神经网络遗传算法的系统思维特性<%=id%>

　　神经网络是对人脑的抽象、简化和模拟，反映了人脑的基本特性。神经网络的研究始于1943年Mcculloch和Pitts所提出的第一个神经网络模型：到目前为止，神经网络的研究发展先后经历了兴起、萧条和兴盛三个阶段。神经网络是由大量人工神经元广泛互连而成的复杂的非线性运算网络，可以模拟人脑进行信息的处理，具有自学习、自组织、非线性和高度的并行分布式运算等优势。
　　遗传算法则是由美国Michigan大学的 J．Holland教授于1962年提出，20世纪80年代开始掀起一股遗传算法的研究热潮至今。遗传算法是一类随机化的搜索算法模型，它模拟了达尔文的遗传选择和自然淘汰的生物进化过程。按照达尔文的进化，论，生命历程包括繁殖、变异、竞争和选择等多种复杂过程。在繁殖过程中，个体的遗传物质将复制给后代。繁殖可以理解为一种信息的传递，信息传递过程中基因的复制可以发生错误，这就产生了变异。竞争是在有限资源空间中生物个体数量持续扩张产生的，而选择则是在物种充满整个可获得空间后相互竞争的必然结果。这些相互作用的随机运行构成了生命的进化过程。遗传算法就是受到生命进化原理的启示而形成的一种寻优方法。
　　神经网络与遗传算法都是一种智能计算技术，是用来求解优化问题的有效途径，可以广泛地应用于自动控制、模拟识别、图象处理、地震勘探、信号处理和社会经济等众多领域中需要进行寻优计算的场合。关于探讨神经网络哲学意义的文献较多，而本文则试图从现代科学思维方式的角度来共同反思神经网络与遗传算法所给予我们的重要启示。
　　从神经网络和遗传算法的兴起与原理可见，这两门边缘学科的产生与发展都是与科研人员的现代科学思维方式分不开的。具体来说，二者都是运用系统思维方式进行科学思维的成功范例。
　　现代系统思维揭示了“系统”作为事物普遍联系的一种具体形式。整个自然界就是一个由各种事物相互联系的活生生的有机整体。由于现代系统思维方式是对马克思主义辩证整体性思维方式的继承和发展；因此，马克思、恩格斯所揭示的辩证整体性思维方式仍然是科学的正确的思维方式。恩格斯指出，世界表现为一个有机联系的统一整体，自然科学本质上是“关于过程、关于这些事物的发生和发展以及关于把这些自然过程结合为一个伟大整体的联系的科学”(《马克思恩格斯选集》第4卷，第241页)。马克思和恩格斯把人类的理论思维方式推广到了辩证思维的高度，使之成为适应当代科学技术发展的最科学的最重要的思维方式，“因为只有它才能为自然界中所发生的发展过程，为自然界中的普遍联系，为从一个研究领域到另一个的过渡提供类比，并从而提供说明方法” (《马克思恩格斯选集》第3卷，第466页)。事实上，无论是神经网络还是遗传算法，它们都是将生物学原理应用于科学研究的仿生学理论成果；而且，神经网络与遗传算法这两门技术的本身在近来也出现了相互交融的趋势。这就集中体现了世间万物实际上是处于一个普遍联系的大系统之中，连科学寻优运算的方法也可以借助于世间生灵之灵气。其实，现代科学技术发展的主要特点就是精细的分科与多学科交叉联系的辩证统一，即在微观上深入分析和在宏观上广泛综合的辩证统一。我们强调系统的大科学思维方式，其意义上在于要求人们按照科学大系统的方式进行思维，改变传统狭隘的思维方式和价值观念。
　　上述这些例证足以说明了现代系统思维方式对现代科学技术实践所具有的重要意义。衷心期望着，在将来会有更多更有生命力的新学科能够在现代科学的系统思维方式指导下诞生。也衷心期望本文能对从事科技事业的同仁们有所启发和帮助!

设为首页 | 加入收藏 | 广告服务 | 友情链接 | 版权申明