---
id: EVO-GEN-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [ai, evolutionary-computation, genetic-algorithm, optimization, survival-of-the-fittest]
last_reinforced: 2026-04-26
---

# Genetic Algorithms (유전 알고리즘)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "자연의 선택과 변이 메커니즘을 빌려와, 다차원 공간 속에서 최적의 해답을 진화시켜라" — 다윈의 진화론을 공학적으로 구현하여, 후보 해들을 교차(Crossover)시키고 돌연변이(Mutation)를 일으키며 세대를 거듭해 정답에 근사하는 최적화 알고리즘.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 미분이 불가능하거나 탐색 공간이 너무 넓어 전통적인 방식으로는 해를 찾기 힘든 문제에서, 확률적 탐색과 적자생존의 원칙을 결합하여 전역 최적해(Global Optima)를 찾아가는 진화 탐색 패턴.
- **주요 단계:**
    - **Initialization:** 무작위로 생성된 초기 해 집단(Population) 구성.
    - **Fitness Evaluation:** 각 해가 문제 해결에 얼마나 적합한지 점수 산정.
    - **Selection:** 적합도가 높은 개체를 부모로 선택하여 다음 세대에 유전자 전달.
    - **Crossover:** 부모 유전자를 섞어 새로운 자손 생성.
    - **Mutation:** 낮은 확률로 유전 정보를 무작위로 변경하여 지역 최적해(Local Optima) 탈출 유도.
- **의의:** 정답을 직접 계산하는 것이 아니라, 수많은 시도와 실패를 통해 '정답으로 진화'해 나가는 생물학적 지능의 구현.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 단순히 수치를 찾는 최적화 도구에서, 최근에는 신경망 구조 자체를 진화시키는 Neuroevolution 기법으로 확장되어 딥러닝과 융합됨.
- **정책 변화:** Skybound 프로젝트의 함대 진형 최적화 알고리즘은 유전 알고리즘을 활용하여, 수만 번의 교전을 시뮬레이션하며 적의 공격을 가장 잘 방어하는 최적의 배치를 스스로 찾아냄.

## 🔗 지식 연결 (Graph)
- [[Evolutionary-Computation]], [[Fitness-Landscape]], [[Black-Box-Optimization]], [[Neural-Architecture-Search-NAS]]
- **Raw Source:** 10_Wiki/Topics/AI/Genetic-Algorithms.md