进化算法简介

进化算法，作为一类"算法簇"，其灵感源于大自然的生物进化，具有高鲁棒性和广泛适用性，成为了一种成熟的全局优化方法。相比传统的基于微积分的方法和穷举法，进化计算具备自组织、自适应、自学习的特性，能够灵活应对传统优化算法难以解决的复杂问题。

进化算法包括遗传算法、进化程序设计、进化规划和进化策略等，它们共享简单遗传算法的基本框架，但在进化方式上存在显著差异。选择、交叉、变异、种群控制等关键步骤各有变化。进化算法的进化流程如图所示，直观展示了算法的核心步骤。

关于收敛性，进化算法在文献[9]中被证明，在保留最优个体的策略下，通用的进化计算是收敛的。然而，关于收敛性的具体结果大多是从遗传算法中推导而来。

在交叉操作的重视程度上，遗传算法倾向于将其视为核心操作，而视变异操作为辅助手段。然而，进化规划和进化策略则认为，从一般意义上讲，交叉操作并不优于变异操作，甚至可以不依赖交叉操作。