我正在寻找一些全面的描述。我无法通过浏览找到它，因为网络上的内容更集中，而且目前还不在我的范围内。
答案 0 :(得分：0)
分类算法和进化计算是不同的方法。但是，它们在某些方面有关。 分类算法旨在识别新实例的类标签。他们接受了一些标记实例的培训。例如，数字的识别是分类算法。 进化算法用于找出优化问题的最小或最大解。他们随机探索给定问题的解空间。他们可以在合理的时间内找到一个好的解决方案，并且无法在所有问题中找到全局最优解。 在一些分类方法中，使用进化算法找出参数的最佳值。
答案 1 :(得分：0)
分类和进化计算是将橙子与苹果进行比较。让我解释一下：
分类是一种问题，其目标是确定给定输入的标签。 （典型示例，给定像素值，确定图像标签）。
进化计算是一系列解决不同类型问题的算法。他们与人口一起工作＆＃34;候选人（想象一组试图解决特定问题的不同神经网络）。不知何故，你评估每个候选人在给定任务中的优秀程度（通常使用＆＃34;健身功能＆＃34;，但还有其他方法）。然后生成新一代候选者，将上一代的最佳候选者作为模型，包括突变和交叉（即引入变化）。重复直到开心。
进化计算绝对可以用于分类！但是有些例子以不同的方式使用它。您可以使用进化计算来创建控制机器人的人工神经网络（在这种情况下，输入是传感器值，输出是执行器的命令）。或者创建没有给定目标的原创内容，如Picbreeder。
分类可以使用进化计算来解决（也许这就是你首先感到困惑的原因），但其他技术也很常见。您可以使用decision trees，或者特别是深度学习（基于反向传播）。
基于反向传播的深度学习可能听起来与进化计算相似，但却完全不同。在这里，您只有一个人工神经网络和一个明确的规则（反向传播），告诉您每次迭代都会引入哪些更改。
希望这有助于补充其他答案！