演化算法书

⑴ 进化算法入门读书笔记（一）

这里我参考学习的书籍是：

《进化计算的理论和方法》，王宇平，科学出版社

《进化优化算法：基于仿生和种群的计算机智能方法》，[美]丹·西蒙，清华大学出版社。

进化算法是 求解优化问题 的一种算法，它是 模仿生物进化与遗传原理 而设计的一类随机搜索的优化算法。

不同的作者称进化算法有不同的术语，以下。注：这里仅列举出了我自己比较容易混淆的一些，并未全部列出。

进化计算： 这样能强调算法需要在 计算机上 实施，但进化计算也可能指不用于优化的算法（最初的遗传算法并不是用于优化本身，而是想用来研究自然选择的过程）。因此，进化优化算法比进化计算更具体。

基于种群的优化： 它强调进化算法一般是让问题的候选解 种群 随着时间的进化以得到问题的更好的解。然而许多进化算法每次迭代只有单个候选解。因此，进化算法比基于种群的优化更一般化。

计算机智能/计算智能： 这样做常常是为了区分进化算法与专家系统，在传统上专家系统一直被称为人工智能。专家系统模仿演绎推理，进化算法则模仿归纳推理。进化算法有时候也被看成是人工智能的一种。计算机智能是比进化算法更一般的词，它包括神经计算、模糊系统、人工生命这样的一些技术，这些技术可应用于优化之外的问题。因此，进化计算可能比计算机智能更一般化或更具体。

由自然启发的计算/仿生计算： 像差分进化和分布估计算法这些进化算法可能并非源于自然，像进化策略和反向学习这些进化算法与自然过程联系甚微。因此，进化算法比由自然启发的算法更一般化，因为进化算法包括非仿生算法。

机器学习： 机器学习研究由经验学到的计算机算法，它还包括很多不是进化计算的算法，如强化学习、神经网络、分簇、SVM等等。因此，机器学习比进化算法更广。

群智能算法： 一些人认为群智能算法应与进化算法区分开，一些人认为群智能算法是进化算法的一个子集。因为群智能算法与进化算法有相同的执行方式，即，每次迭代都改进问题的候选解的性能从而让解的种群进化。因此，我们认为群智能算法是一种进化算法。

进化算法的简单定义可能并不完美。在进化算法领域术语的不统一会让人困惑，一个算法是进化算法如果它通常被认为是进化算法，这个戏谑的、循环的定义一开始有些麻烦，但是一段时间后，这个领域工作的人就会习惯了。

优化几乎适用于生活中的所有领域。除了对如计算器做加法运算这种过于简单的问题，不必用进化算法的软件，因为有更简单有效的算法。此外对于每个复杂的问题，至少应该考虑采用进化算法。

一个优化野兆问题可以写成最小化问题或最大化问题，这两个问题在形式上很容易互相转化：

函数 被称为目标函数，向量 被称为独立变量，或决策变量。我们称 中元素的个数为问题的维数。

优化问题常常带有约束。即在最小化某个函数 时，对 可取的值加上约束。不举例。

实际的优化问题不仅带有约束，还有多个目标。这意味着我们想要同时最小化不止一个量。

例子：

这里评估这个问题的一种方式是绘制 作为函数 的函数的图：

如图，对在实线上的 的值，找不到能同时使 和 减小的 的其他值，此实线被称为 帕累托前沿 ，而相应的 的值的集合被称为帕累托集。（此处的帕累托最优问题十分重要，可以参考这个链接来学习和理解： 多目标优化之帕累托最优 - 知乎 ，非常清晰易懂。）

该例子是一个非常简单的多目标优化问题，它只有两个目标。实际的优化问题通常涉及两个以上的模目标，因此很难得到它的帕累托前沿，由于它是高维的，我们也无法将它可视化。后面的章节将会仔细讨论多目标进化优化。

多峰优化问题是指问题不止一个局部最小值。上例中的 就有两个局部最小值，处理起来很容易，有些问题有很多局部最小值，找出其中的全局最小值就颇具挑战性。

对于前面的简单例子，我们能用图形的方法或微积分的方法求解，但是许竖隐多实际问题除了有更多独立变量、多目标，以及带约束之外更像上面的Ackley函数这样，对于这类问题，基于微积分或图形的方法就不够用了，而进化算法却能给出更好的结果。

