目錄
中文版前言
前言
第1章 演化與發(fā)育的計算模型 1
1.1 演化算法 1
1.1.1 通用演化算法 1
1.1.2 參數(shù)自適應(yīng)與演化策略 7
1.1.3 直接表示與間接表示 9
1.1.4 多目標演化算法 10
1.2 基因調(diào)控網(wǎng)絡(luò)的計算模型 14
1.2.1 概述 14
1.2.2 基因調(diào)控網(wǎng)絡(luò)的數(shù)學(xué)模型 16
1.2.3 基因調(diào)控網(wǎng)絡(luò)的重建 18
1.3 多細胞生長的基因調(diào)控模型 19
1.3.1 概述 19
1.3.2 多細胞生物的發(fā)育模型 20
1.3.3 細胞發(fā)育過程 23
1.4 形態(tài)發(fā)育和神經(jīng)發(fā)育的建模 24
1.4.1 形態(tài)發(fā)育的建模 24
1.4.2 早期神經(jīng)發(fā)育建模 24
1.5 活動依賴的神經(jīng)可塑性 25
1.5.1 神經(jīng)可塑性類型 25
1.5.2 赫布規(guī)則 26
1.5.3 BCM可塑性規(guī)則 27
1.5.4 穩(wěn)態(tài)調(diào)控 28
1.5.5 脈沖時序依賴可塑性規(guī)則 28
1.6 總結(jié) 30
第2章 基因調(diào)控網(wǎng)絡(luò)分析 31
2.1 魯棒性和可演化性 31
2.1.1 魯棒性 31
2.1.2 可演化性 32
2.1.3 魯棒性與可演化性之間的權(quán)衡 33
2.2 網(wǎng)絡(luò)模體和連通性 34
2.2.1 典型網(wǎng)絡(luò)模體及其特性 34
2.2.2 基因調(diào)控網(wǎng)絡(luò)的連通性 36
2.3 布爾基因型-表現(xiàn)型映射中的魯棒性-可演化性權(quán)衡 38
2.3.1 布爾模型 38
2.3.2 布爾模型的編碼 39
2.3.3 魯棒性和創(chuàng)新性的定量度量 42
2.3.4 基因型-表現(xiàn)型映射的多目標優(yōu)化 43
2.3.5 實驗分析 44
2.3.6 討論 47
2.4 演化發(fā)育系統(tǒng)的可演化性 48
2.4.1 概述 48
2.4.2 細胞生長的發(fā)育模型 48
2.4.3 不依賴適合度函數(shù)的可演化性度量 51
2.4.4 轉(zhuǎn)錄因子（TF）動態(tài)分析 57
2.4.5 可演化性的演化 61
2.4.6 討論 64
2.5 總結(jié) 65
第3章 基因調(diào)控動態(tài)特性的演化合成 66
3.1 引言 66
3.2 基因開關(guān)和振蕩器的演化參數(shù) 67
3.2.1 計算模型 67
3.2.2 基因調(diào)控動態(tài)特性的綜合演化 69
3.2.3 可持續(xù)基因振蕩的可演化性 71
3.3 調(diào)控邏輯的演化 77
3.3.1 概述 77
3.3.2 基因調(diào)控模體與調(diào)控邏輯 78
3.3.3 調(diào)控模體的演化 80
3.3.4 實驗分析 82
3.4 基因模體的演化耦合 86
3.4.1 概述 86
3.4.2 基因模體 86
3.4.3 耦合模體調(diào)控的動態(tài)演化 88
3.4.4 仿真分析 89
3.4.5 討論 92
3.5 s.coelicolor轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)的演化重構(gòu) 93
3.5.1 概述 93
3.5.2 PhoP網(wǎng)絡(luò)和基因表達數(shù)據(jù) 94
3.5.3 通用網(wǎng)絡(luò)推斷算法 94
3.5.4 實驗與討論 96
3.6 總結(jié) 98
第4章 形態(tài)發(fā)育的演化 100
4.1 引言 100
4.2 基本知識 100
4.2.1 基因調(diào)控網(wǎng)絡(luò)的演化 100
4.2.2 多細胞生長模型 101
4.2.3 穩(wěn)定生長和再生 101
4.3 形態(tài)發(fā)育的計算模型 102
4.4 演化系統(tǒng) 106
4.4.1 遺傳算子 106
4.4.2 適合度函數(shù) 106
4.5 實驗結(jié)果與討論 107
4.5.1 實驗設(shè)置 107
4.5.2 穩(wěn)定增長的可演化性 108
4.5.3 穩(wěn)定發(fā)育的基因調(diào)控網(wǎng)絡(luò) 109
4.5.4 討論 115
4.6 總結(jié) 116
第5章 神經(jīng)發(fā)育的演化 118
