这 主要区别 遗传算法与传统算法的区别在于 遗传算法是一种基于遗传学和自然选择原理来解决优化问题的算法，而传统算法是为了解决给定的问题而要遵循的循序渐进的过程。

一个过程是一个有限的指令序列，每个指令都可以在有限的时间内执行。算法是解决问题的逐步过程。有一个算法可以解决每个任务。算法在解决复杂问题时特别有用。通用算法也称为传统算法。遗传算法是一种特殊的算法，主要应用于人工智能等领域。

算法，遗传算法，机器学习，搜索，排序，分而治之，传统算法

什么是遗传算法

遗传算法是指一种基于遗传学和自然选择的算法。它类似于物种能够适应环境发生的变化并能够生存的过程。换句话说，它是基于生物进化的。

此外，该算法不断修改单个解决方案的总体。在每一步，它都会从当前人口中随机选择个体作为父母，并为下一代创造孩子。代代相传有助于找到最佳解决方案。

Generic Algorithm 主要在每一步使用三种类型的规则来使用当前种群创建下一代。

评选规则 – 它选择对下一代人口做出贡献的个人（父母）。

交叉规则 – 它加入两个父母为下一代生一个孩子。

突变规则 – 将更改应用于个别父母以创建子项。

遗传算法有助于找到问题的最优解或接近最优解。它避免了解决特定问题所需的通常时间。而且，它主要用于研究和机器学习等领域来解决优化问题。

什么是传统算法

传统算法是指我们用来解决问题的通用算法。这是解决给定问题的有条理的程序。可以有多种算法来解决一个问题。因此，重要的是分析每个并找到所需的时间、空间等，以选择最佳算法来解决问题。

传统算法必须清晰。它应该有 0 个或多个明确定义的输入和 1 个或多个明确定义的输出。它还应该能够找到可用资源的解决方案。此外，它应该在一些有限的步骤后完成任务。

以下是一些常见的传统算法。

搜索 – 这些算法有助于搜索数据结构中的特定项目。 （线性搜索，二分搜索）

种类 – 这些算法有助于按特定顺序对一组元素进行排序。 （冒泡排序、选择排序、插入排序）

分而治之 – 是指将一个大问题分解成小的子问题并求解这些子问题，从而找到原问题的解。

遗传算法与传统算法的区别

定义

遗传算法是一种基于遗传学和自然选择的解决约束和无约束优化问题的算法，而传统算法是定义如何解决问题的明确规范。因此，这是遗传算法与传统算法的主要区别。

用法

每种算法的具体用途是遗传算法与传统算法的重要区别。那是;遗传算法有助于找到困难问题的最佳解决方案，而传统算法提供了逐步解决问题的有条理的程序。

复杂

遗传算法与传统算法的另一个区别是遗传算法比传统算法更先进。

应用

遗传算法用于研究、机器学习和人工智能等领域。传统算法用于程序设计、数学等领域。因此，这也是遗传算法与传统算法的一个重要区别。

结论

除了传统算法，还有一种特殊的算法叫做遗传算法。遗传算法与传统算法的主要区别在于，遗传算法是一种基于遗传学和自然选择原理来解决优化问题的算法，而传统算法则是循序渐进地解决一个问题。给定的问题。搜索、排序算法等是传统算法，而遗传算法更复杂，用于人工智能和研究等领域。

参考：

1.“选择一个网站。”什么是遗传算法？ – MATLAB & Simulink，在此处提供。2。 “算法。”维基百科，维基媒体基金会，2019 年 3 月 18 日，可在此处获取。

图片提供：

1. Somepics 的“Euclid 流程图” – 通过 Commons Wikimedia 自己的作品 (CC BY-SA 4.0)