到现在为余脊厅止我们考虑的都是连续优化问题，也就是说，允许独立变量连续地变化。但有许多优化问题中的独立变量智能在一个离散集合上取值。这类问题被称为组合优化问题。如旅行商问题。

对于有 个城市的旅行商问题，有 个可能的解。对于一些过大的问题，硬算的方法不可行，像旅行商这样的组合问题没有连续的独立变量，因此不能利用导数求解。除非对每个可能的解都试一遍，不然就无法确定所得到的组合问题的解是否就是最好的解。进化算法对这类大规模、多维的问题，它至少能帮我们找出一个好的解（不一定是最好的）。

⑵ 变量2之读后感

        继2019年的1之后，在这新年伊始很快速而认真的读完了2，虽然似乎一时不能完全想起书中的观点，但从阅读速度看来其吸引我之力量（2020的1月31日至2月1日的碎片时间读完），而没有在一读完就伍好马上完成读后感而是刻意经过近24小时后才坐下来慢慢反刍、消化，实是希望能有个思考的过程。于是，在2020的2月2日这一千年一遇的特殊时刻将一、二感想记录于此。

        变量2的附题为“推演中国经济基本盘”，何帆通过“演化算法”“南墙效应”“代际革命”“苟且红利”“互信网”“混搭时代”“结局就是开始”七个章节从教育、市场、全球供应链、技术创新等讲演“中国经济基本盘”，“我们的教育会绝地逢生，我们的年轻人会登上历史舞台，我们庞大的生产力和不断提高的消费能力会引爆商业创新，我们的企业会进一步地融入全球供应网络，我们已经并将继续重新定义很多从别人那里学到的东西。这就是我们在失去之后还能拥有的东西，这就是中国经济的基本盘。”这2和1一样依然让我这无知之人对一些过去以为离我等普通老百姓很远的经济、政治、教育等国家大事多了一丢丢了解，与1一样读完之后一个最强烈而则升相同的感想就是：困难是暂时的，我们的祖国未来是可期的，只要你我不苟且、小步快走不停留！

        “未来不是被看清的，而是被创造出来的”，你拥有什么样的未来，决定于你的创造与努力。就如罗胖在跨年演讲中讲到的我辈要做一个“做事”的人，只有做事的人才能创造出自己想要的未来。何帆也如罗胖一样，是“做事”而且“长期做事”的拥泵者，他以《变量》为主标题，将完成中国30年的经济调查，一年一本书，罗胖则是要坚持举办20年的跨年演讲，他们的年纪与我相当，而他们的书或演讲中犀利的观点、经典的语录、俯拾皆是，直击幕后或人心，就让我等普通人追随他们的脚步吸取他们“做事”的所得，即便只能从中获得一、二精髓也必将让我这平凡无光的人生之路多出一、二星光与亮点吧！

      读此书之时也正处前无古人的新春佳节之时，本应能以比较闲适的姿势在办公室或家中在一杯茶、一本书的陪伴下度过节后刚上班的好时光，却哪料到竟是在我的国面临又一次大灾考验之时，白天忙着在市场上转悠、防控，夜晚用碎片时间来读此书，尽管不是整段大片美好的阅读时光，但一空下来腔盯铅就捧着书的体验也不错，更何况因疫情原因少了饭局、酒局、牌局的干扰，这读书的时间竟较以往多了不少，这何尝不是一种“得”呢？

        所有的灾难终将成为过去，我们正在经历的也将变成历史，So,以淡定平和的心态好好做好自己应该做的事，莫恐慌也莫焦虑，终会迎来在车水马龙的街头自由呼吸、悠闲漫步之时的（未曾经历过这段时光时有谁会想到连自由的走在大街上自由的呼吸都会成为一种奢望啊）。

