遗传算法 GA

引言

编程中很多算法都是基于一些严谨的理论来作为基础，从而进行编程实现，解决问题。但我认为遗传算法是比较特殊的一种。首先，它是基于生物进化理论来的，理论虽然已被证明，但总归觉得有一些概率，可以说是运气在里面。其实，往往使用遗传算法去解决问题时，和常规的直面问题，制定严谨的执行步骤去解决问题不同，遗传算法总是将问题往这个模型上靠，制定简单的进化规则，然后运行起来后，它就按照这些既定的简单理论开始自己进化，从而得到一个往往不是最优解的答案，但往往用它来解决一些问题，你总归是会得到一个可用的答案。

什么是遗传算法

如果要讲遗传算法（Genetic Algorithm），那要从生物进化理论来讲。一个种群，起初是由一定规模的生物个体组成，在自然界竞争中优胜劣汰，从而一代一代进化下来，能够成功进化到下一代的种群，肯定有一个帮它克服大自然，良好地适应于恶劣环境的特点。比如，人类进化过程中，刚开始都不会直立行走，但某一些第一个尝试直立行走的祖先当中，他们解放了双手，进行了更有效的生产劳动，从而得到了更多的生产资源，存活了下来，而那些未能尝试学习直立行走的部分，要么被淘汰，要么没有进化，种群没能良好的适应环境。而这群尝试直立行走的种群，得到了更多的生存机会，进一步进化过程中，那些强壮的个体，某一方面能力出众的个体，适应环境更好，得到了更多繁衍生息后代的机会，就这样一代一代进化成我们现在的样子。如果假设我们现在的状态为最佳状态（当然不是），第一批猴子为人类初始状态，那么人类进化的过程可以看作是人类进化过程中的一个解决方案，按照这条路走，总归会达到现在的样子，当然可能有更多更好的方法，但至少这种方法可以达到现在状态。
　 　我们知道，人类的特性控制是由基因控制的，每一个性状都是一对基因的体现，基因也在不段的繁衍中，进行着各种杂交和突变，这才给了一些良好基因生存的机会，那些被证明杂交过程中留下来的基因，大多是更能适应环境的基因，而突变也给了基因一些闪亮的机会，并且最终突显出来。
　 　根据上面的描述，不难看出，遗传过程中的几个重要步骤：

• 一个种群
• 种群中进行繁衍的亲本
• 基因杂交
• 基因突变

那这些与我们的编程算法有什么关系呢？
很多种实际问题，其实它们的解可以类比为基因的排序，比如一个机器人去走迷宫，从入口找到出口，那么它的街轨迹，就是找到出口的解，即类似于，上下左右，四个方向，左->上->左->右->下，这个问题的解就是类似于这样的一个序列，我们可以把它看作是一个染色体，每一步可以看作是一对基因，如果我们随机给出一个种群，种群中每个个体都是一套染色体，每个染色体就包含这样一个基因序列，即给出一组随机的基因序列，那我们怎么去解决这个问题呢：

• 先生产出一个群体，里面个体的基因序列随机；
• 让每个基因组（即机器人走迷宫的步骤），去尝试走迷宫，看看它能走