首先， 我们说两种算法的本质都是在做优化。 在充满随机性的世界里， 大部分的自然过程趋势是熵增，耗散，或者说随机性的增加。而唯有生物的进化和学习，却可以抵抗这种趋势，在随机中产生有序，产生结构。虽然都在做优化， 它们的优势和缺点也非常明显。

进化算法是建立在基因之上，基因可以被理解为生命在各种条件下的一组行为策略。比如吃什么， 向什么方向移动，肤色的选择等。

这组策略被一套叫DNA的大分子固定， 也就是我们常常说的遗传编码 ， 它通过一个复杂的化学反应， 制造RNA和特定的蛋白质，而一切生命现象都是由特定蛋白质实现的， 我们简单的说就是生命策略， 比如在外界环境出现如何变化时候如何反应。 你可以把DNA的编码看成一系列的if else语句， 就是在某种条件下， 触发某个蛋白质， 实现某一个功能。

那么进化算法包含以下要素：

1，生物通过基因编码生存策略。 基因即一组可以编码蛋白质的生物大分子。

2，单组策略的存在时间有限， 它会以繁殖的形式得到一个和自己一样的策略， 但是这个过程不是完全精确的， 它会以一定的方式出错或者说变化， 这恰恰使得下一代的策略可以轻微的偏离上一代。 从而在一段时间里， 形成越来越多的策略，我们叫做基因池。

3，环境会评估某个策略（DNA） 是不是适合自己， 这个通常由一个叫适应度函数的东西表达。 适应度越高， 基因就是越适应当下环境。这个适应度很像机器学习里的目标函数。

4，经过一段时间， 适应环境的策略会比不适应的环境的策略得到更多的个体，因为它自身存活的概率更高， 这样， 最终环境里数量最多的， 是最适应环境的策略。这样的策略不一定有一个。

5，环境会变化。当环境变化， 最适宜的策略发生变化， 这个时候最适合的策略也发生变化， 导致新的物种和生态系统的生成。

6，有的时候不同的基因会发生交叉， 也就是说把两组策略把各自的一部分给对方， 然后形成新的策略组合。这种重组产生新的基因的速度会比变异快的多， 也就是我们说的交配。
资讯来源链接：https://www.36dianping.com/news/13705.html