⑶ 求叨叨冯聊音乐：音乐博士带你从零开始学乐理

AI 科技评论按：作为中国音乐学习最高学府之一，毕坦中央音乐学院今日发布了一则音乐人工智能博士招生启事。该专业全名为“音乐人工智能与音乐信息科技”，为中央音乐学院首次开设，导师阵容有来自清华大学、北京大学的人工智能教授梁弊，联合中央音乐学院院长共同组成双导师培养制 (音乐导师+科技导师)，着力培养“音乐与理工科交叉融合的复合型拔尖创新人才”。

据官网资料显示，“音乐人工智能与音乐信息科技”专业学制一共是 3 年，要求报考者必须是出身计算机、智能和电子信息类的考生。

建议阅读书目方面，除了《音乐理论基础》1 本与音乐理论挂钩外，其余 4 本推荐书目都跟人工智能理论相关，它们分别为《数据结构与算法》、《信号与系统引论》、《人工智能：一种现代的方法》以及《神经网络与机器学习》

由于“音乐人工智能与音乐信息科技”为跨学科专业，面试环节除了将考核本学科的专业能力之外，还会考核考生的音乐能力——演奏某种乐器或者单纯进行演唱。

目前该专业已敲定的 3 名联合培养导师分别为：

• 俞峰

中央音乐学院院长, 教授、博导,“万人计划橡数族”领军人才,“四个一批”人才。中国指挥学会会长、全国艺术专业学位研究生教指委副主任、中国文联第十届全国委员会委员, 享受国务院政府特殊津贴。

• 孙茂松

清华大学教授、博导, 清华大学人工智能研究院常务副院长, 原计算机系主任、党委书记, 教育部教学信息化与教学方法创新指导委员会副主任委员, 中国科学技术协会第九届全国委员会委员。主要研究领域为自然语言处理、人工智能、机器学习和计算教育学。国家 973 计划项目首席科学家, 国家社会科学基金重大项目首席专家。2017 年领衔研制出“九歌”人工智能古诗写作系统。

• 吴玺宏

北京大学教授、博导, 教育部新世纪优秀人才。北京大学信息科学技术学院副院长, 智能科学系主任, 言语听觉研究中心主任, 致力于机器听觉计算理论、语音信息处理、自然语言理解以及音乐智能等领域的研究, 先后主持国家级、省部级项目 40 余项, 获国家授权发明专利 10 余项, 发表学术论文 200 余篇。在智能音乐创作、编配领域颇有成就。

有兴趣报读该专业的考生，须在 2019 年 3 月 1 日至 15 日期间在网上完成报名（网址:http://yz.chsi.com.cn/），考试将于今年 5 月在中央音乐学院举行。

更多详情可点击：

• http://www.ccom.e.cn/xwyhd/xsjd/2019s/201903/t20190301_53856.html



进行了解。

专业开办早有预兆？

如果一直有关注中央音乐学院的动态，就不会对该专业的开办感到惊讶。

早在去年的 5 月份，中央音乐学院就与素以创新性交叉学科研究闻名的美国印第安纳大学信息计算与工程学院共同签署合作建设“信息学爱乐乐团”实验室——所谓“信息爱乐”，指的是一套音乐人工智能伴奏系统，由印第安纳大学信息计算与工程学院音乐信息学实验室主任教授 Christopher Raphael 所发明。

该系统的最大特点是会运用数学方法把音乐本身和音乐家的感受进行了全面解读、演算，通过不断的主动学习，形成更加贴近音乐家个性化表现需求的管弦乐团伴奏、协奏模板，为音乐家提供了更为丰富灵活的演奏机会。

完成签署后，经过半年多的紧张筹备，双方于去年 11 月 26 日合作举办中国首场由人工智能进行伴奏的特殊音乐会——“AI 之夜音乐会”，来自中央音乐学院的 12 位不同专业的优秀独奏家与“信息爱乐”联袂演出了 12 首多种体裁风格的中外作品。

值得一提的是，本场音乐会加入了人工智能协奏中国乐曲《长城随想曲》，这是第一次音乐人工智能技术与中国民族音乐进行碰撞。

图片源自中央音乐学院官网


中央音乐学院院长俞峰教授在音乐会致辞中说道：“这是一场意义深远的音乐会，我国整个音乐行业将由此进入到一个“人工智能化”的时代，极大的提升了整个音乐行业，尤其是音乐教育行业的信息化水平。人工智能技术与音乐艺术专业相结合将会实现整个行业的跨越式发展，一定会成为音乐行业实现产业化的典范。”

