Klasyczne algorytmy ewolucyjne

Classical evolutionary algorithms · id evoclassic · aliases: evolutionary algorithms, EA, klasyczne EA

Główne rodziny algorytmów ewolucyjnych: genetyczne, strategie ewolucyjne, programowanie genetyczne i ewolucyjna optymalizacja wielokryterialna.

The main evolutionary algorithm families: genetic algorithms, evolution strategies, genetic programming and evolutionary multi-objective optimisation.

In one sentence

Podstawowe przepisy na sztuczną ewolucję: jak zapisać rozwiązanie, jak je oceniać, krzyżować i zmieniać.

The basic recipes of artificial evolution: how to encode a solution, score it, combine it and change it.

Problem it solves

Masz problem z mnóstwem ustawień i żadnej wskazówki, w którą stronę je zmieniać, żeby było lepiej.

You face a problem with countless settings and no hint about which direction makes things better.

What it does

Każda rodzina zapisuje rozwiązanie inaczej: jako ciąg znaków, listę liczb albo drzewo instrukcji, i do tego dobiera sposób zmian.

Each family encodes solutions differently, as a string, a list of numbers or a tree of instructions, and picks matching ways to change them.

Everyday example

Inżynierowie szukają kształtu anteny, który najlepiej odbiera sygnał; program sprawdza tysiące kształtów w symulacji i rozwija najlepsze.

Engineers look for an antenna shape that receives best; software tests thousands of shapes in simulation and develops the best ones.

This concerns you if you…

• dobierasz wiele parametrów naraz bez wzoru na wynik
• twój problem ma kilka sprzecznych celów
• tune many parameters at once with no formula for the result
• face a problem with several conflicting goals

Subtopics

• Algorytmy estymacji rozkładu (EDA) (Estimation of distribution algorithms (EDA)): Probabilistic model-building metaheuristics: they fit a distribution to selected good solutions and sample the next population from it.
• Algorytmy genetyczne (Genetic algorithms (GA)): A population algorithm encoding solutions as chromosomes and creating offspring through selection, crossover and mutation.
  • Model wyspowy (równoległe populacje z migracją) (Island model and parallel evolutionary algorithms): Coarse-grained parallel evolution: independent subpopulations exchanging individuals according to a migration topology and schedule.
• Algorytmy memetyczne (ewolucja z lokalnym ulepszaniem) (Memetic algorithms): An evolutionary algorithm with one or more local search phases inside its generational cycle.
• Ewolucja różnicowa (DE) (Differential evolution (DE)): A population method for continuous optimisation where a mutant is a base vector plus a scaled difference of two random members.
• Ewolucja wspomagana modelem zastępczym (gdy ocena jest droga) (Surrogate-assisted evolutionary optimisation): Evolutionary algorithms replacing some expensive objective evaluations with approximations from regression or classification models learned during the search.
• Ewolucyjna optymalizacja wielokryterialna (NSGA-II) (Evolutionary multi-objective optimisation (NSGA-II)): Evolutionary algorithms approximating the Pareto front of a multi-objective problem in one run, such as NSGA-II, NSGA-III and MOEA/D.
  • Optymalizacja przy wielu celach naraz (NSGA-III, MOEA/D) (Many-objective evolutionary optimisation (NSGA-III, MOEA/D)): Evolutionary algorithms for problems with typically four or more objectives, built on reference points or decomposition into scalar subproblems.
  • Wskaźnik hiperobjętości frontu Pareto (Hypervolume indicator for Pareto fronts): A quality indicator for a set of non-dominated solutions, measuring the objective-space volume dominated by that set relative to a reference point.
• Koewolucja: populacje oceniane przez wzajemne starcia (Coevolutionary algorithms): Evolutionary algorithms in which at least part of the selection signal comes from interactions among individuals in one or more populations.
• Programowanie genetyczne i regresja symboliczna (Genetic programming and symbolic regression): Evolution of expression trees or programs; its main use is symbolic regression, discovering readable formulas from data.
  • Ewolucja gramatyczna (programy budowane z reguł gramatyki) (Grammatical evolution): Genetic programming with a genotype–phenotype mapping through a context-free grammar in BNF notation, evolving programs in an arbitrary language.
  • Ewolucyjne ulepszanie i naprawa istniejącego kodu (Genetic improvement and automated program repair): Search, usually by genetic programming, over edits to existing code to repair bugs or improve performance.
  • Kartezjańskie programowanie genetyczne (programy jako siatka węzłów) (Cartesian genetic programming (CGP)): Genetic programming encoded as a directed graph on a grid of nodes, with an integer genotype and inactive genes enabling neutral drift.
• Strategie ewolucyjne i CMA-ES (Evolution strategies and CMA-ES): Evolutionary continuous optimisers that sample candidates from a normal distribution and adapt its mean, step size and covariance matrix.
  • Naturalne strategie ewolucyjne (NES) (Natural evolution strategies (NES)): Evolution strategies that update search-distribution parameters by the natural gradient of expected fitness.
• Uczące się systemy klasyfikatorów (ewolucja reguł „jeśli–to”) (Learning classifier systems (LCS)): Rule-based learning systems combining a population of condition–action classifiers, reward-based credit assignment and a genetic algorithm discovering new rules.

Related topics

• Przeszukiwanie lokalne (wspinaczka, wyżarzanie) (Local search (hill climbing, simulated annealing))

Sources

• GECCO 2026 – program tracks (ACM SIGEVO) · ACM SIGEVO
• pymoo – Genetic Algorithm documentation and algorithm list · Julian Blank, Kalyanmoy Deb (pymoo)