理工酷

在机器学习问题中，通常有两个组成部分： a）模型（功能类等） b）拟合模型的方法（优化算法）

神经网络是一个模型：给定布局和权重设置，神经网络会产生一些输出。有拟合神经网络的规范方法，例如反向传播，对比发散等。但是，神经网络的重点在于，如果有人给你“正确的”权重，那么模型就会建立得很好。

进化算法解决第二部分-拟合模型。同样，进化算法还包含一些规范模型：例如，进化编程通常尝试对特定类型的程序进行优化。但是，进化算法本质上是一种为特定模型找到正确的参数值的方法。通常，用一种合理的方式编写模型参数，以便进行交叉操作，然后利用进化算法来获取合理的参数设置。

但是，进化算法工作的关键一点是，交叉操作必须是合理的-通过从一个合理的设置中获取部分参数，并从另一合理的设置中获取其余参数，你才会得到一个更好的参数设置。