• “AI 之夜音乐会”音乐会完整演出视频：


• http://video.ccom.e.cn/index.php?option=weixin,dianbodetail&id=3514



国内科研热情日益高涨

除了中央音乐学院，试图在人工智能 + 音乐上做出成绩的，尚有星海音乐学院及中央民族大学。

去年 5 月 16 日，由星海音乐学院管弦系与美国印第安纳大学信息计算与工程学院音乐信息学实验室合作的“音乐人工智能辅助管弦乐教学联合实验室”正式挂牌启动，双方将就“音乐人工智能辅助管弦乐教学”系统引入至日常教学中展开合作。

据了解，该系统可以让学生们在日常专业练习过程中随时听到职业管弦乐团的完整乐曲伴奏，同时将自己与管弦乐团的合成演奏音频转化成高度结构化、可视化、可检索、可比较研究的音乐数据带到课堂上与专业老师共同探讨；对专业老师而言，该系统可以实现对学生专业学习情况的纵向和横向比较，获得了解学生的第一手资料，从而完善教学内容和方法。

图片源自“星海音乐学院”微信公众号

去年 12 月 7 日，由中央民族大学与平安科技联手的“人工智能音乐联合实验室”签字揭牌仪式在中央民族大学知行堂举行。本次合作旨在发挥各自优势、通过共同研发，实现人工智能音乐创作由欣赏阶段到专业阶段再到专家阶段的设想。

中央民族大学党委常委、副校长宋敏在揭牌仪式上表示，人工智能己列入国家规划并进入逐步实施阶段，正在不断与各个领域结合，无疑将引领未来各行各业的发展，她希望双方通过实验室这一平台各自发挥优势，提高民大学科建设水平和音乐创作水平，推进北京“四个中心”建设特别是文化中心建设，并积极助力中国优秀音乐文化走出。

图片源自中央民族大学官网

另外，由复旦大学、清华大学联合创办，至今已是第 6 届的中国声音与音乐技术会议 CSMT（Conference on Sound and Music Technology），从 2013 年开始便就声音与音乐技术这门多学科交叉领域源源不断地为国内输出学术见解，丰富了国内人工智能 + 音乐领域的研究成果。

以 2018 年的会议为例，其征文主题包括：

• 音乐声学
  

• 乐器声学/嗓音声学/心理声学与电声学/空间音乐声学等



• 声音与音乐的信号处理
  

• 工业、农业、畜牧业、养殖业、地理、环境等各行各业领域的声音信号处理/音乐信号处理



• 计算机听觉
  

• 声音与音乐的内容分析、理解和建模/音频与音乐信息检索/声音与音乐分类、标注、情感计算、推荐等/人工智能在声音与音乐计算中的应用/声音及音乐计算在娱乐、教育、海洋、医学、装备、军事、信息安全等各领域的应用



• 音频信息安全
  

• 鲁棒音频水印/音频认证/音频取证



• 计算机音乐与录音
  

• 计算机辅助的音乐创作/计算机辅助的音乐教学系统/计算机音乐的制作技术/计算机音乐的软件开发/ 音响及多声道声音系统/ 声音装置及相关多媒体技术/音效及声音设计/音频人机交互



• ·听觉心理学
  

• ·听觉与视觉相结合的多媒体应用
  

值得一提的是，去年的 CSMT 大会特别开辟了两个 Special Session：一个用来探讨面向一般 Audio 的计算机听觉，试图扩展 Music 之外的 Audio + AI 人工智能在各行各业的应用，比如海洋舰船识别、设备诊断、AI 医疗、嗓音声学、音频监控、动物识别、农业保护、工业自动化等；另一个则是探讨中国民族音乐与计算机等科学技术的交叉融合，显示了该国内会议的前瞻性。

当下流行的 AI + 音乐算法

对于当下的音乐人工智能算法研究，中国音乐学院音乐学系付晓东教授在发表于 2018 年 05 期《艺术探索》的《音乐人工智能的伦理思考——算法作曲的“自律”与“他律”》一文中按“自律”与“他律”将之进行了划分。

