遗传算法
由John Holland于20世纪60年代提出的无梯度优化算法，借鉴生物进化思想，通过变异、重组和选择机制搜索最优解
时间轴 (近 90 天)
一位开发者尝试用遗传算法结合Expectimax搜索构建2048游戏自动求解器，当前实现能在30%到50%的对局中达到2048方块
推荐的推进顺序是：先用消融实验确认特征有效性，再实现64位整数编码加速，然后逐步提升搜索深度，最后用遗传算法重新优化新深度下的特征权重
若特征不做归一化，量级大的特征会主导评估函数，使遗传算法优化出的权重失去意义
遗传算法在2048求解器中的作用通常是优化Expectimax评估函数中各特征的权重
遗传算法中的模式定理指出，短的、高适应度的子模式会在种群中指数级扩散
现代VRP求解方法通常结合元启发式算法(如遗传算法、模拟退火)与机器学习预测模型，在可接受的时间内逼近最优解
遗传算法等进化计算方法不需要梯度信息，适合物理模拟器不可微分或奖励稀疏的黑盒优化问题
一位开发者通过遗传算法与MLP神经网络的结合，让3D机械臂群体自主进化出触达目标的能力
爬山算法存在陷入局部最优的风险，研究者发展出模拟退火、随机重启爬山、遗传算法等变体来跳出局部最优
John Holland在20世纪60年代提出了遗传算法的理论框架
全部知识事实 (9)
John Holland在20世纪60年代提出了遗传算法的理论框架
60%待验证推荐的推进顺序是：先用消融实验确认特征有效性，再实现64位整数编码加速，然后逐步提升搜索深度，最后用遗传算法重新优化新深度下的特征权重
50%待验证一位开发者尝试用遗传算法结合Expectimax搜索构建2048游戏自动求解器，当前实现能在30%到50%的对局中达到2048方块
50%待验证遗传算法在2048求解器中的作用通常是优化Expectimax评估函数中各特征的权重
50%待验证若特征不做归一化，量级大的特征会主导评估函数，使遗传算法优化出的权重失去意义
50%待验证遗传算法中的模式定理指出，短的、高适应度的子模式会在种群中指数级扩散
50%待验证现代VRP求解方法通常结合元启发式算法(如遗传算法、模拟退火)与机器学习预测模型，在可接受的时间内逼近最优解
50%待验证遗传算法等进化计算方法不需要梯度信息，适合物理模拟器不可微分或奖励稀疏的黑盒优化问题
50%待验证爬山算法存在陷入局部最优的风险，研究者发展出模拟退火、随机重启爬山、遗传算法等变体来跳出局部最优
50%