基因表示

基因表示基是一种被人工智能研究者认真考虑的一类介于局部与分布表示之间的知识表示方法。它的分布性表现为这种知识表示方法的基本单元染色体的任一个基因与所表示的知识没有任何直接的对应关系，只有一段基因的合理组合才具有一定的含意，因此，可以认为知识是分布地表示在染色体的某段基因之中；而局部性主要考虑到染色体可以被分成若干有实际含意的基因段。尽管从对染色体上的遗传操作来看，知识表示是分布的；但从其对后代的选择来看，知识表示又是局部的。

简介基因表示来源于生物学对遗传与进化的研究，在人工智能领域，基因表示是指知识局部表示法和知识分布表示方法的组合。局部表示就是指在系统中，这种知识表示方法所规定的任何局部(符号)具有独立的含意，它们不随系统的其它部分的改变而改变。在人工智能中，这类表示方法一般也称为物理符号机制。分布表示是考虑对知识的表示取决于一组互相关联的数值，它们当中的任一个对所表示的知识均无独立的意义。具体地说，知识被分布地表示在这一组数值之中。对人工智能研究来说，基因表示适合表示那些具有整体特性的知识。另外，这种知识表示方法所基于优化的搜索算法具有大规模并行处理( MPP)的特点，因此，它对解决很多优化问题具有特殊的意义。

知识表示知识表示是知识工程的关键技术之一，主要研究用什么样的方法将解决问题所需的知识存储在计算机中，并便于计算机处理。从一般意义上讲，所谓知识表示是为描述世界所作的一组约定，是知识的符号化、形式化或模型化。从计算机科学的角度来看，知识表示是研究计算机表示知识的可行性、有效性的一般方法，是把人类知识表示成机器能处理的数据结构和系统控制结构的策略。知识表示的研究既要考虑知识的表示与存储，又要考虑知识的使用。一个完整知识表示过程是:首先是设计者针对各种类型的问题设计多种知识表示方法；然后表示方法的使用者选用合适的表示方法表示某类知识；最后知识的使用者使用或者学习经过表示方法处理后的知识。所以，知识表示的客体就是知识；知识表示的主体包括3类:表示方法的设计者、表示方法的使用者、知识的使用者1。

知识表示的方法体系：狭义的知识表示方法专指计算机科学领域使用的知识表示方法，指的是各种不同的适合于机器处理的、形式化的知识模型；广义的知识表示方法是指人类所使用的用来表示知识的所有方法，既包括逻辑、框架、语义网络等替代表示方法，也包括图形、图像、声音等直接表示方法。为了能够在开阔的视野下对知识表示方法做全面分析，在如果没有特别强调，所提到的知识表示方法都是广义的。

人类社会在进化过程中不断地创造新的知识，同时也在不断地探索新的知识表示方法。在计算机诞生之前的几千年里，人们都是在探索面向人类使用、理解和学习的知识表示方法，比如图像、文字和语言等，这些表示方法是人类集体智慧的结晶，并且被人们普遍接受和使用；在计算机诞生之后，人们开始探索面向计算机处理的知识表示方法，比如：产生式、逻辑、框架、面向对象等等，这些方法是领域专家们创造出来的研究成果，通常被应用于特定的领域。在人工智能中 ,经常使用的知识表示方法，根据其知识表示原理可以分成下述三类：局部表示类 。包括逻辑、 产生式系统、 语义网络、 框架及过程表示；分布表示类。包括连接机制表示及基因表示；直接表示类 。包括图示、 图象及声音等的直接表示。

搜索算法与并行处理搜索算法是利用计算机的高性能来有目的的穷举一个问题解空间的部分或所有的可能情况，从而求出问题的解的一种方法。现阶段一般有枚举算法、深度优先搜索、广度优先搜索、A*算法、回溯算法、蒙特卡洛树搜索、散列函数等算法。在大规模实验环境中，通常通过在搜索前，根据条件降低搜索规模；根据问题的约束条件进行剪枝；利用搜索过程中的中间解，避免重复计算这几种方法进行优化。

并行处理（Parallel Processing）是计算机系统中能同时执行两个或更多个处理的一种计算方法。并行处理可同时工作于同一程序的不同方面。并行处理的主要目的是节省大型和复杂问题的解决时间。为使用并行处理，首先需要对程序进行并行化处理，也就是说将工作各部分分配到不同处理进程（线程）中。并行处理由于存在相互关联的问题，因此不能自动实现。另外，并行也不能保证加速。从理论上讲，在 n 个并行处理的执行速度可能会是在单一处理机上执行的速度的 n 倍。

本词条内容贡献者为:

李岳阳 - 副教授 - 江南大学