进化算法导论（EA）目录遗传算法（GA）进化策略（ES）进化规划（EP）遗传规划（GP）模拟二进制交叉算子（SBX）多项式变异进化算法（Evolutionary Algorithm，EA） 是一类基于自然界生物进化机制的随机优化算法，属于智能优化算法的重要分支。它通过 “选择—重组—变异” 等操作，模拟自然进化过程，用来寻找复杂问题的最优或近优解。
一、目前典型算法遗传算法（GA）进化策略（ES）进化规划（EP）遗传规划（GP）二、各算法比较核心思想概览算法主要优化对象代表特征GA（遗传算法）通用优化问题二进制编码 + 交叉为主ES（进化策略）连续优化问题实数编码 + 高斯变异 + 自适应步长EP（进化规划）状态机与连续优化无交叉 + 自适应变异 + 竞争选择GP（遗传规划）程序/表达式结构树结构编码 + 子树交叉 + 自动生成程序结构与操作机制对比特征GAESEPGP编码方式二进制/实数向量实数向量实数向量树结构（表达式）适用问题离散/组合优化连续优化连续优化/噪声优化程序、表达式生成种群规模中小-中小中主要算子交叉 + 变异变异（高斯噪声）变异（高斯噪声）子树交叉 + 变异交叉操作关键操作可选无树级交叉（核心）变异操作位翻转 / 实数扰动高斯扰动（含自适应）高斯扰动（含自适应）子树替换选择策略轮盘赌 / 锦标赛(μ, λ) 或 (μ+λ)随机竞争轮盘赌 / 精英保留参数自适应弱（人工设定）强（全局 + 局部）强（个体自适应）无固定参数，可自动学习结构编码层级基因层参数层个体层结构层典型应用领域对比特征GAESEPGP编码方式二进制/实数向量实数向量实数向量树结构（表达式）适用问题离散/组合优化连续优化连续优化/噪声优化程序、表达式生成种群规模中小-中小中主要算子交叉 + 变异变异（高斯噪声）变异（高斯噪声）子树交叉 + 变异交叉操作关键操作可选无树级交叉（核心）变异操作位翻转 / 实数扰动高斯扰动（含自适应）高斯扰动（含自适应）子树替换选择策略轮盘赌 / 锦标赛(μ, λ) 或 (μ+λ)随机竞争轮盘赌 / 精英保留参数自适应弱（人工设定）强（全局 + 局部）强（个体自适应）无固定参数，可自动学习结构编码层级基因层参数层个体层结构层