遗传算法的个人理解

遗传算法是根据达尔文的进化论而来，从父代进行交叉繁衍，得出多种多样的子代。
这里讨论的是已知子代的目标值，让父代在繁衍时逐渐靠拢目标子代，也就是在庞大的数据中生成一个我们想要的值。
步骤：

1. 创建种群：用随机的方式生成种群内的个体。

2. 选择
   2.1 评估适应度：计算种群中每个个体在目标中出现的概率。
   2.2 创建交配池：在交配池中按适应度添加个体。例：a适应度0.8，b适应度0.2，即在交配池中添加80%的a和20%的b

3. 繁殖
   3.1 交叉：在交配池中取a中的前两元素，b中的后两个元素，将他们拼接在一起成为子代。
   为了提高子代的多样性，我们可把中点位置改为随机点，即从a中取第一个元素，b中取后三个元素生成一个子代。从a中取前三个元素，b中取后最后一个元素生成另一个子代。
   3.2 突变：在创建种群的过程中，我们用随机的方式创建了有多样性的种群，但是只生成了一次，也就是说种群只有第一代，不一定能满足生成目标值。我们需要多代种群，因此加入突变过程保证种群的不断更新。
   3.3 突变完成后我们将子代加入新种群，新种群替代原来的种群，再回到选择步骤，重新评估适应度，创建新的交配池。
   上一个根据《代码本色》改写的在openframeworks里实现的遗传算法，目标为字符串”HOW DO YOU DO “。