遗传算法

遗传算法的实质是通过群体搜索技术，根据适者生存的原则逐代进行进化，最后得到最优解或准最优解。
遗传算法必须做以下几个操作：初始种群的产生、求每一个个体的适应度、根据适应者生存的原则选取优良个体、被选出的优良个体两两配对。通过随机交叉其染色体的基因并随机变异某些染色体的基因生成下一代群体，按此方法逐代进化，直到满足进化的终止条件。

遗传算法的实现方法：
1. 根据具体的问题确定可行解域，确定一种编码方法，能用数值串或字符串表示可行解域的每一解。
2. 对每一解有一个度量好坏的依据，它用自适应函数表示，一般由目标函数构成。
3. 确定进化参数群体规模M，交叉概率Pc,变异概率Pm、进化终止条件。
一般便于计算，每一代群体的个体数目都去相等。进化终止条件可以根据找出的的近似最优解是否满足精度来确定。
用遗传算法解决例题例题：
由基地出发，派一架飞机巡航侦察100个目标，再返回 基地。基地和各个目标的经纬度已知，每一目标点的侦察时间不计，求该飞机花费的最短时间。
求解参数设定如下：种群大小M=50，最大代数G=1000；
交叉率Pc=1,交叉概率为1能保证种群的充分进化；
变异率Pm=0.1，一般而言，变异发生的可能性较小。

1.编码策略：采用十进制编码，用随机数作为染色体
2.初始种群：先利用经典的近似算法求得一个较好的 初始种群。
3.目标函数：侦察所有目标的路径长度，适应度函数取为目标函数，
4.交叉操作：采，对于选定的两个父代，随机的选取第t个基因处为交叉点。（尽可能选取好的交叉方式，尽量继承父代的优良性状）
5.变异操作：实现群体多样性的一种手段，同时是全局最优解的保证。按照给定的变异率，选定变异个体，随机取3个整数，满足1