遗传算法学习笔记

从"为什么要向自然学习"到"用 GA 调神经网络超参数"——25 章带你走完理解进化计算的完整心路历程。

一套面向初学者的遗传算法（GA）系统学习笔记，包含 25 章中文讲解和一个纯 JS 交互式可视化工具。不是使用手册，而是一个思考者逐渐理解进化计算的完整旅程——先建直觉，再拆机制，然后建模、证数学、看家族、动手做。

亮点

• 6 阶段认知弧线：奠基 → 拆解核心机制 → 建模实操 → 数学原理 → 同类算法扩展 → 实践收尾
• 直觉优先：数学公式只点到结论，用故事和比喻建立理解
• Mermaid + ASCII 双轨图示：流程图与文字示意图并行
• 交互式可视化：浏览器中实时操控 GA，拖参数、看动画、回溯任意代
• 从经典 GA 到整个家族：ES / EP / GP / DE / PSO / ACO / 神经进化（NEAT）

目录

第一部分 · 思想的萌芽（奠基）

章	标题	核心内容
01	引言：为什么要向自然学习	优化的困惑、试错 vs 计算、进化计算哲学起源
02	遗传算法的直觉故事	"草原上的兔子"故事讲完整个 GA 流程
03	核心概念与术语映射	基因/染色体/种群/适应度/代，生物学术语 → 算法语言

第二部分 · 拆解进化机器（核心机制）

章	标题	核心内容
04	编码：把问题翻译成生物语言	二进制/实数/排列/树编码，Hamming 悬崖
05	选择：谁有资格繁衍	轮盘赌/锦标赛/排序选择，选择压力的直觉
06	交叉：信息的重组艺术	单点/多点/均匀/算术交叉
07	变异：保持多样性的火种	变异为何是"保险"而非主力
08	算法流程的全景图	完整 SGA 流程，终止条件

第三部分 · 建模实操的关键步骤

章	标题	核心内容
09	什么问题适合进化算法	适用场景判断、与其他方法的取舍
10	参数化与编码设计	决策变量怎么选、搜索空间怎么定
11	适应度函数的设计艺术	多目标、惩罚、缩放的权衡
12	约束处理方法	罚函数法/修复法/约束优先
13	参数调优与早熟问题	种群规模/代数/概率怎么定（预防篇）
14	收敛、多样性与评估	如何判断算法"跑好了"
15	常见陷阱与诊断	早熟/景观误判/编码灾难/调参策略（诊断篇）

第四部分 · 背后的数学原理

章	标题	核心内容
16	模式定理与积木块假说	模式、阶、定义长度，积木块为何被保留
17	收敛性与马尔可夫链视角	精英保留为何保证收敛

第五部分 · 同类算法扩展（GA 之外的世界）

章	标题	核心内容
18	遗传算法 GA 与它的变体	岛屿模型/CHC/Messy GA/稳态/Cellular
19	进化策略 ES 与进化编程 EP	(μ,λ) 策略、自适应变异、CMA-ES
20	遗传编程 GP：让程序自己进化	语法树编码、子树交叉、程序膨胀
21	差分进化 DE	"用差分当方向"的现代方法
22	群体智能：PSO 与 ACO	粒子群/蚁群，与进化算法的异同
23	当进化遇见神经网络与机器学习	NEAT、NAS、进化 + LLM 前沿

第六部分 · 实践与收尾

章	标题	核心内容
24	项目实践：函数优化（含交互式可视化）	Python 参考实现 + JS 交互工具 + 引导式实验
25	总结与进阶学习路线	NFL 定理收束、书籍/库/方向推荐

交互式可视化

ga_interactive.html 是一个纯 vanilla JS + Canvas 的单文件交互工具，零依赖，浏览器打开即用。

• 随机生成多峰函数，暴力扫描标记全局最优
• 实时调控 N / Pc / Pm，观察种群逐代演化
• 收敛曲线 + 多样性曲线实时绘制，自动诊断收敛/停滞
• 历史回溯：每代保存种群快照，拖拽时间轴查看任意代，或从某代截断改参数重跑

技术栈

组件	技术
笔记	Markdown + Mermaid 流程图
参考实现	Python + NumPy（第 24 章）
交互可视化	原生 JS + Canvas API（单 HTML 文件，零依赖）

如何阅读

1. 按序号顺序读：每章末尾有"上一篇/下一篇"导航链接
2. 第一遍快速过：重点看每章的故事和 ASCII 图，跳过数学
3. 第二遍动手做：打开 ga_interactive.html，跟着第 24 章的 4 个实验操作
4. 按需查阅：把目录当索引，遇到具体问题再翻对应章节

许可

MIT