本文来源于：CrazyALEVEL

ID：CrazyAlevel

遗传算法（Genetic Algorithm）

是模拟达尔文生物进化论的自然选择

和遗传学机理的生物进化过程的计算模型，

是一种通过模拟自然进化过程

搜索最优解的方法。

遗传算法（Genetic Algorithm）

是一类借鉴生物界的进化规律

（适者生存，优胜劣汰遗传机制）

演化而来的随机化搜索方法。

它是由美国的J.Holland教授1975年首先提出，

其主要特点是直接对结构对象进行操作，

不存在求导和函数连续性的限定；

具有内在的隐并行性

和更好的全局寻优能力；

采用概率化的寻优方法，能自动获取

和指导优化的搜索空间，

自适应地调整搜索方向，

不需要确定的规则。

遗传算法的基本运算过程如下：

1、初始化：

设置进化代数计数器t=0，

设置最大进化代数T，

随机生成M个个体作为初始群体P(0)。

2、个体评价：

计算群体P(t)中各个个体的适应度。

3、选择运算：

将选择算子作用于群体。

选择的目的是把优化的个体直接遗传到下一代

或通过配对交叉产生新的个体再遗传到下一代。

选择操作是建立在群体中个体的适应度评估基础上的。

4、交叉运算：

将交叉算子作用于群体。

遗传算法中起核心作用的就是交叉算子。

5、变异运算：

将变异算子作用于群体。

即是对群体中的个体串的某些基因座上的基因值作变动。

群体P(t)经过选择、交叉、变异运算之后

得到下一代群体P(t+1)。

6、终止条件判断：

若t=T,

则以进化过程中所得到的

具有最大适应度个体作为最优解输出，

终止计算。

遗传算法也是

计算机科学人工智能领域中

用于解决最优化的一种搜索启发式算法，

是进化算法的一种。