2021-01-25

1、先了解方法的基本理论。
仿生学算法，是将实际的问题，要进行抽象转化的,对应关系一定要清楚。比如，遗传算法中，个体对应什么，种群对应什么。算法的操作以及算法的核心流程必须清楚。初始化要干嘛?什么是变异操作,什么是选择操作，什么是交叉操作。这些操作，是对谁进行的,什么条件下进行。算法的一些参数要清楚。种群数量，迭代数,交叉概率,变异概率等等。
2、按照前人代码实际在简单问题操作可以按书自己写一个,也可以抄别人代码，自己真实操作一下。 一定要找那些写的有体系的代码。比如遗传算法，有初始化、选择、交叉、变异操作,这些操作是要写在子函数中，而主代码是调用这些子函数去运算。这样子的代码，才能为你所用，才能更好的改进。
3、进阶遗传算法的编码有哪些?二进制，实数编码，这些编码什么时候用，怎么编码译码，他们的交叉,变异操作应该怎么根据编码方式改?遗传算法的选择方法有哪些?轮盘赌，等等，怎么写?遗传算法的参数怎么弄可以跑的快一些，比如交叉概率,变异概率的自适应等等。