遺傳演算法能不能優化演算法？

12-28

也就是能不能用這個演算法進化出更好的演算法？

能啊，這種叫Genetic Programming（遺傳編程）。參見A Field Guide to Genetic Programming。

主要的思想就是，為了解決目標問題，設計一個小的DSL，然後遺傳演算法要演化的就是這門DSL的程序，你需要實現這個DSL的解釋器，以及評估程序質量的fitness function和實現交叉/變異等操作的運算元。

除了點贊最多的GP(Genetic Programming)，還有GA和GP的結合改進版GEP(Gene-Expression-Programming)，提出者Candida Ferreira指出GEP的改進使演算法效率較之GA和GP提高了100-60000倍。

Adaboost

當然是可以的，如果你的演算法里有自適應參數，那麼可以用遺傳演算法幫助你來調參。有些遺傳演算法本身有自適應參數的，還可以用遺傳演算法來優化遺傳演算法呢。

有目標就有cost function
有 cost function 就可能有最優解
可能有最優解就可能有找到最優解的方法

所有演算法蓋無例外...

首先EA下面還分GA和ES 每個下面還有一堆演算法 EA是一個總的思路然後的話其實genetic programming 算還是EA的思路但可以把運算元算為參數哦(當初寫LISP寫的頭大) 所以實際用的時候語言不同解決的問題也不同
利用EA的思想根據問題來設計優化演算法

我個人偏喜歡ES(Evolutinary Strategy)
它最初的實用例子就是使一個噴嘴效率最高的優化問題然後一個工程師將噴嘴橫截切然後調節每一片的面積最後得到了一個按照正常思路絕對想不到的噴嘴設計
題主可以先看看EA的書

有限優化是可以的——如果你把變數調整也算的話，但遺傳演算法沒法改善參數項的選擇，至少我不知道