其中“自律”指的是机器严格或非严格地遵循事先规定好的内部结构原则，对应于音响素材而生成音乐作品，最终的音响呈现受到内部结构原则的自律性限定；“他律”则指机器严格或非严格地遵循依据人类经验规定好的外部结构原则，并映射为音响而生成作品，最终的音响呈现受到外部结构原则的他律性限定。

最终的梳理结果如下：

• “自律”类音乐人工智能算法
  
  

• （一）数学模型（Mathematical Model）


• 以数学算法与随机事件构成数学模型进行作曲。其中算法相当于作曲法则，随机事件相当于音乐元素——音乐中的各种元素可分解为一系列随机事件，如音的四属性、音乐三要素等，作曲家（程序员）赋予其不同权重，使用特定随机算法对其进行运算处理而得出音响序列，其结果是非确定性的。常用的随机算法有马尔科夫链、高斯分布等。目前以数学模型为主的音乐人工智能作品在伴奏的速度跟随、乐句的力度处理、终止式的伸缩节奏方面有相当的“智能”感，但是在作品的整体可听性方面仍有明显的欠缺。



• （二）演化算法（Evolutionary Methods）


• 演化算法源于达尔文所揭示的生物进化理论，用算法模拟物种进化的过程来构建音乐作品。将随机或人为的音响事件集合为一个种群，通过选种、遗传与突变的算法反复迭代，将种群中现有的多个个体进行优胜劣汰，其结果由适应函数构成的审核程序予以矫正，以保证其审美意义的质量。最常见的演化计算方法是遗传算法（Genetic Algorithms）与遗传编码（Genetic Programming）。演化算法试图将物种进化的过程匹配于音乐生成过程的逻辑不够完善，因此作品的审美认可度并不高，如今常用于和声配置与伴奏任务中。



• （三）语法系统（Grammars）


• 音乐的构成法则可类比于人类语言的语法规则。人类语言由字、词、句等按照一定的语法规则构成表达单元，音乐中的动机、乐节、乐句也具有相似的结构特征。首先创建一个特定音乐作品的语法规则，对和声、节奏与音高等各种音乐素材进行组合，最后生成音乐作品。诚然，音乐与语言在某种程度上具有同构性，但是比较而言，音乐规则体现出更大的灵活度与可变性，由一个固定的语法规则附加若干可变规则的语言算法，产生出的音乐作品多少带有生硬而呆板的特征。




• “他律”类音乐人工智能算法
  
  

• （一）迁移模型算法（Translational Models）


• 将非音乐媒体信号源中的信息映射并迁移为音乐音响信息。最常见的是将视觉信息进行转换，例如将图像中的线条转换为旋律，色彩转换为和声，色度转换为力度；将运动物体的空间位移转换为旋律，速度转换为节拍节奏等。也可用于非视觉信息的迁移，如将文学作品中的积极/消极的描述，通过自动情感分析系统迁移为大三/小三和弦。实际上，人类的感官在一定程度上的确具有“联觉”效应，如空间线条与旋律走向的对应，但是如果将其进行严格映射，并没有心理学的有力证据。因此使用迁移模型算法生成的音乐作品，常常出现在交互性的新媒体艺术表演中，更多地以现场的事件相关性与交互性为审美趣味。而一旦音乐作品与其映射对象脱离而单独呈现，这类作品的可听性将会大大降低。



• （二）知识推论系统（Knowledge-based Systems）


• 以某种音乐风格类型为知识库基础，将该音乐风格的审美特征提取出来并进行编码，即归纳推理；以编码程序为算法而创造类似风格的新作品，即演绎推理。例如基于对位法原则的巴洛克音乐风格编码、基于大小调和声体系的古典浪漫音乐风格编码、弱化和声功能的印象派音乐风格编码及各个相应风格作品的生成，即属于知识推论系统算法。这种算法已经在某种程度上接近于音乐学院作曲技术理论的学习过程，生成的音乐作品与其所基于的特定风格知识库非常相像，具有很高的可听性。其缺点在于归纳—演绎两个环节的相对割裂，即风格编码必须由操作者提供，程序本身仅仅是对编码的执行运算，作品的结果会严重受到操作者对创作规则的抽象理解的影响，并且会存在僵化与雷同的缺点。



