2nd/10_Wiki/Topics/AI_and_ML/Genetic-Algorithms.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
EVO-GEN-001	Unified	1.0	ai Evolutionary-Computation|Evolutionary-Computation genetic-algorithm Optimization|Optimization survival-of-the-fittest	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