遗传算法

以遗传算法为例，其工作步骤可概括为：

（1） 对工作对象——字符串用二进制的0/1或其它进制字符编码。

（2） 根据字符串的长度L，随即产生L个字符组成初始个体。

（3） 计算 适应度。适应度是衡量个体优劣的标志，通常是所研究问题的目标函数。

（4） 通过复制，将优良个体插入下一代新群体中，体现“优胜劣汰”的原则。

（5） 交换字符，产生新个体。交换点的位置是随机决定的

（6） 对某个字符进行补运算，将字符1变为0，或将0变为1，这是产生新个体的另一种方法，突变字符的位置也是随机决定的。

（7） 遗传算法是一个反复迭代的过程，每次迭代期间，要执行适应度计算、复制、交换、突变等操作，直至满足终止条件。

将其用形式化语言表达，则为：假设α∈I记为个体，I记为 个体空间。 适应度函数记为Φ：I→R。在第t代，群体P(t)={a1(t),a2(t)，…，an(t)}经过复制r(reproduction)、交换c(crossover)及突变m(mutation)转换成下一代群体。这里r、c、m均指宏算子，把旧群体变换为新群体。L：I→{True, Flase}记为终止准则。利用上述符号，遗传算法可描述为：

1 2 3 4 5 6 7 8 9

t=0 initialize P(0):={ a1(0),a2(0)，…，an(0)}; while (l(P(t))≠True)  do evaluate P(t):{ Φ(a1(t)), Φ(a2(t))，…，Φ(an(t))}; reproduction: P′(t):=r(P(t)); crossover: P″(t):=c(P′(t)); mutation: P(t+1):= m(P″(t)); t=t+1; end