進化計算是求解全域性最優化問題的一種新型演算法，考慮如下最優化問題：
minx
⊂df(
x)
\min_ f(x)\quad
x⊂dminf
(x)式中d⊆r
nd \subseteq r^n
d⊆rn
。傳統的求解方法有牛頓法、最速下降法、擬牛頓法、共軛梯度法等。由於傳統優化方法通常要用相關係數的導數資訊，而這些導數資訊時由極限確定的，只能反映相關函式的區域性特徵，不能反映距離距離當前解較遠處函式的特徵，因此其往往只能求區域性最優點。而實際中我們要求全域性最優點，進化演算法就誕生啦。
進化計算是模擬生物進化與遺傳原理的一類隨機搜尋的優化演算法。（優勝劣汰，適者生存）整個群體的進化過程可以看做是乙個優化過程，但單個個體的進化軌跡未必是乙個優化過程。
1.其演算法步驟如下：
（1）按照某種方式產生初始群體p(0
)=x1
0,x2
0,..
.,xn
0p(0)=
p(0)=x
10,
x20
,...
,xn0
，令t=0，對p(t)中每乙個個體進行編碼，得到相應的點叫染色體或字串，計算p(t)的適應度
（2）按照某種規則從p(t)中選擇乙個子群體p『(
t)⊂p
(t
)p^『(t)\sub p(t)
p『(t)⊂
p(t)
作為產生後代的父母，用交叉運算元作用於p(t)產生一些後代，再用變異運算元作用於每個後代產生新的後代集合o，計算o中每個後代的適應度。
（3）用選擇運算元在p(t
)∪
op(t) \cup o
p(t)∪o
中選出下一代群體p(t+1)，令t=t+!。
（4）若終止條件成立，則停止；否則，轉（2）
2.ga的常用術語
（1）染色體=字串=編碼後的個體
（2）基因=位=染色體中的每一位
（3）交叉=重組=繁殖
（4）變異（5）群體（6）群體規模（7）適應度（8）編碼（9）解碼（10）交叉概率（11）變異概率
3.遺傳演算法五要素
（1）編碼（2）種群初始化（3）設計適應度函式（4）設計遺傳運算元（交叉選擇變異）（5）引數設定
進化策略可分為：(μ+
1),(
μ+λ)
,(μ,
λ)
(\mu +1),(\mu+\lambda),(\mu,\lambda)
(μ+1),
(μ+λ
),(μ
,λ)策略。此處僅介紹其餘ga的區別：
（1）es不需要編碼。（2）ga以交叉為主，ea以變異為主。
ep與ga的區別：
（1）ep對解的表示沒有任何限制，遺傳演算法需要對解編碼（2）ep只有變異運算元。
ep與es的區別：
（1）ep一般通過競賽隨機選擇，es是確定性選擇拋棄最差的解。（2）進化規劃不用交叉運算元。
ieee transaction in evolutionary computation、evolutionary computation、ieee transactions on systems, man, and cybernetics.
職場演化論讀書筆記
基層 置入乙個新的工作環境後，一時間無法正確地自我認知，往往會造成懵懂與慌亂。解決辦法有二 其一，以時間換自己的經驗 其二，用別人的經驗節約自己的時間。即便是同等的勞動量，其創造的職場價值也是完全不同的。一件事情是否有價值，是否是正確的選擇，在企業裡面主要取決於幾個重要的因素 企業價值 對老闆 資產...
讀書筆記一
一物件導向 一 類 1 屬性 為物件儲存資料 公共屬性public 不帶關鍵字 預設public 私有屬性private 受保護屬性protected 訪問類shopproduct中的title屬性 mo del news hopp rodu ct title model title 2.方法 為物...
讀書筆記 一
今年的年度目標之一是讀書50本，已完成八本 1 親密關係 親密關係有很多種，夫妻 婆媳 親子 朋友 閨蜜等等，都是親密關係的範疇，親密關係出現問題多受嬰兒時期與父母關係的影響，親密關係出現問題要懂得內省，誠實的認清自己，並看見別人真實的存在，出於愛的目的去發聲。2 正面管教的魔法 好孩子不是用嘴巴教...