Algorithm 遗传算法是如何用来促进机器学习的？

我是一名本科生，正在对遗传算法在电子游戏中的作用进行基础研究。在Youtube上，有一些视频展示了人们如何使用这些算法来教电脑播放器如何玩

我理解遗传算法是一种搜索算法，当你知道你想要实现的一般解决方案时，最好使用它，但并不确切。例如，在TSP中，你知道你想找到最短的可能路线，或者在考试安排问题中，你希望所有的学生都能以最少的“中断”参加考试。在这些问题中，算法的用途是明确的。然而，我很难理解g.a.的“机器学习”概念

当遗传算法被用来教计算机如何玩时，它们是如何“学习”的？ 他们是如何学会玩游戏的？ 他们试图解决的“优化问题”是什么？

一个用途是

很多时候，特别是在文本问题上——但不仅如此——你的特征空间很大，许多机器学习算法（例如）对于非信息性特征很脆弱，并且随着大量特征的出现而变得更糟

使用特征选择算法，您可以减少问题的规模——但问题是——如何选择哪些特征是冗余的

有很多方法可以做到这一点，但其中之一是使用Gentic算法作为搜索函数，并尝试优化要保留的功能子集

---

这种用法很常用，甚至可以在软件包中的开源ML库中实现，因为

最终目标是不死、击败敌人或解决难题。它背后的学习主要是强化学习，你告诉学习者哪里错了，然后慢慢地他们开始以正确的方式学习。顺便说一句，这是他们的论文：谢谢你的回答。“最终目标是不死”和“强化学习”在我思考它的工作原理时会有很大帮助。我试过看报纸，但对我来说太技术化了。我将再次尝试慢慢剖析每一段。谢谢你的回答。我意识到这个算法有很多我还不了解的地方。我肯定会研究功能选择和其他喜欢它的人。