演化算法 (EA)

演化算法（Evolutionary Algorithms, EAs）是人工智能与优化计算领域的核心分支，属于进化计算（Evolutionary Computation）的子集。其本质并非单一算法，而是一个包含遗传算法、粒子群优化、差分进化等在内的算法簇。与传统依赖梯度下降的微积分方法不同，演化算法摒弃了对问题可微性的依赖，直接对编码后的候选解进行“繁殖”、“交叉”与“变异”操作，并依据适应度函数进行“自然选择”。这种自组织、自适应的机制使其具备极强的鲁棒性，能够在全局搜索空间中有效跳出局部最优陷阱，解决高维、离散、噪声大及约束复杂的优化难题。

在现代计算架构中，演化算法扮演着“通用求解器”的关键角色，填补了传统数值方法在处理非连续、非凸优化问题时的空白。它广泛应用于工程设计与机器学习领域，特别是在超参数调优、神经网络架构搜索（NAS）及组合优化任务中展现出独特优势。尽管其收敛速度通常慢于梯度法，但其对问题先验知识依赖低、泛化能力强，使其成为解决“黑盒”优化问题的首选策略之一，推动了从经典运筹学到现代深度学习的跨领域融合创新。