• （三）机器学习（Machine Learning）


• 操作者为计算机输入大量的音乐音响，计算机对其进行有效“聆听学习”，即运用统计方法对音乐构成的法则进行学习，其过程与知识推论系统相似，但是操作者并不严格指定音乐类型，也不为程序提供风格编码，这个过程由算法程序自动完成，强调其自主性与“无监督”式的学习（unsupervised learning）。当然，从本质上来看，机器学习的“无监督”只能是在一定程度和范围内，它依然囿于操作者所提供的知识素材库。机器学习与数学优化、数据挖掘等计算科学的研究成果相关，更与认知科学领域与神经网络学科的研究成果密切相关，其中最为显着的是采用决策树、人工神经网络、深度学习等方法，是迄今为止对生物学习过程模仿程度最高的一种算法。机器学习仍然属于仿生，但它超越了对结构与力学层面的仿生，是对人类大脑思维过程的仿生。机器学习既可以用于一般意义上的音乐创作，也可用于即兴演奏与竞奏等场合。虽然可以生成各种指定风格或混合风格的音乐作品，但是它仍然取决于操作者提供的音乐数据类型，是通过对随机事件进行概率统计得出规则后的音响预测。



根据付教授的划分准则，我们将能对当今流行的大部分人工智能 + 音乐研究工作进行有效归类。

值得一提的是，由中国科学技术大学、微软人工智能和研究院、苏州大学团队合作，讲述歌曲生成的端到端旋律和编曲生成框架的论文《XiaoIce Band: A Melody and Arrangement Generation Framework for Pop Music》成功荣获 KDD 2018 的 Research Track 最佳学生论文，雷锋网 AI 科技评论对此做了相应解读，有兴趣的读者可点击 https://www.leiphone.com/news/201808/NkobLRDHxZsyadg5.html进行回看。

总的来说，未来人工智能将在音乐领域发挥更加重要的作用，它可以帮助人们分析作品、创作以及分担相当多的重复性工作，进一步激发创造力，探索音乐形式与内容方面的多种可行性。希望这种跨学科、融合性的合作，能够对各类音乐创作逻辑进行总结与完善，并在感知、情感等方面做出突破，让人工智能在音乐的诸多领域形成创新，并在教学、社会服务等方面产生影响。

⑷ 有没有关于递归算法方面的书

有的关于C++递归算法的书还是比较多的推荐一本
《分形算法与程序设计：用Visual C++实现》
科学出版社出版

本书从实用的角度出发，论述了分形图形的生成算法与程序设计。内容包括分形图的递归算法、文法构图算法、迭代函数系统算法、逃逸时间算法、分形演化算法，以及分形图的放大、分形图的动画、分形图的立体化和利用分形算法实现自然景物的模拟等内容。

⑸ 《变量2：推演中国经济基本盘》pdf下载在线阅读全文，求百度网盘云资源

《变量2：推演中国经济基本盘》网络网盘pdf最新全集下载:
链接：https://pan..com/s/1P9EIorbSjbkFzlJ6iWBbfQ

?pwd=f9cb 提取码：f9cb
简介：这本书让你看懂基本盘，基本盘是那些哪怕失去了也还能再拥有的东西；这本书让你学会演化算法，演化算法是让你见招好培拆招的武术秘籍。你会看到，教育领域友巧唯出现了更多的“微宽胡创新”，适应中国市场的企业将收获巨大的“苟且红利”，年青一代站在代沟的另一边，带来小趋势的突变，中国的技术创新正从四面八方集结，马上就要爆发……

⑹ C++算法的书籍（适合初学的）

高一凡的数据结构与算法，c++版，适合初学者

⑺ 请推荐几本多目标优化算法的书

《基于微粒群算法的堆石坝坝料参数反演分析》 ·《基于演化算法的多目标优化方法及其应用研究》 ·《粒子群优化算法的理论分析与应用研究》 ·《多目标遗传算法及其在发动机控制系统设计中的应用》

