列了一个重点课题。国家自然科学基金委的这些支持无疑会对人工生命的研究和发展产生重要的推动作用。当然，如果人工生命这个新领域能够列入“十五”发展规划，从系统学的基础研究以及机器人新技术研究方面也能得到支持，那末中国在这个领域的研究五至十年时间可以达到国际水平。
除去国家的支持外，在研究方式上也需要推动跨学科的研究。要像维纳在四十年代把控制论的研究与医学结合在一起，组织生物学、系统学、计算机科学、机器人学、社会科学的跨学科的合作，把钱老的系统科学讨论班继续并延伸，让年轻的新生力量大量加入这个领域。那末，中国在这个研究领域的领先地位是不成问题的。
参考文献
Ray, T.S., “An evolutionary approach to synthetic biology to synthetic biology: Zen and the art of creating life”, Artificial Life Journal, Volume 1, Numberb 1/2, pp.179-209, The MIT Press, 1994
Ray, T.S., “Evolution, Ecology, and Optimization of Digital Organisms” Seminar/Workshop on Artificial Life and Evolutionary Robots, edited by Y.G.Zhang, 1997, Beijing
Katsunori Shimohara, “Evolutionary Systems for Brain Communications—Towards an Artificial Brain”, in Rodney A.Brooks and Pattie Maes, editor A-Life IV, MIT, 1994
Hugo de Garis, “CAM-Brain, ATR’s Artificial Brain Project A Progress Preport”, A-Life V, 1996, Japan
Takashi Gomi, “Aspects of Non-Cartesian Robotics”, In M.Sugisaka editor AROB 1st, 1996, Japan
Langton, C.G., “Artificial Life.” In C.G.Langton, editor Artificial Life, Volume VI of SFI Studies of Complexity, pp.1-47, Addison-Wesley, 1989
Langton, C.G., “Preface” In C.G.Langton,C.Taylor,J.D.Farmer, andS.Rasmussen, editors, Artificial Life, Volume X of SFI Studies in the Sciences of Complexity, pp. xiii-xviii, Addison-Wesley, 1992
Langton, C.G., “Editor’s introduction.”Artificial Life Journal, Vol. 1, Number 1/2, pp. v-viii, The MIT Press, 1994
Epstein, J.M and Axtell R., “Artificial Societies and Generative Social Science”, In Masanori Sugisaka, editor AROB 1st, 1996, Japan
Keith Downing,“EUZONE: An Evolutionary Aquatic Ecosystem Environment”,A-Life V, 1996, Japan
Keisuke Kondo, Ikuko Nishikawa, Hidekatsu Tokumaru, “A study on an autonomous mobile robot control with behavior network”, AROB’97, edited by Sadao Fujimara and M.Sugisaka, 1997, Japan
Akio Ishiguro, Yuji Watanabe, Toshiyuki Kondo and Yoshiki Uchikawa, “Proposal of Decentralized Consensus-making Mechanisms Based on Immune System”, In M.Sugisaka editor AROB 1st, 1996, Japan
A.Ishiguro, S.Kuboshiki, S.Ichikawa and Y.Uchikawa, “A Method of Gait Coordination of Hexapod Robots Using Immune Networks”, In M.Sugisaka editor AROB 1st, 1996, Japan
A.Ishiguro, T.Kondo, Y.Watanabe and Y.Uchikawa, “An Immunological Approach to Dynamic Behavior Arbitration for Autonomous Mobile Robots”, In M.Sugisaka editor AROB 1st, 1996, Japan
D.Floreano and F.Mondada, “Automatic Creation of an Autonomous Agent: Genetic Evolution of a Neural-Network Driven Robot”, Proceedings, Third Confereence on Simulation of AdaptiveBehavior, edited by D.Cliff, P.Husbands, J.Meyer, S.W.Wilson, MIT Press, Bradford Books, 1994
