7、进化算法与遗传算法详解

进化算法与遗传算法详解

1. 进化算法概述

进化算法属于进化计算研究领域，其计算方法的灵感来源于生物进化的过程和机制。达尔文提出了通过自然选择（带有变异的遗传）的进化过程，用以解释生命的多样性及其对环境的适应性。进化机制描述了如何通过遗传物质（蛋白质）的修改和传播来实现进化。

进化算法致力于研究类似于简化版进化过程和机制的计算系统，以实现这些过程和机制的效果，即开发自适应系统。进化计算领域还涵盖了其他相关领域的算法，如种群遗传学、种群生态学、协同进化生物学和发育生物学。

进化算法通过迭代过程积累和放大有益变异，以实现适应。候选解决方案代表虚拟种群的成员，它们在由特定问题的目标函数定义的环境中努力生存。在每个迭代中，进化过程会优化候选解决方案种群在环境中的适应性，通常使用遗传重组和突变等进化机制的替代方法。

除了常见的进化算法，还有许多其他算法和算法类别，包括：
- 分布式进化计算 ：旨在将种群分布在计算机网络或计算单元上，如分布式或“岛屿种群”遗传算法和扩散遗传算法（也称为细胞遗传算法）。
- 小生境遗传算法 ：能在种群中自动形成组或子种群，如确定性拥挤遗传算法、受限锦标赛选择和适应度共享遗传算法。
- 进化多目标优化算法 ：如向量评估遗传算法（VEGA）、帕累托存档进化策略（PAES）和小生境帕累托遗传算法（NPGA）。
- 经典技术 ：如GENITOR和CHC遗传算法。
- 高效遗传算法 ：如杂乱遗传算法、快速杂乱遗传算