Trong ES, các cá thể được mã hóa dưới dạng vectơ của các số thực. Khi sinh sản, cha mẹ được chọn ngẫu nhiên và các chế độ bù trừ thích hợp nhất được chọn và chèn vào thế hệ tiếp theo. Các cá nhân ES tự điều chỉnh. Kích thước bước hoặc cường độ đột biến được mã hóa trong các thông số riêng lẻ để có được thế hệ tiếp theo bằng cách chọn các cá nhân tốt.
Trong GA, các cá thể được mã hóa dưới dạng số nguyên. Việc lựa chọn được thực hiện bằng cách chọn cha mẹ tỷ lệ thuận với tập thể dục của họ. Vì vậy, các cá nhân phải được đánh giá trước khi lựa chọn đầu tiên được thực hiện. Các toán tử di truyền hoạt động ở mức bit (ví dụ: cắt một chuỗi bit thành nhiều phần và trao đổi chúng với các phần của bố mẹ kia hoặc chuyển đổi các bit đơn).
Đó là lý thuyết. Trong thực tế, đôi khi khó phân biệt giữa hai thuật toán tiến hóa và bạn cần tạo các thuật toán lai (ví dụ: các số nguyên (chuỗi bit) cá nhân mã hóa các tham số của các toán tử di truyền).
Tôi nghĩ rằng câu trả lời hơi quá chung chung, xem xét biểu diễn gen GA chuẩn và nguyên bản không phải là số nguyên, mà đúng hơn là chuỗi bit nhị phân là 1 và 0. Ngoài ra lựa chọn không giới hạn đối với lựa chọn Tỷ lệ Thể dục, có nhiều thứ khác như Giải đấu ... để tránh nhầm lẫn có thể câu trả lời phải được viết lại hơi khác thay vì suy luận rằng GA phải có điều này và ... etc – chutsu
Tôi nghĩ nó là một giới thiệu tuyệt vời cho sự khác biệt. Vấn đề với việc gọi đại diện cho một tập hợp các số nguyên là gì?Ở cấp độ phần mềm chính xác cách chúng được xử lý bằng thuật toán và nó giúp hình dung chúng giống như mã di truyền. Lời khuyên chung không phải là để xử lý các đại diện như một chuỗi anyway, ít nhất đó là cách tôi đã được đào tạo. – Adam893
Bạn có thể đưa ra ví dụ về ES và GA thường được áp dụng ở đâu không? –