演化不仅是生物学的基本规律，更是一种在广袤搜索空间中通过迭代涌现最优解的通用计算范式。本节通过对“自上而下”的人工设计与“自下而上”的自然演化进行计算思辨，阐述演化算法 (Evolutionary Algorithms)如何模拟生物进化的核心机制，将优化问题转化为在多维拓扑空间中的生存竞争。

演化计算的家族谱系

演化算法由四大支柱构成，分别对应不同的优化侧重：

• 遗传算法 (Genetic Algorithms, GA)：侧重位串操作与交叉重组。
• 演化策略 (Evolutionary Strategies, ES)：关注实数空间下的参数优化与自适应。
• 演化编程 (Evolutionary Programming, EP)：侧重于有限状态机的行为演化。
• 遗传规划 (Genetic Programming, GP)：自动演化出可执行的程序树。

三层耦合架构

演化发生在三个层面：基因型层面（信息的底层编码）、表现型层面（个体的外部特征与行为表达）以及适应度层面（个体对环境压力的匹配程度）。这种映射关系决定了算法在适应度景观 (Fitness Landscape)中的搜索效率。