仇士鵬

在高中生物課上，我們都學過自然選擇、遺傳進化的知識。正所謂：“師法自然，格物致知?！庇腥吮銖闹刑釤挸隽擞糜谔幚韽碗s優(yōu)化問題的遺傳算法。在大學及以后的科研實際中，遺傳算法運用廣泛。

遺傳算法很簡單，因為是對達爾文進化論的模擬，它包含了自然選擇、基因重組和突變?nèi)齻€過程。打個比方，它們就像是加工廠，一堆原材料被輸送進去，質(zhì)量好的將會被留下，然后，隨機交換彼此身上的一些特質(zhì)，再隨機進行突變。如果達到了出廠標準，就停止，否則便送回去重新加工。

遺傳算法的核心便在于它的隨機性，無論是選擇、重組還是變異，都是以概率的方式進行操作。它并不是按照從高到低的排名方式僵硬地選擇優(yōu)秀的個體，而是用輪盤賭的方式——轉(zhuǎn)動輪盤，在面積大的區(qū)域有較大的選中概率，而在面積小的區(qū)域也有較小的選中概率。

這種選擇，不是門檻式的，而是篩子型的。它能讓潛力很大，可是只露出冰山一角的，或者偏科嚴重，雖不足以遮百丑，但確實有一“白”的個體得以保留。這是一種“活”的選擇方式。

因為一個人表現(xiàn)出的優(yōu)劣和他本身的優(yōu)劣并不是直接等同的關系。這是一個多元化、多維的世界，評語并不是只站在一條標準上指手畫腳，而是在多方面的考量后綜合評定的。但在特定條件下，評定的內(nèi)容往往只有固定的幾條標準。因此，在某些評價標準中，表現(xiàn)失色的人即使在別的方面有著極為崢嶸的頭角，如果按照傳統(tǒng)的排名方式，也會被放棄掉。這對整體的人才培養(yǎng)和個體的自我提升都是不利的。

有些釘子，想要露出布袋，也許只要一個機會。把它們留下來，發(fā)揮拿來主義，與其他釘子交換身上的特質(zhì)，再進行突變，也許就能集百家之長，成為更逼近完美的釘子，脫穎而出。這是對懷才不遇者最好的成全。

當然，這種選擇方式也有弊病。同樣是因為隨機性，一些本來就比較拔尖的個體會受到無妄之災，優(yōu)秀的特質(zhì)反而被破壞，或者交換走了，結(jié)果跌落凡塵。如果不想成為別人的踏腳石，則只能不斷提高自己，直到自己從成功率的分母中走出，走進分子，成為堅持到最后的那個人，凱旋時，仍是少年。

有人會問，為什么不把所有的情況一一列舉出來，詳細比對呢？因為在現(xiàn)實中，復雜問題涉及的可能方案的數(shù)量往往是以數(shù)量級為單位的，且其精度要求又高，即使用電腦計算，也容易導致死機。遺傳算法解決了這個問題，它只要通過一群適量的個體不斷進化，就可以找出最優(yōu)秀的個體。

此外，遺傳算法還可以成為“漁”，而不是“魚”，換一種問題，也能迅速上崗，并不需要重新開始，一點點地羅列，重新編寫程序。

這便是大自然給予人類的啟迪。大自然在造物時，并不會把所有的物種都捏造出來，而是創(chuàng)造一部分，讓他們成長、進化或者滅絕，最終使得世界繽紛多彩。在這一點上，自然選擇和生物自身努力其實是互為因果的關系，共同推動著彼此的發(fā)展。

當然，遺傳算法并不能找到絕對最佳的個體，有時候運氣不好，隨機性發(fā)揮了負面效果，結(jié)果就會很差。這時，它就要和其他算法相結(jié)合。遺傳算法也變成了它概念下的一個個體，和別的算法相互交換優(yōu)點，取長補短，進化出更優(yōu)秀的算法，青出于藍而勝于藍。

（作者系河海大學水文學與水資源專業(yè)2020級工程碩士）