370
个编辑
更改
跳到导航
跳到搜索
第4行：
第4行： + 第26行：
第27行： − + − + − +
无编辑摘要
}}
}}
--[[用户:Qige96|Ricky]]（[[用户讨论:Qige96|讨论]]）由于翻译和审校自身专业知识限制，本篇可能会包含翻译和理解上的错误，持续跟进中。
在'''计算智能 computational intelligence''' 领域，演化算法（EA）（或称进化算法）是演化计算的子集<ref name="EVOALG">{{cite news|last=Vikhar|first=P. A.|title=Evolutionary algorithms: A critical review and its future prospects|doi=10.1109/ICGTSPICC.2016.7955308|journal=Proceedings of the 2016 International Conference on Global Trends in Signal Processing, Information Computing and Communication (ICGTSPICC)|location= Jalgaon|year= 2016|pages=261-265|isbn=978-1-5090-0467-6}}</ref> ，是一种基于群体的元启发式最优化算法。演化算法使用到了各种模拟[[生物演化]]机制的操作，比如繁衍、变异、重组、选择等。在群体中每一个个体都是问题的备选解，而'''适应度函数 fitness function'''用于计算出每一个解的质量（亦即个体对于环境的适应度）。演化就是在不断在群体中进行繁衍、变异、重组、选择这些操作进而找出最优解的过程。
在'''计算智能 computational intelligence''' 领域，演化算法（EA）（或称进化算法）是演化计算的子集<ref name="EVOALG">{{cite news|last=Vikhar|first=P. A.|title=Evolutionary algorithms: A critical review and its future prospects|doi=10.1109/ICGTSPICC.2016.7955308|journal=Proceedings of the 2016 International Conference on Global Trends in Signal Processing, Information Computing and Communication (ICGTSPICC)|location= Jalgaon|year= 2016|pages=261-265|isbn=978-1-5090-0467-6}}</ref> ，是一种基于群体的元启发式最优化算法。演化算法使用到了各种模拟[[生物演化]]机制的操作，比如繁衍、变异、重组、选择等。在群体中每一个个体都是问题的备选解，而'''适应度函数 fitness function'''用于计算出每一个解的质量（亦即个体对于环境的适应度）。演化就是在不断在群体中进行繁衍、变异、重组、选择这些操作进而找出最优解的过程。
演化算法的具体技术可以按照遗传信息表达方式、实现细节、以及特定问题的特定处理分类。
演化算法的具体技术可以按照遗传信息表达方式、实现细节、以及特定问题的特定处理分类。
* [[遗传算法]] Genetic algorithm：这是演化算法中最常用的类型。这种技术应用于求解最优解是一组数字的问题。
* [[遗传算法]] Genetic algorithm：这是演化算法中最常用的类型。这种技术应用于求解最优解是一组数字的问题。
* 遗传规划 Genetic programming ：这种技术用于生成一段计算机程序，其适应度是这些计算机程序解决某计算问题的能力。
* 遗传编程 Genetic programming ：这种技术用于生成一段计算机程序，其适应度就是这些计算机程序解决某计算问题的能力。
* 演化规划 Evolutionary programming ：与遗传规划类似，但其求解的计算机程序的结构是固定的，可以演化的是一些数值参数。
* 演化编程 Evolutionary programming ：与遗传编程类似，但其求解的计算机程序的结构是固定的，可以演化的是一些数值参数。
* 基因表达规划 Gene expression programming ：类似于遗传编程，基因表达规划同样以计算机程序群体来进行演化计算，但这种计算机程序虽然大小不同，却都编码在相同固定的线性染色体中。
* 基因表达编程 Gene expression programming ：类似于遗传编程，基因表达规划同样以计算机程序群体来进行演化计算，但这种计算机程序虽然大小不同，却都编码在相同固定的线性染色体中。
* 演化策略 Evolution strategy ：这种技术以实数向量作为个体，而且使用了自适应的变异率。
* 演化策略 Evolution strategy ：这种技术以实数向量作为个体，而且使用了自适应的变异率。
* 差分演化 Differential evolution ：这种算法以向量的差为基础，因此特别适合数值最优化问题。
* 差分演化 Differential evolution ：这种算法以向量的差为基础，因此特别适合数值最优化问题。