生命週期適應模型

到目前為止，本教程中討論的內容都對應於達爾文進化模型——自然選擇和透過重組和突變產生的遺傳變異。在自然界中，只有個體基因型中包含的資訊才能傳遞給下一代。這就是我們到目前為止在本教程中一直遵循的方法。

然而，也存在其他生命週期適應模型——**拉馬克模型**和**鮑爾德溫模型**。需要注意的是，哪種模型最好是一個開放性的問題，研究人員獲得的結果表明，生命週期適應的選擇高度依賴於具體問題。

通常，我們將遺傳演算法與區域性搜尋混合——就像在模因演算法中一樣。在這種情況下，可以選擇使用拉馬克模型或鮑爾德溫模型來決定如何處理區域性搜尋後生成的個體。

拉馬克模型

拉馬克模型基本上認為，個體在其一生中獲得的性狀可以遺傳給後代。它以法國生物學家讓-巴蒂斯特·拉馬克的名字命名。

儘管自然生物學完全摒棄了拉馬克主義，因為我們都知道只有基因型中的資訊才能遺傳。然而，從計算的角度來看，已經證明採用拉馬克模型可以為某些問題帶來良好的結果。

在拉馬克模型中，區域性搜尋運算元檢查鄰域（獲得新性狀），如果找到更好的染色體，它就成為後代。

鮑爾德溫模型

鮑爾德溫模型是一箇中間思想，以詹姆斯·馬克·鮑爾德溫（1896年）的名字命名。在鮑爾德溫模型中，染色體可以編碼學習有益行為的傾向。這意味著，與拉馬克模型不同，我們不會將獲得的性狀傳遞給下一代，也不會像達爾文模型那樣完全忽略獲得的性狀。

鮑爾德溫模型介於這兩個極端之間，其中個體獲得某些性狀的傾向被編碼，而不是性狀本身。

在這個鮑爾德溫模型中，區域性搜尋運算元檢查鄰域（獲得新性狀），如果找到更好的染色體，它只將改進的適應度分配給染色體，而不修改染色體本身。適應度的變化表明染色體具有“獲得性狀”的能力，即使它沒有直接傳遞給後代。