⑻ EA什么意思

EA,大写为英文缩写，是敌机、每年、美国艺电公司等等名称的缩写；小写为each的英文简写，意思为“每”。

乙酸乙酯（醋酸乙酯）
睁禅英文通用名称： Ethyl acetate（Acetic ether） 中文通用名称： 乙酸乙酯（醋酸乙酯） 英文简称：EA 分子式 C4H8O2
结构式

分子量 88.12
性状描述 无色余姿透明流动性易挥发可燃液体，呈强烈清凉菠萝香气和葡萄酒香味。熔点-83.4℃,沸点77.15℃,闪点25℃。折射率(nD20)1.3723。无旋光性。易起水解和皂化作用。混溶于乙醇、乙醚、甘油、丙二醇和大多数非挥发性油，溶于水（1ml溶于10 ml水中）。碱性中易水解。天然品存在于菠萝挥发性油份和黄酒、曲酒、白兰地、朗姆酒等中。
类别 天然等同香料和人造香料
制法 1. 乙酸和醇在硫酸存在下加热酯化后，经磺酸钠中和脱水，再精馏而得。2. 乙酸钠或乙酸钾和乙醇在硫酸存在下蒸馏而得。3. 乙醛在催化剂乙醇铅或乙酸铅存在下聚合而成。
用途 我国GB2760-86规定为允许使用的食用香料。主要用于着香、柿子脱涩、制作香辛料的颗粒或片剂、酿醋配料。广泛用于配制樱桃、桃、杏等水果型香精及白兰地等酒用香精。亦用作胶姆糖胶基醋酸乙烯酯的溶剂、色素稀释剂，也用于脱咖啡因的咖啡、茶和水果、蔬菜等。
代谢情况 无 <
毒理学性质 ADI0～25(FAO/WHO,1994) LD505620mg/kg（大鼠，经口）. GRAS（FDA §182.60,1994） 。
质量指标 FCC,1981 1.含量 ≥99.0%（剩余含量主要为醇和水） 2.馏程 76～77.5℃ 3. 相对密度(d2525) 0.849～0.898 4.酸度 正常 5.丁基和戊基衍生物试验 阴性 6.甲基化合物试验 阴性 7.易碳化物试验 阴性 8.不挥发残渣 ≤0.02%。
备注 无
丙烯酸乙酯
英文通用名称：Ethyl acrylate 中文通用名称：丙烯酸乙酯 英文简称：EA 分子式 C5H8O2
结构式

分子量 100.13
性状描述 无色透明液体，具有浓郁、酸涩的水果气息，稀释后呈朗姆酒香味，易聚合。沸点99.4℃,熔点-72℃,闪点15.5℃. 折射率(nD25) 1.4037。 混溶于乙醇和乙醚，1ml溶于50ml水中。
类别 天然等同香料和人造香料
制法 1.由3—羟基丙腈和乙醇在稀硫酸溶液中反应而得。2.由乙烯、一氧化碳 和乙醇在镍或钴的催化下反应而得。 3.在盐酸和Ni(CO)4存在下，由烯丙酸和乙炔在乙醇溶液中共热酯化而得。 4.由3-氯丙酸乙酯在高温下通过活性炭而得。
用途 香料。主要用于配制朗姆酒、菠萝和什锦水果等型香精。
代谢情况 无 <
毒理学性质 GRAS（FEMA）。
质量指标 FCC，1981 1.含量 ≥99.5% 2. 相对密度(d2525) 0.916～0.919 3.酸度（丙烯酸计） ≤0.005% 4.水分(GT-32-1) ≤0.05% 5抗氧剂（对苯二酚等） ≤0.022% 。
EA = enemy aircraft，敌机。 EA=effective address,有效地址。 EA= early admission 美国学校录取方式之一。 EA=企业协议，Enterprise Agreement的简称,简而言之，EA就是微软的一种软件许可方式。 EA = each year，每年[1]。 EA = Electronic Arts，美国艺电公司，NASDAQ：ERTS，总部设在美国加利福尼亚州红木城，是全球着名的互动娱乐软件公司。也是全球第一大第三方游戏开发商。由1982年创立至今，公司在全球为视频游戏、个人计算机、手机及互联网开发、发布、销售各种互动软件。 EA = Encyclopedia Americana，美国网络全书，共30卷，是标准型的综合网络全书，为ABC网络全书之A。全书条目按字顺编排，主要读者是普通成年人至高级知识分子。 EA=Enterprise Architect，是以目标为导向的软件系统，UML 2.0建模工具。 EA = Expert Advisors，专家顾问，俗称智能交易系统，就是由电脑模拟交易员的下单操作进行机器自动悉毁尘交易的过程。 EA=Executive Assistant,经理助理，经理秘书，行政助理。 EA= Elizabeth Arden,伊丽莎白·雅顿,联合利华旗下的伊丽莎白·雅顿公司,致力于包括护肤保养品、彩妆、香水在内的多元化产品. EA=Ethyl acetate 乙酸乙酯 EA=External Access，表示存取外部程序代码之意，低电平动作，也就是说当此引脚接低电平后，系统会取用外部的程序代码（存于外部EPROM中）来执行程序。因此在8031及8032中，EA引脚必须接低电平，因为其内部无程序存储器空间。如果是使用 8751 内部程序空间时，此引脚要接成高电平。此外，在将程序代码烧录至8751内部EPROM时，可以利用此引脚来输入21V的烧录高压（Vpp）。 EA=Evolvable Algorithms，演化算法。演化算法是一类模拟自然界遗传进化规律的仿生学算法，它们首先随机产生一组待求优化问题的潜在可能矢量解（解称为染色体，解的集合称为种群，解中的分量称为基因）；然后采用变异、交叉、评价、选择等手段，优胜劣汰，不断进化，最后获得优化解。

