通过算法的视角看生态与进化

生态学和进化论的研究正变得越来越数学化，但是大多数理论工具似乎都来自物理学。然而，在许多情况下，问题具有非常离散的性质（例如，参见SLBS00），并且可以从计算机科学的角度受益。但是，我知道，TCS仅有少数严肃的结果，试图涉及生态学和进化中的特定问题。我想到的两个方向是：

1. Livnat，A.，Papadimitriou，C.，Dusho，J。，＆Feldman，MW [2008]“性别在进化中的作用的可混合性理论” PNAS 105（50）：19803-19808。[ pdf ]

2. Valiant，LG [2009] ACM的“演进性”杂志56（1）：3。

前者应用了遗传算法分析得出的想法，以表明性和无性生物在适应环境中的行为方式之间存在质的差异，并已采取后续行动，以证明所观察到的模块化是合理的。后者将进化与计算学习理论联系起来，以试图证明可进化性和不可置信性的结果。它影响了一小部分论文，但主要是受到其他计算机科学家的影响。

在这些方面还有其他结果吗？在生物学家研究中，理论计算机科学在理解生态学和进化方面是否有其他深远/重要的应用？

笔记

• 我对与通用工程相关的遗传或进化算法结果不感兴趣。尽管这是计算机科学中非常有趣和令人兴奋的部分，但生物学家研究的计算机与进化的联系通常是肤浅的。有时（例如在LPDF08中）建立了具体的连接，但是大多数标准结果都没有生物学意义，因此在这篇文章中我对它们不感兴趣。

• 生物信息学是附近的领域，但它也不是我想要的。尽管它可以用于重建系统进化树之类的事物，从而帮助进化/生态，但理论上的CS方面并没有占据中心地位。在这里，CS结果似乎主要是为了完善一种可以从现有的公认理论中广泛用作黑匣子的工具，而不是建立或扩展新的生物学理论。

• 我更喜欢使用计算机科学的现代性和非平凡方面来在理论（但仍与生物学家有关）水平上影响生物学的结果。因此，我对柴廷的代谢生物学之类的东西不那么感兴趣。

相关问题

• 关于遗传算法的可行陈述

• 社会科学中的算法镜头

• 算法进化博弈论的来源

• 量化金融中的计算复杂性

嗯 就进化动力学/博弈论而言，我个人认为您提到的Livnat等人的论文虽然很好，但似乎并没有超出进化博弈论的标准数学方法的范围（参见例如 马丁·诺瓦克（Martin Nowak）的小组，例如'05论文“图上的演化动力学”）。

因此，我要提出的两个主张是：首先，虽然这是计算机科学家在《进化动力学》中所做的一些伟大工作，但我个人不会将其置于理论计算机科学之内或与TCS紧密相关。进化与算法博弈论之间的既存关系。其次，如果您倾向于不同意，那么您可能会惊讶地发现，进化动力学领域在哲学上已经与TCS共享/共享了多少（但是我仍然不确定这些技术是否相似）。

总的来说，我倾向于说，沿着这些思路，没有任何工作，包括您提到的参考，都无法满足您的期望，我认为这是TCS中某些核心概念/技术之间的深层联系。和进化研究。（当然，如果有人有不同意见，请这样说！）

我确实认为，进化博弈论或进化动力学可以受益于更多的算法方法（例如Livnat等人）。对于一个特定的示例，我看到了考虑具有（有限）计算能力的可演化代理的可能很好的扩展，例如通过有限状态机进行建模。这将使我们能够使用更复杂的条件策略（如针锋相对）研究离散因子的演变。我对此进行了调查，并听取了一些有关这些方面的初步工作的信息，但没有任何引用可参考。

但是，即使这个示例是一个相当简单的应用程序，因此这种结果可能仍然无法回答您的问题。

另一方面，我对学习理论抱有更高的希望，有一天它也可能与进化动力学建立良好的联系。但是，我对这些结果不是很熟悉，因此我将其留给他人评论。

（编辑）应该提到的一种潜在联系是学习的已知关系（例如“专家的问题”）和在重复游戏中趋于平衡的关系。具体来说，例如（在详细信息中，请参见Aaron Roth的评论），如果所有玩家都在玩无悔策略，那么过去的动作分布会收敛到单轮游戏的粗略相关均衡。从进化博弈论的角度来看，也许有一些有趣而新颖的说法。我不确定。

