对遗传算法理解

        第一篇博客好紧张，希望自己能坚持下去。

        最近看了一篇论文用遗传算法解决出行目的的识别问题，于是了解了一下遗传算法的基本原理，觉得自己找到的资料都是零零散散的，有的好理解有的不好理解，有的全面有的不全面，希望能比较全面又通俗的来描述这个算法，如果有人看到这篇觉得有帮助我也会很高兴，同时我的理解有错误的地方也希望能有人指正。

        遗传算法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。（以上概念来自百度百科。）

        一个种群里面有好的基因有坏的基因，基因组成染色体，染色体之间通过交换基因来产生新的染色体，染色体自身也可以通过基因突变产生新的染色体。在环境的影响下，逐渐地坏的基因会被淘汰掉，留下好的基因，好的染色体通过交换基因产生新染色体的时候新的染色体是好的或者更好地几率是非常大的，虽然不排除可能会出现不如父染色体的子染色体的情况，但在“优胜劣汰”的规则下，差的也会被淘汰的，留下的是越来越好的。这样一直不断地进化，种群就会越来越适应环境。

        下面说说这个生物进化论是怎么表现在遗传算法上面的。假设一个问题的解是由2个整数a、b组成，a和b都是1到100之间的整数，那么一组解(a1，b1)就是一条染色体要表达的内容，染色体上的基因是什么？对于问题可能的解，会先进行编码，常用的编码方式是二进制编码，编码完染色体就是由0和1组成的了，0和1就是基因。种群是什么？基本遗传算法的种群规模是自己设定的，不宜太小也不宜太大&#x