⑼ 演化算法的研究现状

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，但中国科学技术大学、南京大学、武汉大学和中山大学对演化算法的研究较深入，处于国内领先地位。中山大学的研究已属国际领先，并提枣纤出脊岩旦了算法本身也可以采用动态自适樱扰应技术，在进化过程中自动调整算法控制参数和编码精度，比如使用模糊自适应法 。
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。

⑽ 高分寻达人分别介绍下遗传算法和演化算法，以及之间的联系和区别

根据阅读的资料，大概有以下判断：
遗传算法是演化算法中的一种。

遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术。

遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。它的思想源于生物遗传学和适者生存的自然规律，是具有“生存＋检测”的迭代过程的搜索算法。遗传算法以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索。其中，选择、交叉和变异构成了遗传算法的遗传操作；参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容。 作为一种新的全局优化搜索算法，遗传算法以其简单通用、鲁棒性强、适于并行处理以及高效、实用等显着特点，在各个领域得到了广泛应用，取得了良好效果，并逐渐成为重要的智能算法之一。

遗传算法是基于生物学的，理解或编程都不太难。下面是遗传算法的一般算法：
创建一个随机的初始状态

初始种群是从解中随机选择出来的，将这些解比喻为染色体或基因，该种群被称为第一代，这和符号人工智能系统的情况不一样，在那里问题的初始状态已经给定了。

评估适应度

对每一个解(染色体)指定一个适应度的值，根据问题求解的实际接近程度来指定(以便逼近求解问题的答案)。不要把这些“解”与问题的“答案”混为一谈，可以把它理解成为要得到答案，系统可能需要利用的那些特性。

繁殖(包括子代突变)

带有较高适应度值的那些染色体更可能产生后代(后代产生后也将发生突变)。后代是父母的产物，他们由来自父母的基因结合而成，这个过程被称为“杂交”。

下一代

如果新的一代包含一个解，能产生一个充分接近或等于期望答案的输出，那么问题就已经解决了。如果情况并非如此，新的一代将重复他们父母所进行的繁衍过程，一代一代演化下去，直到达到期望的解为止。

并行计算

非常容易将遗传算法用到并行计算和群集环境中。一种方法是直接把每个节点当成一个并行的种群看待。然后有机体根据不同的繁殖方法从一个节点迁移到另一个节点。另一种方法是“农场主/劳工”体系结构，指定一个节点为“农场主”节点，负责选择有机体和分派适应度的值，另外的节点作为“劳工”节点，负责重新组合、变异和适应度函数的评估。
http://ke..com/view/45853.html

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[20]。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。
http://blog.ustc.e.cn/chujx/archives/000925.html