主要是试图传递一些思想，程序感兴趣的可以看看（使用在上篇帖子），其实算法还是比较简陋的。
【2.0】用程序模拟进化：文字进化
2017-02-09镜子文明（然兮）南京大学科幻爱好者协会
笔者闲来无事调教文字进化的小程序，想着能不能搞个大新闻，进化出一个比较长的语句（之前选择life作为样例纯属偷懒）“dimentionalattack”（维度打击）。在换了十几组突变率和选择率的参数都宣告失败后，我不禁陷入了沉思，这程序到底怎么了，难道笔者或成最大输家？猛然间，我一拍大腿，发现了问题所在。
问题在于选择模式出了偏差。由于字母是随机突变成剩余的25个字母，因此lize肯定比mhgf更容易突变成life——然而前者的距离s（计算方法是∑差的平方）是400，后者是4。前者只需要一个字母完成特定突变就可以了，而后者要好死不死等4个字母完成特定突变，带上4次方的概率向你的进化发出了善意的微笑。
这个现象让我重新认识了进化过程。原先我以为进化只需要设定好突变率、选择率和进化终点，就可以沏壶茶坐等了——但是我没想到，原来选择模式这么重要。说选择模式有点不专业，装个13的话应该叫适应度评价（自然选择—生物适应是等价的过程，角度不同罢了，都是在反映生物环境之间的相互作用）。在遗传学上，适应度用来度量生物生存下来并把基因遗传给下一代的能力，在计算机模拟中，就是一个完成对数据筛选的适应度函数数值。
为了使计算机模拟的进化更接近生物进化，我更换了原来的选择模式（计算序列与目标序列的距离，取最优者），变成计算序列与目标序列的相似度、取最优者。为什么更符合呢？对于RNA的三联子密码，一般第一个字母决定氨基酸的前体（比如U决定了氨基酸以丙酮酸做前体），第二个字母决定氨基酸的疏水性，第三位具有简并性（同一个氨基酸可以对应多个字母）。对于这样的序列而言，有更大的相似度肯定比更小的距离更能达到目标功能，也就是有着更好的适应度。
但是前一种选择模式我毕竟研究了这么久，尽管成本已经沉没，但就是舍不得啊。于是我琢磨着，它还可不可以抢救一下。又是一拍大腿（哎哟，腿断了），我可以换变异模式啊。随机突变为剩余的25种字母非常不利于距离选择进化成目标序列，那随机变成相邻的字母呢？这样的话，进化成目标序列，距离选择就比相似度选择更优越了，这回轮到lize绝望地看着到life的距离了。
以上程序统一打包在下面的链接：
https://pan.baidu.com/s/1jIjvb2Q（点击阅读原文，这次亲测有效#滑稽）
Originalmode是最开始发布的版本，距离选择，随机突变。
Anotherselectingmode是更改了选择模式的版本，相似度选择，随机突变。
Anothervariancemode是更改了变异模式的版本，距离选择，随机变化为相邻的字母。
Genemode就是在模仿基因的突变模式了，字母表换成了ATCG，相似度选择，随机突变，基本结构和Anotherselectingmode一致。为什么要做这个呢？姑且挖个坑吧，管挖不管填。
可直接运行的程序都放在对应文件夹下的staticlibrary（静态链接库）文件夹下，不关心源代码的就直接戳它就可以了。
另外个人发现了一些使用体验差的地方，比如输字母很麻烦，输错了要重来，输多了要赋给下个数组数值，不过我也没办法，将就吧，有大神愿意的话请指教一下怎么修改。
————————————我是分割线————————————
到这里就结束了吗？
的确关于小程序的部分结束了，但关于这个程序的思想乃至进化原理的部分才刚刚开始。
进化的模式可以简单地概括为变异、选择和复制三个过程的循环，但这是定性的、粗糙的。三个过程不是孤立的，而是一个统一的完整的系统，相互影响、相互作用，任意一者的改变，都会极大地影响最后的结果。
首先是变异，可以从两个方面考虑：变异率和变异模式。如果把生物进化比作走路的话，那它们决定了走路的步幅和方式。
然后是选择，也可以从选择率和选择模式考虑。选择模式的核心是适应度的评价（而不是最后的选择结果）。在同样的比喻中，它们决定了路两边悬崖出现的频率和位置的分布，使得变异只走特定集合中的一些路径组合，不过这种组合好不好走就不一定了，好的时候山珍海味热切糕，唱着歌儿走大道；不好的时候这顿不知下顿饱，偶尔一个悬崖跳。
最后是复制。我想到的是字母表的考虑。（英文）文字进化的字母表有26个，生物进化的字母表是4个。不同的字母表使得变异的结果具有更大的多样性，相当于决定了可供选择的路径。
我所面对的进化只是计算机程序的模拟，虽然对我来说用数学工具来刻画很困难，但私以为对于数据工程师们而言，应该不算太困难。
然而自然就不会这么友善了。变异模式极其复杂，仅说基因的点突变：物理因素、化学因素、外在生物因素、内在生物因素都会导致点突变，尽管表象上只是碱基对变了一下（颠换：比如A—T/C—G；置换：A/T—C/G；增添；缺失），但这种变化有着复杂的权重计算，而且很可能变异一次权重还变了。更不要说大片段变异、染色体变异以及有性生殖涉及的交叉重组。选择模式极其复杂。环境太复杂了，生物体集合的可选择特征也太多了，不同特征之间的相互作用，又可以构成新的二次特征。很多变异是中性的，有些不中性的变异也很难衡量它的优劣。人类目前连写出一个通用的精确的适应度函数（哪怕是最简单的细菌）的理论基础甚至是研究基础都不具备。
更不要说生命起源时期充满不确定、不稳定和不平衡的状态，各类分子的碰撞组合，变异模式和选择模式想来多少来多少。
这复杂的壁垒太恐怖，看来对于复杂的认识我还是太年轻太简单，姿势水平太低，必须得学习一个。
但是我想说的是，这不正是生物的迷人之处吗？科学追求的不是特例，而是宇宙中亘古不变的规律，对于这复杂也是一样的。在极端复杂的混沌背后，我们期待的是主掌生物的简洁的、优美的、数学的自然规律。而再走远一步，就是意识的起源——这也是我最欣赏生物的地方：科学起源于观察的革命（比如牛顿物理学）、进步于观察者的革命（相对论、量子力学），而下一步我预见的升华是观察者之观察的革命，也就是意识的革命。这似乎太过遥远，也许生物的确不属于二十一世纪，但未来总将由生物带来一场超越。
最后的最后，想起《小窗幽记》的一句话：花繁柳密时，拨得开，方见手段；风狂雨急时，立得定，方见脚跟。