生物学启发的软件

我想知道是否有人知道利用生物学的任何软件技术？例如,在机器人世界,有很多,但软件呢？

如果你的问题意味着"有生物学思想被用来优化软件吗？" 然后遗传编程(http://en.wikipedia.org/wiki/Genetic_programming)就是一个例子.来自维基百科的文章:

在人工智能中,遗传编程(GP)是一种基于进化算法的方法,其灵感来自生物进化,以发现执行用户定义任务的计算机程序.它是遗传算法(GA)的专业化,其中每个人都是计算机程序.因此,它是一种机器学习技术,用于根据由程序执行给定计算任务的能力确定的健身景观来优化计算机程序群.

如果你的问题意味着"什么软件技术受到了生物学的启发？" 然后更多地了解http://en.wikipedia.org/wiki/Bio-inspired_computing.我希望也可以使用其他几种方法,如ant-swarms(http://en.wikipedia.org/wiki/Ant_colony_optimization)和Neural Networks(http://en.wikipedia.org/wiki/Neural_network_software).

最初在生物学中观察到的许多概念已经在软件中使用.例如遗传算法(GA).

人工生命(AL)暴露/使用生物学的几个原则,例如对不完美的代码片段的弹性,内容的解决, 不完美的再现(在一些实现中,还有性,即多元素驱动,再现)和非目标驱动效用函数.AL的一个有趣结果是在生态学或流行病学(主要受生物学影响的领域)等领域中观察到的宏观现象的自发产生,例如寄生虫的出现,甚至是利用寄生虫或微妙捕食者的生物的出现 - 猎物关系.

也许软件可以说已经"完全循环",计算中的一些实验涉及真实的(基于碳的)DNA(或RNA)分子!这个领域 的原始实验(PDF链接)由Alderman教授(RSA成名)编写,用不同的DNA分子编码图形相关问题(哈密顿图)的各种元素,并让生物的大量并行计算能力化学做其余的事情并解决问题!

回到数字世界,但是从生物学和大脑皮层解剖学的强烈灵感,以及神经科学领域的许多理论和临床观察,我们有神经网络(NN).在NN领域,也许值得特别注意的是Numenta的分层时间记忆模型,虽然它只是非常松散地再现了[我们所理解的]新皮质,但是引入了相同的算法应用于由大脑驱动的认知过程的所有领域和各个层面,一个主要由生物学,解剖学和其他形式的证据支持的想法.