首先，Jonathan Koza的《遗传编程》(在亚马逊上)几乎是一本关于遗传和进化算法/编程技术的书，有很多例子。我强烈建议你去看看。

As for my own use of a genetic algorithm, I used a (home grown) genetic algorithm to evolve a swarm algorithm for an object collection/destruction scenario (practical purpose could have been clearing a minefield). Here is a link to the paper. The most interesting part of what I did was the multi-staged fitness function, which was a necessity since the simple fitness functions did not provide enough information for the genetic algorithm to sufficiently differentiate between members of the population.

我使用遗传算法(以及一些相关技术)来确定风险管理系统的最佳设置，该系统试图阻止淘金者使用偷来的信用卡来购买mmo游戏。该系统将接收数千笔具有“已知”值的交易(欺诈与否)，并找出最佳设置组合，以正确识别欺诈交易，而不会产生太多误报。

We had data on several dozen (boolean) characteristics of a transaction, each of which was given a value and totalled up. If the total was higher than a threshold, the transaction was fraud. The GA would create a large number of random sets of values, evaluate them against a corpus of known data, select the ones that scored the best (on both fraud detection and limiting the number of false positives), then cross breed the best few from each generation to produce a new generation of candidates. After a certain number of generations the best scoring set of values was deemed the winner.

创建用于测试的已知数据语料库是该系统的阿喀琉斯之踵。如果你等待退款，你在试图回应欺诈者时就会落后几个月，所以有人必须手动审查大量交易，以建立数据库，而不必等待太长时间。

这最终确定了绝大多数的欺诈行为，但在最容易欺诈的项目上，这一比例无法低于1%(考虑到90%的交易可能是欺诈，这已经相当不错了)。

我用perl完成了所有这些。在一个相当旧的linux机器上运行一次软件需要1-2个小时(20分钟通过WAN链路加载数据，其余时间用于处理)。任何给定代的大小都受到可用RAM的限制。我会一遍又一遍地运行它，稍微改变参数，寻找一个特别好的结果集。

总而言之，它避免了手动调整数十个欺诈指标的相对值所带来的一些失误，并且始终能够提出比我手动创建的更好的解决方案。AFAIK，它仍然在使用(大约3年后我写了它)。

我为我的公司在1992年为货运业开发的3D激光表面轮廓系统开发了一个家庭酿造GA。 该系统依赖于三维三角测量，并使用了定制的激光线扫描仪，512x512相机(具有定制的捕获hw)。相机和激光之间的距离永远不会是精确的，相机的焦点也不会在你期望的256,256的位置找到!

尝试使用标准几何和模拟退火式方程求解来计算校准参数是一场噩梦。

遗传算法在一个晚上就完成了，我创建了一个校准立方体来测试它。我知道立方体的精度很高，因此我的想法是，我的遗传算法可以为每个扫描单元进化一组自定义三角测量参数，以克服生产变化。

这招很管用。退一步说，我简直目瞪口呆!在大约10代的时间里，我的“虚拟”立方体(由原始扫描生成并根据校准参数重新创建)实际上看起来像一个立方体!经过大约50代之后，我得到了我需要的校准。

我曾经尝试制作一个围棋电脑播放器，完全基于基因编程。每个程序都将被视为一系列动作的评估函数。即使是在一个相当小的3x4板上，制作的程序也不是很好。

我使用Perl，并自己编写了所有代码。我今天会做不同的事情。

除了一些常见的问题，如《旅行推销员》和Roger Alsing的《蒙娜丽莎》程序的变体，我还编写了一个进化数独求解器(这需要我自己更多的原创想法，而不仅仅是重新实现别人的想法)。解决数独游戏有更可靠的算法，但进化方法效果相当好。

在过去的几天里，在Reddit上看到这篇文章后，我一直在玩一个进化程序来寻找扑克的“冷牌”。目前还不太令人满意，但我想我可以改进。

我有自己的进化算法框架。

首先，Jonathan Koza的《遗传编程》(在亚马逊上)几乎是一本关于遗传和进化算法/编程技术的书，有很多例子。我强烈建议你去看看。

As for my own use of a genetic algorithm, I used a (home grown) genetic algorithm to evolve a swarm algorithm for an object collection/destruction scenario (practical purpose could have been clearing a minefield). Here is a link to the paper. The most interesting part of what I did was the multi-staged fitness function, which was a necessity since the simple fitness functions did not provide enough information for the genetic algorithm to sufficiently differentiate between members of the population.