基因表示

基因表示來源於生物學對遺傳與進化的研究，在人工智能領域，基因表示是指知識局部表示法和知識分佈表示方法的組合。局部表示就是指在系統中，這種知識表示方法所規定的任何局部(符號)具有獨立的含意，它們不隨系統的其它部分的改變而改變。在人工智能中，這類表示方法一般也稱為物理符號機制。分佈表示是考慮對知識的表示取決於一組互相關聯的數值，它們當中的任一個對所表示的知識均無獨立的意義。具體地説，知識被分佈地表示在這一組數值之中。對人工智能研究來説，基因表示適合表示那些具有整體特性的知識。另外，這種知識表示方法所基於優化的搜索算法具有大規模並行處理( MPP)的特點，因此，它對解決很多優化問題具有特殊的意義。

知識表示是知識工程的關鍵技術之一，主要研究用什麼樣的方法將解決問題所需的知識存儲在計算機中，並便於計算機處理。從一般意義上講，所謂知識表示是為描述世界所作的一組約定，是知識的符號化、形式化或模型化。從計算機科學的角度來看，知識表示是研究計算機表示知識的可行性、有效性的一般方法，是把人類知識表示成機器能處理的數據結構和系統控制結構的策略。知識表示的研究既要考慮知識的表示與存儲，又要考慮知識的使用。一個完整知識表示過程是:首先是設計者針對各種類型的問題設計多種知識表示方法；然後表示方法的使用者選用合適的表示方法表示某類知識；最後知識的使用者使用或者學習經過表示方法處理後的知識。所以，知識表示的客體就是知識；知識表示的主體包括3類:表示方法的設計者、表示方法的使用者、知識的使用者 ^[1]  。

知識表示的方法體系：狹義的知識表示方法專指計算機科學領域使用的知識表示方法，指的是各種不同的適合於機器處理的、形式化的知識模型；廣義的知識表示方法是指人類所使用的用來表示知識的所有方法，既包括邏輯、框架、語義網絡等替代表示方法，也包括圖形、圖像、聲音等直接表示方法。為了能夠在開闊的視野下對知識表示方法做全面分析，在如果沒有特別強調，所提到的知識表示方法都是廣義的。

人類社會在進化過程中不斷地創造新的知識，同時也在不斷地探索新的知識表示方法。在計算機誕生之前的幾千年裏，人們都是在探索麪向人類使用、理解和學習的知識表示方法，比如圖像、文字和語言等，這些表示方法是人類集體智慧的結晶，並且被人們普遍接受和使用；在計算機誕生之後，人們開始探索麪向計算機處理的知識表示方法，比如：產生式、邏輯、框架、面向對象等等，這些方法是領域專家們創造出來的研究成果，通常被應用於特定的領域。在人工智能中 ,經常使用的知識表示方法，根據其知識表示原理可以分成下述三類：局部表示類 。包括邏輯、 產生式系統、 語義網絡、 框架及過程表示；分佈表示類。包括連接機制表示及基因表示；直接表示類 。包括圖示、 圖象及聲音等的直接表示。

搜索算法是利用計算機的高性能來有目的的窮舉一個問題解空間的部分或所有的可能情況，從而求出問題的解的一種方法。現階段一般有枚舉算法、深度優先搜索、廣度優先搜索、A*算法、回溯算法、蒙特卡洛樹搜索、散列函數等算法。在大規模實驗環境中，通常通過在搜索前，根據條件降低搜索規模；根據問題的約束條件進行剪枝；利用搜索過程中的中間解，避免重複計算這幾種方法進行優化。

並行處理（Parallel Processing）是計算機系統中能同時執行兩個或更多個處理的一種計算方法。並行處理可同時工作於同一程序的不同方面。並行處理的主要目的是節省大型和複雜問題的解決時間。為使用並行處理，首先需要對程序進行並行化處理，也就是説將工作各部分分配到不同處理進程（線程）中。並行處理由於存在相互關聯的問題，因此不能自動實現。另外，並行也不能保證加速。從理論上講，在 n 個並行處理的執行速度可能會是在單一處理機上執行的速度的 n 倍。