进化计算原理在进化算法中，从一组随机生成的初始个体出发，仿效生物的遗传方式，主要采用复制、交换、突变这三种一串操作，衍生出下一代的个体

再根据适应度的大小进行个体的优胜劣汰，提高新一代群体的质量，在经过反复多次迭代，逐步逼近最优解

从数学角度讲，进化算法实质上是一种搜索寻优的方法

进化算法是一种基于自然选择和遗传变异等生物进化机制的全局性概率搜索算法，运用了迭代的方法

它从选定的初始解出发，通过不断迭代逐步改进当前解，直至最后搜索到最适合问题的解

在进化计算中，用迭代计算过程模拟生物体的进化机制，从一组解（群体）出发，采用类似于自然选择和有性繁殖的方式，在继承原有优良基因的基础上，生成具有更好性能指标的下一代解的群体：种群（population）：进化计算在求解问题时是从多个解开始的代数（generation）：种群进化的代数，即迭代的次数群体的规模（popsize）：一般地，元素的个数在整个进化过程中是不变的当前解：新解的父解（parent，或称为父亲、父体等）后代解（offspring，或称为儿子、后代等）：产生的新解编码：计划计算常常还需要对问题的解进行编码，即通过变换将映射到另一空间（称为基因空间）

通常采用字符串（如位串或向量等）的形式一个长度为的二进制串称为一个染色体（个体）

染色体的每一位称为基因（gene），基因的取值称为等位基因（allele），基因所在染色体中的位置称为基因位（locus）

进化计算的搜索策略不是盲目搜索，也不是穷举搜索，而是以目标函数为指导的搜索方式

进化算法一般采用天然的并行结构，且借助交叉和变异产生新个体，不断产生新个体，扩大搜索范围，因此它不易于陷入局部最优点，并能以较大的概率找到全局最优点 

以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。