演化计算（蚁群算法、粒子群算法、遗传算法、演化规则......）

1.概念

  演化计算主要用于解决预测优化问题。由于演化计算利用一组解求解，所以这一组解越分散，含信息量越多，而优化的过程就是这一组解聚合的过程。
  演化计算的重要特征是聚散(或称多样性)。通过多次聚散（聚合——交换信息；离散——扩散和继续搜索），尽快得出最优解。通常利用这个特性研究自适应算法。
  演化计算中的适应度函数的作用是对算法进行评估，决定何时结束算法。

2.传统算法和演化计算

传统算法（如梯度下降法、爬山法）

• 根据导数的性质决定迭代的方向，一次只有一个解。
• 一般是线性模型，且要求函数可导、连续等，要求较高。
• 确定性。给定一个初始解，总会沿着同一个过程得出同一个解。

演化计算

• 一组解在一起协同作用产生一个最优解。
• 不需要具体的函数，只要能够确定适应度函数，就可以通过适应度函数，对算法进行评估。
• 从概率角度。使用随机函数随机搜索，每次运行结果可能不一样。
  概率是演化计算中很重要的一个概念。没有概率演化计算中的很多算法是无法寻优的。
随机函数的选择是演化计算中不同算法的主要区别，如选择高斯分布、柯西分布等

3.一般步骤

  初始化（随机产生或考虑可行解不可行解）—> 计算适应度—>选择和复制，以产生下一代—>适应度检验—>输出

推荐一个b站的视频：P1-P4讲的是演化计算，后面讲的是粒子群算法
https://www.bilibili.com/video/av25048507?from=search&seid=11100029321552263089 （IEEE fellow 史玉回老师讲的）