geatpy遗传算法原理？
geatpy提供了许多已实现的遗传和进化算法相关算子的库函数，如初始化种群、选择、交叉、变异、重插入、多目标优化非支配排序等，并且提供诸多已实现的进化算法模板来实现多样化的进化算法。
其执行效率高于Matlab、Java和Python编写的一些知名工具箱、平台或框架等，学习成本低、模块高度脱耦、扩展性高。
遗传算法可以说明什么？
遗传算法可以说明优胜劣汰。遗传算法主要思想就是利用达尔文优胜劣汰的原则，选择好的保留，不好的淘汰，最终目的找到最优的。遗传算法已被人们广泛地应用于组合优化，机器学习，信号处理，自适应控制和人工生命等领域造福人类进步向前。
进化算法和遗传算法的区别？
1. 进化算法是一种搜索方法，它模拟自然界中的进化过程，实现最优解搜索；而遗传算法则是一种基于遗传学原理求解问题的进化策略，它对寻找最优解这一过程进行模拟，以便达到优化目的。
2. 进化算法利用不完全的选择来模拟自然界中的“自然选择”概念，而遗传算法是基于遗传学原理采用完全的选择来模拟自然界中的“遗传演化”概念。
内容范围不同
进化算法包括遗传算法进化程序设计，进化规划和进化策略等等，进化算法的基本框架还是简单遗传算法所描述的框架，但在净化的方式上有较大的差异，选择交叉变异，种群控制等有很多变化
0