到目前为止，在本教程中，无论我们讨论的是什么，都与达尔文进化模型相对应-自然选择和通过重组和突变的遗传变异。实际上，只有个体基因型中包含的信息才能被传递给下一代。到目前为止，这是我们在本教程中一直遵循的方法。

但是，也存在其他寿命适应模型-Lamarckian模型和Baldwinian模型。要指出的是，哪种模型最好，尚有争议，研究人员获得的结果表明，生命周期适应性的选择是高度特定于问题的。

通常，我们会将GA与本地搜索混合在一起-例如在Memetic算法中。在这种情况下，可以选择与Lamarckian模型或Baldwinian模型一起使用，以决定如何处理在本地搜索后生成的个人。

拉马克模型

拉马克模型本质上说，一个人一生中获得的特征可以传递给其后代。它以法国生物学家让·巴蒂斯特·拉马克(Jean-Baptiste Lamarck)的名字命名。

即使自然生物学完全忽略了拉马克主义，因为我们都知道只有基因型的信息可以传播。但是，从计算的角度来看，已经证明采用Lamarckian模型可以为某些问题提供良好的结果。

在Lamarckian模型中，本地搜索运算符会检查邻居(获取新特征)，如果找到了更好的染色体，它将成为后代。

鲍德温模型

鲍德温模型是以詹姆斯·马克·鲍德温(James Mark Baldwin，1896)命名的中间思想。在鲍德温模型中，染色体可以编码学习有益行为的趋势。这意味着，与拉马克模型不同，我们不会将获得的特征传递给下一代，也不会像达尔文模型那样完全忽略获得的特征。

鲍德温模型处于这两个极端的中间，其中编码了个人获得某些特质的趋势，而不是特质本身。

在此鲍德温模型中，本地搜索运算符将检查邻域(获取新特征)，如果找到了更好的染色体，则只会为该染色体赋予改进的适应性，而不会修改染色体本身。适应性的变化表明染色体具有“获得性状”的能力，即使它没有直接传递给后代。