进化算法是基于自然选择和自然遗传等生物进化机制的一种搜索算法

操作：选择（复制），重组，变异

五大要素：参数编码、初始群体设定、适应度函数设计、遗传操作设计、控制参数设定

生物进化是通过繁殖nd突变(变异)、竞争和选择实现的。而进化算法主要通过选择、重组和突变来解决优化问题。

进化算法是一组算法，包括遗传算法(GA)、遗传规划、进化策略和进化规划。

进化算法的基本框架是由遗传算法描述的。

进化算法可广泛应用于组合优化、机器学习、自适应控制、规划设计、人工智能等领域

遗传算法

特点

1. 直接对结构对象进行操作

2. 利用随机技术指导对一个被编码的参数空间进行高效率搜索。

3. 采用群体搜索策略，易于并行化。

4. 仅用适应度函数值来评估个体，并在此基础上进行遗传操作，使种群中个体之间进行信息交换。

步骤

1. 确定问题解答的染色体

2. 初始化染色体种群

3.计算每个个体的适应度，如果最优就输出

4. 复制

5. 交叉

6. 变异，回到计算适应度函数

编码

种群设定

适应度函数

选择

轮盘赌

锦标赛

最佳个体保存方法

交叉

一点交叉

随机交叉

部分匹配交叉

顺序交叉

离散交叉

算数交叉

变异

点位变异

逆转变异

插入变异

互换变异

均匀变异

正态性变异

改进遗传算法

双倍体遗传算法

双种群遗传算法

自适应遗传算法

基于遗传的生产调度

流水车间调度方法

FSP编码方法

混合流水车间调度方法

差分进化算法（DE）

一种采用实数矢量编码在连续空间中进行随机搜索的优化算法

vs 遗传算法

1.先变异后交叉

基本要素：参数编码、初始群体设定、适应度函数设计、差分操作设计、控制参数设定

差分操作设计

 

量子进化算法