动机(2) 遗传算法的普及和发展得益于下面的因素 在生物系统中,进化被认为是一种成功的自适应方法,具有 很好的健壮性 遗传算法搜索的假设空间中,假设的各个部分相互作用,每 一部分对总的假设适应度的影响难以建模 遗传算法易于并行化 本章内容安排 描述了遗传算法,举例演示了它的用法,分析了它搜索的空 间的特性 描述了遗传算法的一个变体:遗传编程,这个方法中,整个 计算机程序向着某个适应度准则进化 介绍了一些有关生物进化的课题(遗传算法和遗传编程是进 化计算领域中的两种普遍方法),比如鲍德温效应,它描述 了个体的学习能力与整个群体进化速度之间的相互作用 2003.12.18 机器学习-遗传算法作者: Mitchell译者:曾华军等讲者:陶晓鹏2003.12.18 机器学习-遗传算法作者：Mitchell 译者：曾华军等讲者：陶晓鹏 4 动机（2） • 遗传算法的普及和发展得益于下面的因素 – 在生物系统中，进化被认为是一种成功的自适应方法，具有 很好的健壮性 – 遗传算法搜索的假设空间中，假设的各个部分相互作用，每 一部分对总的假设适应度的影响难以建模 – 遗传算法易于并行化 • 本章内容安排 – 描述了遗传算法，举例演示了它的用法，分析了它搜索的空 间的特性 – 描述了遗传算法的一个变体：遗传编程，这个方法中，整个 计算机程序向着某个适应度准则进化 – 介绍了一些有关生物进化的课题（遗传算法和遗传编程是进 化计算领域中的两种普遍方法），比如鲍德温效应，它描述 了个体的学习能力与整个群体进化速度之间的相互作用