1. 文化進化理論
威爾遜認為，從性質上來講，文化進化總是以拉馬克主義為特征的，即文化進化依賴於獲得性狀的傳遞，相對來說速度比較快；而基因進化是達爾文主義式的，依賴於經過幾個世代的基因頻率的改變，因而是緩慢的。威爾遜將可供選擇的行為划分為分離的單位，稱以文化基因。文化基因的傳遞可以是純粹遺傳的，也可以是純文化的，此外，還可以通過基因──文化的方式傳遞，它同時兼有兩者的某些特點：一方面，文化的發展在某種程度上要受到基因的制約和指導；另一方面，文化發明的壓力又影響着基因的生存，且最終改變着遺傳紐帶的強度和韌力。人類的文化基因就是以這種方式傳遞的。（注：拉馬克主義 Lamarckism 生物進化學說之一，為法國博物學家拉馬克所創立。 認為生物在新環境的直接影響下，習性改變，某些經常使用的器官發達增大，不經常使用的器官則逐漸退化（用進廢退），並認為這樣獲得的后天性狀可傳給后代，使生物逐漸演變，且認為適應是生物進化的主要過程。）
2.文化基因算法的思想
Pablo Moscato認為,在遺傳算法（GA）中,變異操作可以看作是含有一定噪聲的爬山搜索,實際上模擬遺傳編碼和自然選擇的過程不應包含變異操作,因為在文化進化的過程中,
在眾多的隨機變化步驟中得到一個正確的可提高整體性能的一步進展是非常困難的,只有此領域的擁有足夠的專業知識的精通者們,才有可能創造新的進展,但是這樣的事情發生的頻率是很低的。 因此,文化基因的傳播過程應是嚴格復制的,若要發生變異,那么每一步的變異都需要有大量的專業知識支撐,而所有的變異都應帶來進展而不是混亂,這就是為什么我們觀察到的文化進化速度要比生物進化速度快得多的原因。 對應於模擬生物進化過程的遺傳算法,Moscato提出了模擬文化進化過程的文化基因算法,文化基因算法
用局部啟發式搜索來模擬由大量專業知識支撐的變異過程,因此說,
文化基因算法是一種基於種群的全局搜索和基於個體的局部啟發式搜索的結合體。
文化基因算法的這種全局搜索和局部搜索的結合機制使其搜索效率在某些問題領域比傳統遺傳算法快幾個數量級,可應用於廣泛的問題領域並得到滿意的結果。 很多人將文化基因算法看作混合遺傳算法、 遺傳局部搜索或是拉馬克式進化算法,實際上,文化基因算法提出的是一種框架、 是一個概念,在這個框架下,采用不同的搜索策略可以構成不同的文化基因算法,如全局搜索策略可以采用遺傳算法、 進化策略、 進化規划等,局部搜索策略可以采用爬山搜索、模擬退火、貪婪算法、禁忌搜索、導引式局部搜索等。
在遺傳算法中,我們通常對個體（Individual） 進行選擇、 交叉、 變異操作,通過對一代一代個體的適應性進化得到問題的最優解。 在文化基因算法中,用了智能體 （agent,實際上agent在此譯為“代表”更加恰當）的概念,遺傳操作的對象並不是種群空間中的普通個體,而是各局部區域推選出的優秀代表,遺傳操作的結果是選出那些適應性強的優秀代表,同時也產生一些交叉作用后新的個體,這些新個體可能屬於一些新的區域,在下一代的局部搜索中它們會被附近的優秀個體取代,然后再進行進一步的全局進化。 這種局部與全局的混合搜索機制顯然要比單純在普通個體間搜索的進化效率高得多。
3.文化基因算法的實現
Pablo Moscato提出了一種基於競爭式作為文化基因算法的一個例子：對於一個給定的優化問題，可以先確定一定數量的初始個體，這些個體的狀態可以是隨機的，也可以根據某個啟發式機制來確定，隨后對每個個體都進行局部搜索，通過局部搜索提高個體適應度使種群達到一定的預備狀后，就可以進行個體與個體之間的相互操作，這種相互作用可以是相互競爭，也可以是相互協作。相互競爭的操作類似於遺傳算法中的個體選擇過程，相互協作行為可以理解為遺傳算法中的交叉機制或者其他產生新個體的方法，也可以更概括性的理解為信息的交換過程。局部搜索、競爭、協作操作都是循環進行的，知道滿足終止條件。
參考文獻： 劉漫丹。文化基因算法(Memetic Algorithm)研究進展[J]. 控制理論與應用。《自動化技術與應用》2007 年第 26 卷 第 11 期