一个（最近）与无性发展与应用，药物设计和用途有趣马尔可夫链技术的老本行：进化没有性生活

这是一篇将进化/遗传学与乘性权重更新算法相关联的新论文，该论文也刚刚被西蒙斯基金会介绍，并且包括问题中引用的合著者（Papadimitriou）：

• 算法，游戏和演化 Erick Chastain，Adi Livnat，Christos Papadimitriou和Umesh Vazirani

  甚至从达尔文本人开始，最有经验的进化学生也偶尔会感到惊讶，自然选择的机制在我们周围看到了整个生命。有一种计算方法可以表达出同样的惊奇：“什么算法在短短的三年半的时间内就能实现所有这些？”在本文中，我们提出一个答案：我们证明了在弱选择的情况下，标准描述存在性别时自然选择的种群遗传方程式变得与根据乘性权重更新（MWUA）进行的基因之间重复博弈的方程式相同，在计算机科学中，该算法出奇地强大且用途广泛。MWUA最大化了累积性能和熵之间的权衡，

Misha Gromov最近对晶体，蛋白质，稳定性和等电学进行了广泛的调查（Bull。Amer。Math。Soc。48（2011），229-257），是与生物学相关的数学主题的丰富脉络（包括与TCS相关的许多主题）方法）。

这个问题要求列出

通过算法镜头使用具有非常离散性质[...]的计算机科学[...]的现代和非平凡方面的结果

Gromov的调查比一般的研究计划更侧重于一般的数学问题。因此，该调查可以理解为Gromov选择的

问题是（可能）使用现代十岁上下和计算机科学的不平凡的方面[...]（其中许多）是一个非常离散性[...]通过（什么是经常）的算法镜头。

作为未解决问题的列表而不是已知结果的列表，Gromov的文章对读者提出了重要的创造性要求。

也许这篇文章的主要优点是作者是…… Misha Gromov！

las，在科学兴趣/重要性与实际科学研究之间似乎存在巨大差距，这一问题的高票数与答案的低票数也证明了这一点（并且不希望在这里违抗这种模式）。在婴儿早期，它似乎是一项非常重要的研究/研究计划，是科学理论的核心。我们现在拥有进行计算实验的工具，至少可以使进化论受到可证伪性的约束，只要进化论是准确的，那么就应该至少可以在计算机上对其进行建模/模拟。但是尝试该项目的人似乎很少（至少可以肯定地说，这非常雄心勃勃）。

例如，是否有一些模拟可以匹配数十亿年系统树中已知的进化变化？挑战是跨学科和跨领域的，似乎并不完全/完全适合现有的科学领域/边界。值得注意的是，似乎没有任何主要的科学家或生物学家明确提出这样的研究计划。

这里是打开了其他一些裁判这肯定不适合严格到的问题中列出的窄标准，但可以大致接近：

• 在“人工生命”领域，人们对尝试模拟导致“化学汤”自组织成某种准生命形式的条件感兴趣，这些准生命形式表现出复制等基本方面。例如：The EVOGRID：一种计算生命起源的方法 Damer

  通过在分子水平上从非生命中出现生命的可能阶段的计算机模拟，可以增强对了解地球生命起源机理的探索。然后，此类仿真可以通过并行的实验室化学实验来支持测试和验证。化学生物发生中的计算或“网络”成分与并行工作研究的这种结合可以称为电子生物发生方法。网络生物发生努力的主要技术挑战是设计计算机模拟模型，该模型允许通过多个复杂性阈值从头出现益生元和生物虚拟分子结构和过程。本文面临着设计，实现和分析这样一种仿真模型的挑战。

• 人类及其他原产地域战争，仇视和嗜好的群体选择模型 Agner雾

  摘要：群体领土战争的理论模型表明，在高级灵长类动物和史前人类中，合作战争，正义，利他主义和外来者排斥等行为特征可能已经演变。讨论了使领土战争成为有效的群体选择机制的条件。这些条件在史前时代可能存在于部落社会中，而在现代则不存在。用计算机模拟说明了领土的地理演变。

• 值得注意的是，这个问题似乎非常相似：计算机模拟了直到2008年地球上进化过程的堆栈溢出，并带有一些其他引用。