Chestnut Strategy: A Genetic Algorithm Enhanced by the Natural Life Cycle of the Chestnut Tree*

在计算机科学的广袤领域中，有一个专门研究如何通过模仿自然进化方式来教机器解决问题的学科。这种被称为遗传算法的方法，将问题的潜在解决方案视为一群活着的生物。正如生物种群随时间发生变化一样，计算机创造出一组候选答案，测试它们的表现，然后将表现最好的部分混合在一起，以创造出新的一代，并希望这一代会更好。其目标是在数百万种可能性中找到那唯一的最佳答案，即全局最优解。然而，这些数字种群经常面临一个令人沮挫的陷阱：它们可能会陷入停滞。在找到真正的最佳方案之前，群体可能会变得过于相似，从而坍缩到一个看起来不错但实际上远离最佳可能结果的局部峰值上。这种过早定型是一个主要的障碍，研究人员几十年来一直试图通过调整计算机混合和变异其解决方案的方式来解决这一问题。

一位名叫柯佳乐（Jiale Ke）的研究人员提出了一种保持这些数字种群多样性并推动其前进的新方法，其灵感并非来自常见的鸟类或细菌，而是来自谦逊的栗子树。在 2026 年底发表的一项研究中，柯将中国栗子树的十种特定生物特征转化为一套计算机规则，旨在防止算法陷入停滞。由此产生的这种被称为“栗子策略”（Chestnut Strategy）的方法，将计算机的解空间种群视为一片栗子树林。它执行严格的规则，强制不同的解进行混合，保护群体中最独特和多样化的成员，甚至模拟诸如火灾或种子休眠等剧烈事件，以在进展停滞时扰动系统。通过使用标准计算机问题对该方法进行测试，研究发现这种受自然启发的策略显著优于传统方法，能够更频繁地找到更好的解，并避开了通常导致这些算法失败的陷阱。

栗子策略的核心思想是，多样性是生存的关键，无论是在森林中还是在计算机程序中。在自然界中，栗子树有一种名为“自交不亲和性”的生物规则，这意味着树木不能进行自我授粉；它必须寻找来自不同树木的伙伴来进行繁殖。柯将这一特性转化为了一个计算机规则，即程序被禁止将一个解与其自身或与其非常相似的解进行混合。相反，它必须寻找一个尽可能不同的伙伴。这确保了新一代的解能够继承广泛多样的特征，防止群体过快地变得过于统一。该策略还模拟了“异花受粉效应”（xenia effect），即父树的花粉直接影响母树果实的大小和质量。在计算机版本中，这意味着当两个解混合时，距离较远的伙伴的基因会被赋予更强的控制力，从而确保新的后代携带新鲜且独特的特征组合。

除了混合之外，栗子策略还包含了一套类似于园丁照料森林的管理工具。其中一个规则涉及“刺壳”（bur），即保护发育中的坚果的带刺外壳。在计算机中，程序将解分组成簇，并识别出远离当前最佳解的那一组。这个遥远的组会受到保护而不被丢弃，从而确保那些独特且具有潜在价值的想法不会仅仅因为尚未达到完美而被舍弃。另一个规则模仿了“蕠剪”（catkin pruning），即农民移除多余的雄花以节省能量用于结果实。计算机也进行了类似的操作，通过识别最拥挤、重复的解并将其移除，从而将计算机的处理能力重新定向到精炼最佳局部解上。为了处理进度停止的情况，该策略使用了“种子库”方法。它将最佳且最独特的解保存在一个休眠档案中，就像将坚果埋在潮湿的沙子里过冬一样。如果程序停滞不前，这些保存的种子就会被重新激活以重启搜索。

该策略还结合了更具戏剧性的长期生存策略。它通过对表现最差的解进行大幅度的、具有高度变异性的改变，来模拟“萌蘖”（coppicing）现象——即切掉旧树干以鼓励根部长出旺盛的新生长。它甚至包含了一个“火灾”机制，即允许一小组较弱的解向群体中的最佳解进行冒险跳跃，并分享它们发现的任何奖励。最后，它模仿了连接树木的真菌地下网络，允许它们交换养分。在计算机中，这意味着不同的解组会定期交换它们的代码块，将好的想法传播到整个种群。这些规则并非一直应用；系统会在繁重的繁殖年和轻盈的年份之间交替，通过脉动其能量来匹配搜索的需求。

当在系列标准数学挑战中进行测试时，栗子策略证明了其价值。在四个困难的连续问题（涉及在复杂的数字景观中寻找最低点）上，这种新方法显著降低了与标准计算机算法相比的误差。在其中一个特定测试中，它将最终误差降低了 95%，而在另一个测试中，它每次都能找到完美解，而标准方法仅能成功一半的时间。研究人员还在另一种类型的题目上测试了该策略：即通过将长方形箱子装入容器来最大化利润，这是一个需要排列物品且互不重叠的任务。在这里，栗子策略再次展现了卓越的表现。在一组问题中，它在 45% 的尝试中找到了最佳排列方式，而标准方法仅为 12.5%。在另一组装箱挑战中，它在 94.4% 的情况下达到了完美解，较基准有了巨大的提升。

研究还进行了一次仔细的分析，以确定究竟是哪些部分在发挥作用。研究人员发现，最大的收益并非来自于解的混合方式，而是来自于保护多样性和在停滞时重启搜索的管理规则。如果仅仅改变计算机混合解的方式而不使用这些管理规则，不仅没有帮助，有时反而会使情况变糟。这表明，成功的关键在于多种专业化工具的协同努力，以保持种群的多样性和韧性。该策略在数学景观和装箱问题上同样有效，证明了这些生物学原理是提高跨类型挑战下计算机问题解决能力的可靠方法。

这些发现为改进计算机解决复杂问题的方式提供了一条清晰的路径。通过将寻找解决方案的过程视为一个需要保护、修剪和偶尔受到干扰的生命生态系统，栗子策略避免了陷入局部最优的常见陷阱。研究表明，编排一系列多样化的管理技术比试图调整单一机制更为有效。虽然该研究是通过计算机模拟进行的，并未涉及物理实验，但其结果在许多不同的测试案例中都是一致且稳健的。作者建议，这种方法未来可以应用于更复杂的问题，例如规划货运卡车的路线或组织调度计划，这证明了有时解决数字问题的最佳方式是向森林寻求答案。