機器學習和遺傳演算法有什麼聯繫?

12-28

機器學習和遺傳演算法都是在一個學習的過程中找到最優解的過程，他們的本質是一樣的嗎？有什麼區別？

機器學習的本質是求解一個最優化問題。而遺傳演算法屬於最優化演算法中的不確定性優化(Stochastic optimization)。最優化求解，可以看作一個在解空間內的搜索問題。不確定性優化，它的搜索方向沒有一個確定的數學表達式，而是依賴一個隨即變數，在優化收斂到局部極值時，能跳出局部最優。

計算生物里，有段時間流行過一些以GA演算法為基礎的Marker篩選方法，但這類演算法終究是非主流。因為在對於求解生物問題來講，最重要的是結果的穩健與可重複，這一點恰恰是GA的弱點。

遺傳是優化的一種，機器學習會用到優化，但是並不是所有的遺傳都是用機器學習里。
他們之間幾乎就沒有共同點，區別大了去了。
遺傳演算法不需要會數學，但懂機器學習需要會數學。

遺傳演算法是一種最優化(Optimization)方法。

機器學習是是一門學科，最優化 (Optimization) 是其中一方面。

遺傳演算法已經應用到機器學習了。。。。樓上的回答太久遠了

$supset$ 關係

很多機器學習模型可以歸結為最優化問題，而且是那類不太可能求得精確解的問題，這個領域就是演化計算很有優勢的應用領域。