演化計算（蟻羣算法、粒子羣算法、遺傳算法、演化規則......）

1.概念

  演化計算主要用於解決預測優化問題。由於演化計算利用一組解求解，所以這一組解越分散，含信息量越多，而優化的過程就是這一組解聚合的過程。
  演化計算的重要特徵是聚散(或稱多樣性)。通過多次聚散（聚合——交換信息；離散——擴散和繼續搜索），儘快得出最優解。通常利用這個特性研究自適應算法。
  演化計算中的適應度函數的作用是對算法進行評估，決定何時結束算法。

2.傳統算法和演化計算

傳統算法（如梯度下降法、爬山法）

• 根據導數的性質決定迭代的方向，一次只有一個解。
• 一般是線性模型，且要求函數可導、連續等，要求較高。
• 確定性。給定一個初始解，總會沿着同一個過程得出同一個解。

演化計算

• 一組解在一起協同作用產生一個最優解。
• 不需要具體的函數，只要能夠確定適應度函數，就可以通過適應度函數，對算法進行評估。
• 從概率角度。使用隨機函數隨機搜索，每次運行結果可能不一樣。
  概率是演化計算中很重要的一個概念。沒有概率演化計算中的很多算法是無法尋優的。
隨機函數的選擇是演化計算中不同算法的主要區別，如選擇高斯分佈、柯西分佈等

3.一般步驟

  初始化（隨機產生或考慮可行解不可行解）—> 計算適應度—>選擇和複製，以產生下一代—>適應度檢驗—>輸出

推薦一個b站的視頻：P1-P4講的是演化計算，後面講的是粒子羣算法
https://www.bilibili.com/video/av25048507?from=search&seid=11100029321552263089 （IEEE fellow 史玉回老師講的）