Pattie Maes and Rodney Brooks, “Learning to Coordinate Behavior”, Proc. AIII’90, Boston
Takashi Gomi and Koichi Ide, “Emergence of Gaits of a Legged Robot by Collaboration through Evolution”, AROB’97, edited by Sadao Fujimura and M.Sugisaka, 1997,Japan
Christa Sommerer & Laurent Mignonneau, “The application of artificial life to interactive computer installation”, in Sadao Fujimura & Masanori Sugisaka editor AROB’97, 1997, Japan
Goldberg, David E., “Genetic Algorithms in Search, Optimization & Machine Learning”, Addison-Wesley, 1986
张永光，Artificial Life and Evolutionary Robotics, Edited by Y.G.Zhang, 1997, 北京
“Complexity”， By Mitchell Waldrop，1995。
（中译本，“复杂-诞生于秩序与混沌边缘的科学”，陈玲译，1997，三联书店）
“Complexity”，Academic Journal edited by John Casti，started in 1996，
“系统学原理”, 谭跃进，高世楫，周曼殊, 国防科技大学出版社，1996
张焘, “关于促进复杂性科学研究的考虑”, 复杂性研究, 科学出版社, 1993
“开放的复杂巨系统”，王寿云、于景元、戴汝为，1996，浙江科技出版社
和朋友们探讨。［寻底贴图］［方法贴图］［好文］［国外好文］
精辟!和朋友们探讨。［寻底贴图］［方法贴图］［好文］［国外好文］
好文章.和朋友们探讨。［寻底贴图］［方法贴图］［好文］［国外好文］
[这个贴子最后由coolsun在 2001/11/24 11:02pm 编辑]抱歉论文还没整理完，找了一篇有价值的文章，看看国外的先进方法，大家把眼光放远一点，国外的金融分析从理论到实践超前很多，有很多可以吸收的地方。但中国人也不比他们差，呵呵，努力努力。。。。。。
Fuzzy Neural Systems for Stock Selection（运用模糊神经网络智能选股）
F.S.Wong, P.Z.Wang, T.H.Goh & B.K.Quck
Financial Analysts Journal, no. Jan-Feb, p.p. 47-52, 1992
內容摘要
研究動機與問題描述
使用專家系統是金融決策支援系統的新趨勢, 但一般只能處理二值邏輯的資料, 無法處理模糊及隨機資料. 也無法從歷史資料中學習及根據實際的狀況調整誤差. 於是有些研究人員提出使用類神經網路作證券市場預測. 類神經網路可以從歷史資料學習, 也可以根據實際的狀況自動調整誤差. 而作者提出一個新的智慧型證券選擇系統(ISS), 其結合了專家系統, 類神經網路和模糊推論的優點, 能達到更好的效果.
模型特徵與訓練方法
圖一說明ISS的架構. ISS可由專家提供獲得知識, 建立規則庫. 由歷史資料及隨機資料建立資料庫. 將資料庫及規則庫資料送入模糊網路(Fuzzy Net)及類神經預測器,便可提供使用者所需的資料.
http://www.nextsun.com/lt_images/fuzzy1.gif
圖二更進一步說明本文最重要的Fuzzy Net架構. Fuzzy Net分成三個子部分:歸屬函數產生器(MFG), 模糊資訊處理器(FIP)及逆傳遞神經網路(BPN). 藉由歷史資料MFG產生FIP中Fuzzy neural所需的歸屬函數, 而FIP藉由Fuzzy rule及初始權重, 歷史資料及目標正確資料經過IF THEN推論, 輸出資料給BPN作為輸入資料. BPN則根據輸入資料及目標正確資料進行訓練及測驗, 而使用Delta rule learning algorithm訓練.
http://www.nextsun.com/lt_images/fuzzy2.gif
測試範例與結果分析
該論文使用800種證券的下列十一種資訊作輸入歷史資料:
最近三年的風險值(beta)
市價與帳面價格比(price-to-book-value ratio)
三年平均市價與帳面價格比(three-year average price/book)
本益比(price-to-earnings ratio)
資產週轉率(asset turnover)
三年平均資產週轉率(three-year average asset turnover)
獲利成長(earnings growth)
Dividend discount model值
邊際利潤(profot margin)
三年平均邊際利潤(three-year average profit margin)
當年盈餘(current-year return)
在FIP中使用32條Company rules, 以預測次年盈餘作為BPN的目的. 表一是以1989年一些證券資料的盈餘預測及實際結果. 這樣的初步結果能被接受. 而後續的研究, 可以考慮以增加更多的歷史資料, 更好的規則及更好的訓練策略來增加正確率.
http://www.nextsun.com/lt_images/fuzzy3.gif
coolsun
neustock@hotmail.com
和朋友们探讨。［寻底贴图］［方法贴图］［好文］［国外好文］
精彩！ 可惜看不到图 大老，怎么看不到图。我急 和朋友们探讨
页:
1
[2]