遺傳算法

遺傳算法(Genetic Algorithms, GA)是一種隨機優化算法，用於解決結構複雜的優化問題。遺傳算法模仿天然界中生物的進化過程，即適者生存，不適者淘汰的過程。其過程以下：

(1) 隨機生成一些個體(Individual)，構成一個種羣(Population)，對每個解進行評估，得到它的適應度函數值(Fitness Value)，此過程叫作初始化種羣(Initializing)；

(2) 按照必定的規則進行隨機選擇，如輪盤賭或者其餘方法，目的是使得適應度函數值高的個體被選中的機率大，反之被選中的機率小，此過程叫作選擇(Selection)，沒被選中的個體丟棄再也不被考慮；

(3) 從選擇之後的種羣中，按照必定的機率隨機選擇必定的個體，配對進行基因的交換，目的是把兩個個體中的優秀基因集中到一個個體，有可能生成更加優秀的個體，這個過程叫作交叉(Crossover)；

(4) 對種羣中的個體，按照必定的機率隨機選擇必定的個體，使其部分基因發生隨機改變，目的是有可能隨機生成更加優秀的個體，這個過程叫作變異(Mutation)；

(5) 對通過選擇、交叉、變異後的全部個體，計算適應度函數值，回到第2步，開始下一代(Generation)循環。

循環的次數根據必定的條件判斷，如設定的代數，或者連續多少代適應度函數值沒有被提升。