算法

本文介绍了 遗传算法 这个进化计算概念，它将所有解视为一个种群，通过无数次的试错和选择暂时最优解进行“繁殖”，从而不断缩小搜索范围，逼近最佳解。与纯随机算法不同，遗传算法能够记住错误并进行最小化优化，它是一种通用的技术，只需设定操作方式和评分标准，就能在不同问题上自我进化。文章阐述了遗传算法的本质是“时间换空间”，可以利用云服务器进行长时间的计算。为了让读者体验其乐趣，作者推荐了一个开源项目 `commonLuke/mario-neural-network`，该项目使用 PyGAD 实现了遗传算法玩《超级马里奥》的案例。这个小玩具展示了算法如何通过反复尝试和进化来获得最高分，但同时也提醒读者，遗传算法只会优化其被设定的评判标准，而非理解其“真正想要什么”。尽管遗传算法能够无限逼近正确答案，但对于追求速度和效率的特定问题，仍建议使用洪水迷宫等专业算法。