进化算法EA(evolutionary algorithms)是一个“算法簇”,尽管它有很多的变化,有不同的遗传基因表达方式,不同的交叉和变异算子,特殊算子的引用,以及不同的再生和选择方法,但它们产生的灵感都来自于大自然的生物进化.与传统的基于微积分的方法和穷举法等优化算法相比,进化计算是一种成熟的具有高鲁棒性和广泛适用性的全局优化方法,具有自组织、自适应、自学习的特性,能够不受问题性质的限制,有效地处理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等,进化算法的基本框架还是简单遗传算法所描述的框架,但在进化的方式上有较大的差异,选择、交叉、变异、种群控制等有很多变化,进化算法的大致框图可描述如右图所示：
同遗传算法一样,进化算法的收敛性也有一些结果,在文献[9]中证明了在保存最优个体时通用的进化计算是收敛的.但进化算法的很多结果是从遗传算法推过去的.
遗传算法对交叉操作要看重一些,认为变异操作是算法的辅助操作；而进化规划和进化策略认为在一般意义上说交叉并不优于变异,甚至可以不要交叉操作.
