genetic-algorithm - 遗传算法和进化算法之间的真正区别是什么？

Question

我正在阅读一些有关遗传算法的论文，并且他们经常以非常相似的方式提及进化算法。根据维基百科，GA是EA的子集。但是，如果我们仔细观察，我们会发现它们都是基于自然选择(交叉，选择，变异)的元启发式优化算法，并且都没有固定的表示形式(这取决于要解决的问题，即使我们传统上使用二进制GA的表示形式)。它们非常相似。因此，我的问题是我们是否可以将每种进化算法都视为遗传算法？它们之间的真正区别是什么？谢谢

Answer 1

这取决于您问谁。在最初存在的几十年中，每个人都认为存在不同的类别(通常列为“遗传算法”，“遗传编程”，“进化策略”和“进化编程”)。子字段之间的差异，因此区分确实具有一定意义。

在某个时候(大约在90年代末期左右)，人们对统一提出了更大的要求，因为人们开始将它们视为更通用的算法类别的实例。主要的GA session (ICGA)演变为GECCO，统一的术语变成了“进化计算”，涵盖了以上所有内容，偶尔还有其他一些内容(您也可以将诸如粒子群优化之类的东西视为进化算法)定义有点宽松)。

因此，目前，我们通常将“进化计算”(或“进化算法”)称为笼统术语。遗传程序设计直接作为进化代码串保持其自身的身份，而进化策略在处理实值时也保持独立的身份，并且通常包括某种自我修改(例如，运行时的协方差矩阵自适应学习搜索方向)。进化编程仍然存在，但只是小得多。术语“遗传算法”已经扩展了很多。最初，人们认为它们是在按代选择等操作的二进制字符串上进行操作。随着时间的流逝，严格性逐渐消失。此时，您几乎可以将“遗传算法”用作“进化计算”的同义词。您不应该这样做，因为您会迷失术语的一种精妙之处，但总的来说，如果您不直接进行代码生成，并且您不是在以一种非常特别定义的方式演化实数，与人们认为的进化策略相对应，那么您可以安全地将其称为“遗传算法”。