5.1 引言 118
5.1.1 神經(jīng)演化和發(fā)育中的躍變 118
5.1.2 神經(jīng)自組織機制 119
5.2 早期神經(jīng)發(fā)育的演化 119
5.2.1 概述 119
5.2.2 水螅模型 120
5.2.3 早期神經(jīng)發(fā)育的基因模型 121
5.2.4 脈沖神經(jīng)網(wǎng)絡(luò)模型 123
5.2.5 發(fā)育順序的演化 123
5.2.6 捕食行為的演化 128
5.2.7 討論 129
5.3 基因調(diào)控神經(jīng)可塑性的演化 130
5.3.1 引言 130
5.3.2 基于可塑性的學(xué)習中的遺忘干擾 131
5.3.3 液態(tài)狀態(tài)機中的局部BCM可塑性規(guī)則 140
5.3.4 液態(tài)狀態(tài)機的自組織 143
5.3.5 液態(tài)狀態(tài)機中子儲備池的協(xié)同演化 145
5.3.6 回聲狀態(tài)網(wǎng)絡(luò)中局部突觸可塑性的演化 153
5.3.7 回聲狀態(tài)網(wǎng)絡(luò)中局部內(nèi)在可塑性的演化 157
5.4 總結(jié) 161
第6章 腦-體協(xié)同演化計算 162
6.1 具身對理解人類智能至關(guān)重要 162
6.2 運動神經(jīng)元雙邊對稱結(jié)構(gòu)的涌現(xiàn) 162
6.2.1 概述 162
6.2.2 波動運動的物理模型 164
6.2.3 神經(jīng)控制器 165
6.2.4 運動神經(jīng)元結(jié)構(gòu)與神經(jīng)控制器的演化 168
6.3 腦-體協(xié)同演化中的功能耦合 171
6.3.1 引言 171
6.3.2 模型 171
6.3.3 結(jié)果和討論 172
6.4 神經(jīng)控制器和形態(tài)發(fā)育在演化中的耦合 174
6.4.1 形態(tài)發(fā)育模型 174
6.4.2 神經(jīng)控制器 174
6.4.3 適合度函數(shù) 175
6.4.4 形態(tài)與神經(jīng)控制器之間的耦合 176
6.5 腦-體協(xié)同發(fā)育的演化 177
6.5.1 基因調(diào)控的腦-體協(xié)同發(fā)育 177
6.5.2 神經(jīng)控制器 177
6.5.3 適合度函數(shù) 178
6.5.4 討論 178
6.6 總結(jié) 178
第7章 形態(tài)發(fā)育群機器人的演化自組織 179
7.1 形態(tài)發(fā)育與自組織 179
7.1.1 生物形態(tài)發(fā)育 179
7.1.2 形態(tài)發(fā)育自組織 179
7.2 形態(tài)發(fā)育的固定模式生成 181
7.2.1 多細胞與多機器人系統(tǒng)之間的隱喻 181
7.2.2 問題定義 181
7.2.3 基因調(diào)控網(wǎng)絡(luò)模型 182
7.2.4 基因調(diào)控網(wǎng)絡(luò)的演化優(yōu)化 184
7.2.5 仿真結(jié)果 184
7.3 自適應(yīng)形態(tài)發(fā)育邊界覆蓋 187
7.3.1 概述 187
7.3.2 分層基因調(diào)控網(wǎng)絡(luò) 188
7.3.3 分層基因調(diào)控網(wǎng)絡(luò)模型的演化優(yōu)化 192
7.3.4 結(jié)果與討論 193
7.4 區(qū)域覆蓋的形態(tài)發(fā)育自組織 196
7.4.1 概述 196
7.4.2 區(qū)域覆蓋的分層雙層基因調(diào)控網(wǎng)絡(luò)模型 196
7.4.3 仿真結(jié)果 201
7.5 基于基因模體的形態(tài)生成 205
7.5.1 概述 205
7.5.2 網(wǎng)絡(luò)模體 206
7.5.3 基于網(wǎng)絡(luò)模體演化H-GRN 207
7.5.4 仿真結(jié)果 210
7.6 基于形態(tài)發(fā)生素擴散模型的極簡機器人自組織 212
7.6.1 概述 212
7.6.2 Kilobots：一種極簡型機器人平臺 213
7.6.3 形態(tài)發(fā)生素擴散模型用于跟蹤和驅(qū)趕 214
7.6.4 自組織的極簡機器人協(xié)調(diào)運動 221
7.6.5 調(diào)控形態(tài)發(fā)生素梯度實現(xiàn)目標包圍與自適應(yīng)形態(tài)生成 229
7.7 總結(jié) 235
第8章 通向演化發(fā)育系統(tǒng) 237
參考文獻 239